Kwaliteit van verse producten snel bepalen

Nieuws

Kwaliteit van verse producten snel bepalen

Gepubliceerd op
15 april 2015

Wageningen UR ontwikkelt binnen een groot R&D-programma een toolbox waarmee bedrijven in de versketen de beginkwaliteit van groente, fruit, bloemen en aardappelen kunnen bepalen en het verwachte kwaliteitsverloop in de keten kunnen voorspellen. De toolbox maakt het in de toekomst makkelijker om “van kas tot keuken” de juiste logistieke beslissingen te nemen.

Het meten en kwantificeren van de kwaliteit en het voorspellen van het toekomstige verloop van kwaliteit is nu nog niet goed mogelijk. In de verssector wordt gewerkt met ketenconditie-monitoring en kwaliteitsverlies-modellen, maar een betrouwbare objectieve indicatie van de beginkwaliteit ontbreekt vaak. De beginkwaliteit is bepalend voor zowel het kwaliteitsverloop in de keten als voor de resterende kwaliteit of houdbaarheid. De beginkwaliteit wordt bepaald door ras keuze maar ook door de teeltcondities en gewasmanagement, postharvest-behandelingen en bewaargeschiedenis van het product.

Quality Phenomics

In het R&D-programma Quality Phenomics worden kennis en methoden ontwikkeld die bijdragen aan de verbetering van de kwaliteit van verse producten, borging van kwaliteitsaspecten in de keten, vermindering van uitval in de keten en ontwikkeling van rassen die beter bestand zijn tegen de condities in de keten. De kennis en methoden die worden ingezet zijn onder andere robotica, inwendige structuuranalyses, spectroscopie, metabolomics en modellering. Het programma is een samenwerking tussen de experts van Wageningen UR op het gebied van veredeling en plantenteelt, postharvest fysiologie en geavanceerde bewaartechnologie, metabolomics, robotica, machine learning, sensors en imaging en modelleringstechnieken.

Kwaliteit meten

Eén van de tools die binnen het R&D-programma wordt ontwikkeld is een robot, die van individuele groente- en fruitproducten de kwaliteit meet op basis van onder andere de vorm, kleureigenschappen en NabijInfraRood (NIR) fingerprint. De resultaten van de meting worden vervolgens vertaald naar de productkwaliteit via computer vision en machine learning technieken. Groente-en fruit inkopers/verkopers kunnen met deze robot volledig geautomatiseerd en zonder het product te beschadigen de ingangscontrole van groente en fruit doen. De ontwikkeling van deze robot zal ook veredelaars van groente- en fruitrassen kunnen helpen om producten van nieuwe rassen automatisch te screenen en te beoordelen op kwaliteit. In beide situaties vindt de kwaliteitscontrole vaak visueel plaats en worden de monsters geanalyseerd.

Binnen Wageningen UR is op dit moment een demonstratiemodel aanwezig. De robot wordt in de komende jaren doorontwikkeld, bijvoorbeeld met het uitbreiden van de robothand met sensoren voor het meten van de stevigheid, brix en andere kwaliteitskenmerken. De focus zal liggen op het vertalen van tijdrovende menselijke beoordeling en destructieve metingen naar non-destructieve, geobjectiveerde metingen die automatisch batchgewijs per krat door de robot zullen worden uitgevoerd.

Kwaliteit voorspellen

Om te bepalen of appels en peren, afkomstig van verschillende boomgaarden, geschikt zijn voor lange bewaring of voor export naar verre bestemmingen, zijn in het onderzoeksprogramma kwaliteitsmodellen gebruikt. Met deze modellen is het mogelijk de kwaliteit te voorspellen en daarmee het bewaargedrag te bepalen. Daarnaast is in het programma gekeken of het rijpingsgedrag van (sub)tropische vruchten zoals mango, avocado en banaan voorspeld kan worden via metingen van producteigenschappen bij aankomst van het product in Nederland. Dit met als doel het rijpingsproces efficiënter te maken, uitval te verminderen en de kwaliteit van de vrucht in de winkel te verbeteren. Hieruit blijkt dat vooral de begin stevigheid een goede maat is voor de rijpingssnelheid. De stevigheid kan op non-destructieve wijze met behulp van akoestiek worden gemeten. Door de vruchten in stevigheidsklassen in te delen kan efficiënter gerijpt worden.


3D scan van krat met peren om robot naar product te brengen voor precisiemeting per peer
3D scan van krat met peren om robot naar product te brengen voor precisiemeting per peer

Naast de al bekende kwaliteitsindicatoren zoals kleur, brix en stevigheid zijn ook volledig nieuwe indicatoren in het onderzoeksprogramma verkend. Bijvoorbeeld de meting van het aromastoffenprofiel met een PTR-tof-MS en de meting van structuur eigenschappen met X-ray Computer Tomografie (XRT), waarmee interne structuuranalyse via 3D-rontgenbeelden worden gemaakt. Mogelijk kunnen dit type metingen in de toekomst toegevoegd worden aan de quality phenomics toolbox.