BR112012004195B1 - método para a detecção de defeitos para monitorar um processo para a fabricação de um produto alimentício e aparelho adaptado para detectar defeitos para monitorar um processo para a fabricação de um produto alimentício - Google Patents

Abstract

MÉTODO PARA A DETECÇÃO EM TEMPO REAL DE DEFEITOS EM UM PRODUTO ALIMENTÍCIO E EM SEU PROCESSO DE FABRICAÇÃO, ARRANJO DE PORTAS PROGRAMÁVEL EM CAMPO E APARELHO PARA MONITORAMENTO DE DEFEITOS EM UM PROCESSO PARA A FABRICAÇÃO DE UM PRODUTO ALIMENTÍCIO. A presente invenção é um método para detectar defeitos em um processo para a fabricação de um produto alimentício utilizando análise de imagem multivariada. Em um aspecto, captura-se uma imagem do produto alimentício no espectro visível por meio de equipamento de visualização on-line, então uma análise de imagem multivariada é efetuada na imagem através de um algoritmo programado sobre um arranjo de portas programável em campo para determinar a possível existência de um defeito, então um sinal é enviado para o equipamento de triagem à jusante, e o referido equipamento de triagem então rejeita aqueles produtos alimentícios que contêm defeitos.

Description

ANTECEDENTES DA INVENÇÃO ESCOPO TÉCNICO

[001] A presente invenção está relacionada ao uso de análise de imagem multivariada para detectar defeitos em uma linha de produção fabricando um produto alimentício.

DESCRIÇÃO DO ESTADO DA TÉCNICA

[002] O composto químico acrilamida tem sido utilizado por muito tempo em sua forma polimérica em aplicações industriais para o tratamento de água, recuperação otimizada de óleos, fabricação de papel, floculantes, espessantes, processamento de minérios e tecidos que dispensam passagem. A acrilamida se precipita sob a forma de um sólido cristalino de cor branca, é inodora e altamente solúvel em água (2155 g/L a 30°C). a lista de sinônimos para a acrilamida inclui 2-propenamida, etileno carboxamida, amida de ácido acrílico, vinilamida e amida de ácido propenóico. A acrilamida apresenta uma massa molecular de 71,08, um ponto de fusão de 84,5°C e um ponto de ebulição de 125°C a 25 mmHg.

[003] Em tempos recentes, uma ampla variedade de alimentos apresentou resultados positivos para o teste de presença de acrilamida na forma de monômero. A acrilamida foi encontrada especialmente em produtos alimentícios de carboidratos que tenham sido aquecidos ou processados sob temperaturas elevadas. Exemplos de alimentos que apresentaram resultados positivos para o teste de presença de acrilamida incluem café, cereais, biscoitos, petiscos de batata, bolachas, batatas fritas à francesa, pães e rolos, além de carnes empanadas fritas. Não ficou estabelecido que a acrilamida seja prejudicial aos seres humanos, no entanto a sua presença em produtos alimentícios, especialmente em níveis elevados, é indesejável.

[004] Uma maneira para reduzir a formação de acrilamida é processar termicamente os produtos alimentícios até alcançar um teor de umidade mais elevado. Entretanto, produtos alimentícios que contêm um excesso de umidade apresentam propriedades organolépticas ruins e são indesejáveis sob o ponto de vista dos consumidores. Um dos objetivos da presente invenção é a detecção de defeitos, particularmente os produtos alimentícios apresentando um teor de umidade acima de um determinado limite, em um processo de fabricação de um produto alimentício com um teor de umidade mais elevado.

SUMÁRIO DA INVENÇÃO

[005] Um aspecto da presente invenção está dirigido a um método para a detecção em tempo real de defeitos em um produto alimentício compreendendo as etapas de captura de uma imagem de um produto alimentício no espectro visível, execução da análise de imagem multivariada na imagem para revelar um conjunto de dados, e determinação de se um defeito existe no produto alimentício baseado no conjunto de dados. Em um aspecto, a invenção compreende adicionalmente a remoção de produtos alimentícios contendo um defeito antes de uma etapa de embalagem. Um aspecto da invenção compreende o ajuste de uma variável do processo para reduzir o número de produtos alimentícios fabricados que apresentam defeito. Um aspecto da presente invenção compreende a análise e remoção de produtos alimentícios devido à presença de acrilamida, considerada um defeito.

[006] Um aspecto da presente invenção está dirigido a um arranjo de portas programável em campo apresentando um algoritmo que transforma uma imagem a cores de um produto alimentício em um conjunto de dados tal como um espaço de contagem t1-t2 via análise de imagem multivariada, determina a existência ou não de um defeito baseado no conjunto de dados, e envia um sinal para um equipamento de triagem à jusante para que este rejeite o referido item defeituoso dentro de cerca de 0,002 segundos.

[007] Em um aspecto, a presente invenção está direcionada para um aparelho para o monitoramento de um processo de fabricação de um produto alimentício quanto a defeitos. Em um aspecto, o aparelho compreende um dispositivo para captura de imagem, um dispositivo computacional capaz de armazenar um algoritmo, onde o referido algoritmo transforma uma imagem a cores de um produto alimentício em uma expressão adequada de uma matriz de imagem via análise de imagem multivariada, e determina se existe algum defeito baseado no conjunto de dados resultante.

[008] Outros aspectos, incorporações e características da invenção ficarão aparentes a partir da descrição detalhada apresentada a seguir da invenção quando considerada em conjunto com as figuras em anexo. As figuras em anexo são esquemáticas e não se destinam a ser desenhadas em escala. Nas referidas figuras, cada componente idêntico ou substancialmente similar que seja ilustrado em diversas figuras está representado por um único numeral ou notação. Para fins de favorecer a clareza, nem todos os componentes se encontram numerados na em todas as figuras. Tão pouco todos os componentes de cada uma das incorporações da presente invenção são ilustrados onde não se faz necessário ilustrá-los para permitir que aqueles versados na técnica venham a compreender a invenção.

BREVE DESCRIÇÃO DAS FIGURAS

[009] Aqueles aspectos inovadores que se acreditam ser característicos da presente invenção são apresentados no quadro reivindicatório apenso. A invenção propriamente dita, entretanto, assim como um modo de uso preferencial, objetivos e vantagens adicionais da mesma, serão compreendidos da melhor maneira possível por meio de referência à seguinte descrição detalhada de incorporações ilustrativas quando lida em conjunto com as figuras em anexo, onde:

[010] A Figura 1 ilustra um fluxograma geral de um método para a detecção de defeitos em um processo para a fabricação de um produto alimentício de acordo com uma incorporação da presente invenção;

[011] A Figura 2 ilustra distribuições previstas de teor de umidade de petiscos de batata;

[012] A Figura 3a ilustra um conjunto de petiscos de batata frita, cada petisco apresentando uma região crocante desejável e uma região central mole defeituosa;

[013] A Figura 3b é uma ilustração da imagem corrigida da região central mole defeituosa superposta aos petiscos de batata frita ilustrados na Figura 3a;

[014] A Figura 4 é a apresentação prevista das imagens a cores de dois petiscos de batata frita transformada em um espaço de contagem t1-t2; e

[015] A Figura 5 ilustra uma representação esquemática de uma incorporação da presente invenção.

DESCRIÇÃO DETALHADA

[016] A presente invenção, em uma incorporação, compreende um método para detecção em tempo real de defeitos em um processo para a fabricação de um produto alimentício. A presente invenção pode ser usada para monitorar um processo para a fabricação de um produto alimentício e detectar produtos alimentícios que contém defeitos através da utilização de análise de imagem multivariada para diferenciar entre características do produto alimentício, alguns dos quais apresentam defeitos e alguns dos quais não apresentam defeitos, sendo que porém aparentam ser similares quando observados no espectro visível.

[017] Fazendo agora referência à Figura 1, uma imagem é capturada 100 do produto alimentício no espectro visível, que abrange a faixa de comprimento de onda de 400 nm até 700 nm, por meio de equipamento de visualização on-line tal como uma câmera digital, na medida em que o produto procede ao longo da linha de processamento. Em uma incorporação, colhe-se a imagem de toda a largura de uma correia transportadora proporcionando assim o máximo de inspeção e análise da superfície do produto alimentício. Numa incorporação o alimento se encontra numa configuração monocamada. Produtos alimentícios agregados podem ser posicionados em uma configuração monocamada transferindo-se o produto alimentício agregado desde uma primeira correia transportadora para uma segunda correia transportadora que se move muito mais rapidamente. A análise de imagem multivariada (doravante designada pela abreviação “MIA”) é então efetuada na imagem através de um algoritmo 110. Em uma incorporação, o algoritmo pode ser programado em um arranjo de portas programável em campo (doravante designado pela abreviação FPGA), que é um dispositivo semicondutor, conhecido no estado da técnica, que pode ser programado em campo. Em uma incorporação, um circuito integrado específico para esta aplicação pode ser usado para processar o algoritmo. O algoritmo pode ser usado para revelar um conjunto de dados, que ilustra a localização das características do produto dentro do espaço de contagem t1-t2 ou outra expressão adequada da matriz de imagem via análise de imagem multivariada.

[018] A seguir, determina-se se existem ou não defeitos 120 baseado no conjunto de dados resultante. Em uma incorporação, caso se encontre um defeito, um sinal 130 pode ser enviado para um equipamento de triagem, tal como por exemplo um banco de bocais de ar selecionados de maneira independente, localizado à jusante do equipamento de visualização, para rejeitar o produto alimentício contendo o referido defeito. O equipamento de triagem então rejeita aqueles produtos alimentícios que contém defeitos por meio de deflexão dos produtos alimentícios defeituosos para fora da correia transportadora que está carregando o produto com uma corrente de ar introduzida por um bocal de ar antes de uma etapa de embalagem.

[019] Em uma incorporação, a invenção compreende o uso da medição em tempo real dos defeitos para ajustar uma variável do processo na linha de manufatura do produto alimentício para reduzir o percentual de defeitos nos produtos alimentícios.

[020] Uma incorporação da presente invenção pode ser explicada fazendo-se referência a uma linha de produção de petiscos de batata e defeitos de “núcleo mole” que ocorrem em petiscos de batata frita apresentando um teor de umidade maior do que cerca de 2,5% em massa. Um defeito de núcleo mole ocorre quando um alimento processado termicamente tal como por exemplo um petisco de batata frita não é cozido até alcançar um teor de umidade que assegure a obtenção de uma textura crocante ao longo de todo o volume do produto alimentício. Desta forma, a região central do produto alimentício permanece relativamente mole. Núcleos moles são problemáticos porque afetam adversamente o prazo de validade do produto ao aumentar o percentual de umidade dentro do recipiente que o contém e assim conduzir a um apodrecimento mais precoce do produto. Além disso, os núcleos moles afetam a textura do petisco de batata, o que resulta em redução do grau de satisfação do consumidor, e pode fazer com que múltiplos petiscos fiquem aderidos uns aos outros, o que resulta em problemas durante o seu processamento adicional.

[021] Na medida em que os alimentos são processados termicamente até alcançar teores de umidade mais elevados para reduzir os níveis de acrilamida presentes no alimento, os defeitos de núcleo mole vão ficando mais prevalentes. Por exemplo, os petiscos de batata tipicamente são cozidos por meio de fritura até alcançar uma distribuição prevista de teor de umidade ilustrada pela curva 200 na Figura 2. Conforme ilustrado na Figura 2, quando os petiscos de batata são fritos objetivando alcançar um teor de umidade de cerca de 1,4% em massa, muito poucos dos petiscos de batata frita apresentam teores de umidade acima de 2% em massa. Entretanto, o processamento térmico de alimentos até que se alcance teores de umidade mais elevados tais como por exemplo um teor objetivo de umidade de cerca de 1.8% em massa, a fim de reduzir a formação de acrilamida pode resultar em uma consequência não-intencional de produção de um número maior de núcleos moles, que precisam ser removidos da cadeia de produção do produto antes de sua embalagem. A curva 220 na Figura 2 representa a distribuição prevista do teor de umidade distribuição prevista de teor de umidade de um petisco de batata frita processado termicamente até alcançar um teor de umidade desejado de cerca de 1,8%. Conforme ilustrado pela Figura 2, a elevação do teor de umidade pretendido dos petiscos de batata resulta em um percentual muito maior de petiscos apresentando um teor de umidade de mais do que cerca de 2,0%. Também evidenciado na Figura 2 é o fato de que a distribuição prevista de teor de umidade 220 fica cada vez mais ampla na medida em que aumenta o teor de umidade pretendido. A razão para o aumento da distribuição de umidade 220 é que o extremo inferior da distribuição fica mais longe da restrição do teor de umidade “agregado” do petisco de batata acabado. Consequentemente, um nível ainda maior do que o esperado de defeitos de núcleo mole ocorre quando se aumenta o teor de umidade pretendido.

[022] Os equipamentos de triagem existentes na produção de petiscos de batata baseados no espectro visível identificam petiscos defeituosos com base no grau de clareza da coloração (p.ex. negra, marrom, verde), e no tamanho do defeito observado no petisco. No entanto, a detecção de defeitos de núcleo mole utilizando os equipamentos existentes é difícil porque os núcleos moles refletem a luz de maneira diferente do que os outros defeitos porque os defeitos de núcleo mole emitem um padrão de comprimento de onda de luz branca ou refletiva/brilhante. Por exemplo, a coloração é ocasionalmente descrita em um espaço de coloração HSI (h2ue, s2aturation, i2ntensity - matiz, saturação, intensidade). É difícil usar o espaço de cor HSI para detectar de maneira precisa os núcleos moles devido ao fato de que a componente reflexiva ou brilhante, que em sua maior parte não está relacionada às propriedades reais de saturação e intensidade do objeto, é necessariamente medida utilizando a tecnologia HSI. Uma complicação adicional do problema é que os petiscos defeituosos encharcados de óleo, que não são considerados defeituosos, também emitem um padrão de comprimento de onda branco ou refletivo e podem ser erroneamente rejeitados juntamente com os núcleos moles.

[023] Petiscos defeituosos encharcados de óleo são na verdade produtos alimentícios fritos onde o óleo não ficou ligado ao amido. Diversas regiões dos petiscos defeituosos fritos podem se apresentar como encharcadas em óleo. Em algumas incorporações, como os petiscos defeituosos são analisados quanto a defeitos dentro de um período de tempo relativamente curto depois de sair da fritadeira, o óleo pode ainda estar na superfície do alimento frito se o óleo ainda não houver sido entranhado no produto alimentício. Os petiscos defeituosos encharcados de óleo não são considerados defeituosos. Consequentemente, existe uma necessidade de um aparelho e método que permitam monitorar um linha de produção de produtos alimentícios processados termicamente para identificação de núcleos moles, seguida por rejeição seletiva dos núcleos moles sem no entanto rejeitar os petiscos defeituosos encharcados de óleo.

[024] Embora os produtos alimentícios fritos processados termicamente sejam tipicamente processados até atingir um teor de umidade de menos do que 2,5% em massa do produto alimentício, e mais preferencialmente menos do que cerca de 2,0% em massa do produto alimentício, artigos assados tais como bolachas podem ser processados termicamente até atingir teores de umidade mais elevados e ainda assim preservar seu prazo de validade. Consequentemente, conforme usado no presente documento, o termo produto alimentício processado termicamente fica definido como sendo um produto alimentício apresentando um teor de umidade de menos do que cerca de 5% em massa, e mais preferencialmente menos do que cerca de 3,5% em massa. Conforme utilizado no presente documento, o termo petiscos defeituosos e produto alimentício processado termicamente são sinônimos e podem ser utilizados um no lugar do outro.

[025] Uma incorporação da presente invenção permite que os defeitos de núcleo mole e petiscos defeituosos encharcados de óleo sejam diferenciados através da execução de uma análise de imagem multivariada em uma imagem tomada no espectro visível do produto alimentício processado termicamente para construir um algoritmo que pode ser usado para identificar características, tais como defeitos de núcleo mole e áreas encharcadas de óleo no produto alimentício.

[026] Uma imagem a cores capturada no espectro visível é uma imagem multivariada composta por três variáveis - canais vermelho, verde e azul. A cor de cada um dos pixels da imagem apresenta intensidades variáveis das cores vermelho, verde e azul e é caracterizada por meio dos valores numéricos (normalmente números inteiros de 0 a 255) de seus canais vermelho, verde e azul. Uma imagem a cores pode ser expressa na forma de uma matriz de 3-dimensões. Duas dimensões representam as coordenadas espaciais x-y e a terceira dimensão é o canal de cor. Sem considerar as coordenadas espaciais dos pixels, a matriz de imagem pode ser desdobrada e expressa na forma de uma matriz bi-dimensional.

[027] I é uma matriz de imagem tri-dimensional com um tamanho de imagem NlinhaxNcol. I é a matriz de imagem bi-dimensional desdobrada. N é o número de pixels na imagem, N= NlinhaxNcol, ci,r, ci,g, ci,b (i=1,...,N) correspondem aos valores de intensidade dos canais vermelho, verde e azul para o pixel i. ci (i=1,...,N) é o vetor da i-ésima linha de I, que representa os valores de cor do pixel i. É possível usar diferentes métodos de regressão conhecidos do estado da técnica, tais como Análise de Componente Principal (P2rinciple C2omponent A2nalysis ou PCA) ou Mínimos Quadrados Parcial (P2artial L2east S2quares ou PLS) na matriz bidimensional I para que se obtenha um espaço de contagem t1-t2.

[028] Por exemplo, uma Análise de Componente Principal multi-vias pode ser efetuada numa imagem multivariada a cores para gerar um espaço de contagem t1-t2. A execução de uma Análise de Componente Principal multi-vias é equivalente à execução de uma Análise de Componente Principal na matriz de imagem bi-dimensional desdobrada I.

onde A é o número de componentes principais, os ta’s são vetores de contagem e os pa’s correspondentes são vetores de carregamento.

[029] Como a dimensão de linha da matriz de imagem bi-dimensional I é muito grande (igual a 307,200 para um espaço de imagem de 480x640 ) e como a dimensão de coluna é muito menor (igual a 3 para uma imagem RGB - vermelha, verde e azul - a cores), é possível utilizar um algoritmo kernel para computar os vetores de carregamento e contagem. Neste algoritmo, a matriz de kernel (ITI) é inicialmente formada (para um conjunto de imagens, a matriz é calculada como m

e então a decomposição de valores singulares (s2ingular v2alue d2ecomposition - SVD) é efetuada nesta matriz de dimensão notavelmente baixa (3x3 para uma imagem a cores) com o objetivo de gerar os vetores de carregamento pa (a=1,...,A).

[030] Depois de obtidos os vetores de carregamento, os vetores de contagem correspondentes ta são computados ta=I pa. Visto que os primeiros dois componentes normalmente explicam a maior parte da variância, ao invés de trabalhar no espaço original RGB tri-dimensional, a opção de trabalhar no espaço de contagem bi-dimensional ortogonal t1-t2 permite que a interpretação das imagens seja notavelmente facilitada.

[031] A Figura 3a ilustra um conjunto de petiscos de batata frita, cada um dos petiscos defeituosos apresentando uma região crocante não-defeituosa e desejável 302 e uma região central mole 304. A região ligeiramente hachurada ilustrada pelo número 304 necessariamente representa uma cor mais escura neste desenho do que seria indicativo de um núcleo mole em uma imagem realmente a cores, e se encontra ilustrada para indicar a região central mole prevista 304. A Figura 4 é uma representação prevista das imagens a cores de dois petiscos de batata frita transformadas no espaço de contagem t1-t2. Os programas de computador necessários para efetuar a transformação de uma imagem em um espaço de contagem t1-t2 já são conhecidos do estado da técnica.

[032] Para desenvolver o algoritmo usado para consumar a análise de imagem multivariada que correlaciona a imagem a cores de um petisco de batata frita para determinar se os petiscos defeituosos de fato apresentam defeito, uma Análise de Componente Principal multivias é efetuada em duas das imagens na Figura 3a para converter o espaço de contagem t1-t2 de cada petisco de batata 410 411 ilustrado na Figura 4.

[033] É possível fazer modificações nos equipamentos existentes para permitir que o usuário procure por áreas brancas/refletivas, tais como troca do material de correia de branco para uma coloração mais escura tal como azul a fim de permitir a diferenciação entre a imagem de fundo/cor da correia transportadora e o defeito propriamente dito, permitindo assim uma detecção mais precisa dos núcleos moles. Consequentemente, em uma incorporação, a coloração da imagem de fundo, por exemplo a cor da correia transportadora, é removida da imagem na Figura 3a antes de converter a imagem de cada petisco de batata em um espaço de contagem t1-t2. Depois da remoção da imagem de fundo, a imagem vermelha-verde-azul do petisco de batata ilustrada na Figura 3a pode então ser convertida em uma imagem transformada 410 411 conforme ilustrada na Figura 4. Aqueles versados na técnica entenderão que diferentes produtos alimentícios deverão produzir diferentes espaço de contagem t1-t2. Por exemplo o espaço de contagem t1-t2 para petiscos defeituosos de tortilha será diferente do espaço de contagem t1-t2 para um petisco de batata. Deve ser observado que existem outras maneiras de se desdobrar e expressar a matriz de imagem sem recorrer ao espaço de contagem t1-t2 e tal expressão é oferecida para fins de ilustração e não de limitação de escopo da presente invenção.

[034] A seguir, cria-se uma máscara através do realçamento de um defeito identificado no espaço RGB e observando aonde é que o defeito cai dentro do espaço t1-t2. Cria-se uma máscara 402 que realça a área no espaço t1-t2 que é característica do defeito, que corresponde à região central mole identificada pelo número 304 na Figura 3a. Em uma incorporação, a máscara 402 ocorre no mesmo espaço t1-t2 muito embora o espaço de contagem de cada petisco de batata 410 411 possa abranger diferentes áreas no espaço t1-t2.

[035] A área compreendendo a máscara 402 no espaço t1-t2 é selecionada e uma imagem corrigida é projetada de volta dentro do espaço RGB no petisco de batata ilustrado na Figura 3b. Áreas de máscara ao redor da região de defeito 304 ilustrada na Figura 3a são, em uma incorporação, selecionadas através de tentativa e erro até que a imagem corrigida mapeada de volta no espaço RGB se apresente substancialmente superposta sobre a área de defeito 314 dos petiscos defeituosos ilustrada na Figura 3b. Em uma incorporação, as áreas de máscara ao redor da região defeituosa 304 ilustradas na Figura 3a podem ser selecionadas através de um algoritmo de automação que pode otimizar a tarefa de geração da máscara.

[036] O processo acima pode ser repetido para definir máscaras que estejam correlacionadas com outras propriedades do produto alimentício incluindo, embora não limitado a, outros defeitos. Por exemplo, descobriu-se que fatias de batata apresentando defeitos também estão ligadas a níveis mais elevados de acrilamida quando fritas em óleo quente (p.ex., fritas em um óleo apresentando uma temperatura de óleo superior a cerca de 280°F) do que fatias de batata que não apresentavam quaisquer defeitos. Uma fatia de batata não apresentando defeitos é uma fatia apresentando uma coloração regular dourada em toda a sua área de superfície depois de frita. Os defeitos de batata são já bem conhecidos daqueles versados na técnica e os referidos defeitos incluem, embora não estejam limitados a defeitos de zebragem, apodrecimento seco, crosta, núcleo oco, verdejamento, manchas negras, brotamento, nódoas, rolo de folhas e defeitos de açucaragem. Detalhes adicionais sobre aqueles defeitos encontrados em batatas, incluindo uma listagem dos referidos defeitos, pode ser encontrada no Boletim Informativo 205 intitulado ‘Detecção de Defeitos e Doenças em Tubérculos de Batata’ publicado pelo Departamento de Patologias Botânicas da Cornell University em seu website http: //vegetablemdonline.ppath.cornell.edu /factsheets/batata Detection. htm. Este boletim informativo é aqui incorporado a título de referência.

[037] Diversas fatias de batata frita apresentando vários defeitos foram fritas até atingir um teor de umidade abaixo de 2% em massa em óleo quente e analisadas quanto a seu nível de acrilamida. Os resultados são apresentados na tabela abaixo.

[038] Os defeitos de açucaragem tipicamente não são removidos das cadeias de produção antes da embalagem. É interessante observar que petiscos defeituosos apresentando os mais altos níveis de acrilamida devido a defeitos de açucaragem não tem sido historicamente como defeitos pelo consumidor, porque estes defeitos apresentam colorações predominantemente acobreadas até ligeiramente marrom e portanto não são consideradas inaceitáveis. Em contraste, defeitos tais como apodrecimento, manchas negras e brotamento que se apresentam predominantemente negros ou de coloração deveras escura constituem os tipos de defeito de batata mais propensos a serem removidos antes da embalagem.

[039] Conforme exemplificado pelos dados acima, a remoção de petiscos de batata frita defeituosos do processo de embalagem pode ajudar a reduzir de maneira substancial o nível médio de acrilamida em uma porção de um produto alimentício. Consequentemente, numa incorporação da presente invenção, um produto alimentício apresentando um defeito de acrilamida sabidamente característico de elevados níveis de acrilamida é removido antes da embalagem dos produtos alimentícios. Conforme utilizado no presente documento, um produto alimentício apresenta um defeito de acrilamida conhecido como característico de um elevado nível de acrilamida se a concentração de acrilamida devida ao referido defeito for mais do que o dobro do nível de uma fatia de batata processada termicamente sem defeito sob as mesmas condições. Assim sendo, uma fatia apresentando um defeito de açucaragem é uma tal que devido ao teor de açúcar mais elevado do que o normal irá resultar em uma fatia de batata acabada apresentando mais do que o dobro do nível de acrilamida se comparado a uma fatia de batata apresentando um teor de açúcar normal (p.ex., batatas para fabricação de petiscos tipicamente apresentam menos do que 0,05% de açúcar redutor em massa de uma batata fresca) que é processada termicamente sob as mesmas condições.

[040] Numa incorporação, cria-se uma máscara através do realce de uma porção não-defeituosa de uma petisco defeituoso, tal como uma região encharcada em óleo e observa-se aonde é que recai o defeito no espaço RGB. Áreas mascaradas podem novamente ser selecionadas através de tentativa e erro ou por meio de um algoritmo automatizado até que a área encharcada de óleo produza uma imagem corrigida que cubra adequadamente a área não-defeituosa dos petiscos defeituosos. Desta maneira, pode-se diferenciar entre a área de coloração clara no petisco de batata que é causada por um núcleo mole defeituoso em contraste com uma área de coloração clara em um petisco de batata que corresponde a petiscos não-defeituosos encharcados de óleo. É possível utilizar software, tais como o Proportion, da Prosensus, Inc. Para desenvolver o algoritmo da maneira discutida acima a fim de consumar a análise de imagem multivariada que pode ser usada para criar a imagem corrigida.

[041] Este algoritmo pode então ser programado em um FPGA para determinar, com base na imagem capturada e no conjunto de dados correspondente calculado a partir da referida imagem, o número, tipo e grau de pixels detectados dentro dos petiscos defeituosos, e estabelecer quais dos petiscos defeituosos são de fato defeituosos. Os FPGA’s são conhecidos do estado da técnica e podem, por exemplo, ser comprados da Hunt Engineering def Brent Knoll Village, Somerset, Inglaterra.

[042] De maneira vantajosa, a presente invenção, diferentemente do estado da técnica, permite que uma ou mais áreas defeituosas dentro dos petiscos defeituosos sejam agregadas. Em uma incorporação, os defeitos mais associados com a acrilamida podem ser pesados de maneira tal que os defeitos de acrilamida requeiram uma área para remoção por defeito menor do que outros defeitos, tais como núcleos moles, que apresentam níveis relativamente mais baixos de acrilamida. Se um determinado petisco defeituoso é ou não classificado como defeituoso pode ser determinado utilizando-se uma ou mais variáveis predeterminadas. Em uma incorporação, um defeito existe quando o conjunto de dados ou a imagem corrigida revela que pelo menos cerca de 10% do alimento que gerou a imagem compreende um núcleo mole.

[043] Em uma incorporação, os petiscos defeituosos são destinado à remoção. Se houver sido planejada a retirada de um petisco defeituoso, o FPGA pode calcular a área de remoção pretendida, traduzir a área pretendida para os bocais de rejeição específicos no banco de bocais de ar à jusante, calcular a programação necessária, e comunicar a sequência de disparo para o controlador ejetor. Equipamentos de triagem tais como um classificador de alta capacidade Manta disponibilizado por Key Technologies de Walla Walla, Washington podem ser usados.

[044] A Figura 5 ilustra uma representação esquemática de uma incorporação da presente invenção. Em uma incorporação, o banco de bocais de ar 508 disparados de maneira independente, situado ao longo de toda a largura da correia transportadora 502, está localizado a uma curta distância (p.ex., menos do que cerca de 5 pés e mais preferencialmente menos do que cerca de 3 pés) à jusante de um equipamento para captura de imagem 504. Assim sendo, em tal referida incorporação, se o produto alimentício 502 estiver se movendo ao longo da correia transportadora em velocidades acima de 500 pés/min., a análise de imagem multivariada e a determinação de se um petisco defeituoso é de fato defeituoso precisa ocorrer muito rapidamente.

[045] A fim de possibilitar isso, o algoritmo pode ser programado no processador 506 que está conectado ao equipamento de visualização 504 e ao equipamento de triagem 508. A imagem a cores de um petisco de batata 502 pode ser tomada pelo equipamento de visualização 504 e enviada para a unidade de processamento 506. A unidade de processamento 506 pode compreender um FPGA.

[046] O processador 506 aplica o algoritmo que foi desenvolvido através de métodos discutidos acima à imagem, o que transforma a imagem a cores em um espaço de contagem t1-t2 ou outra expressão adequada da matriz de imagem via análise de imagem multivariada e determina se existe de fato um defeito com base no conjunto de dados resultante. Em uma incorporação, o conjunto de dados resultante é usado para superpor uma imagem corrigida no espaço RGB sobre o substrato de alimento.

[047] Em uma incorporação, se de fato existir um defeito, envia-se um sinal para o equipamento de triagem à jusante 508 para que este rejeite os petiscos defeituosos. A utilização de FPGA e/ou tecnologia de arranjo de processador de alta velocidade 506 permite que o processo ocorra em menos do que cerca de 0,002 segundos e mais preferencialmente em menos do que cerca de 0,001 segundos para permitir a atuação de válvulas solenóides de ar de alta velocidade conectadas a bocais de ar 508 que são selecionados para remover defeitos identificados da cadeia de produção de produto. Os petiscos defeituosos são roteados para uma cadeia de defeituosos 510 enquanto que a cadeia de petiscos não-defeituosos 512 é roteada para as etapas de adição de temperos e embalagem.

[048] Em uma incorporação, se de fato existir um defeito, é possível usar um sinal para ajustar variáveis de processamento a fim de ajustar os níveis de defeito em um produto alimentício acabado. Por exemplo, o tempo e temperatura de exposição de um produto alimentício dentro da fritadeira podem ser otimizados com o objetivo de reduzir, baixar e/ou minimizar os níveis de defeito do produto alimentício acabado. Por exemplo, a velocidade da roda de pás pode ser reduzida para permitir um tempo de residência mais longo dentro da fritadeira e/ou a temperatura do óleo quente pode ser aumentada para fritar os núcleos moles. Outros níveis de processamento que podem ser ajustados incluem, embora não estejam limitados a, taxa de fluxo de óleo para dentro da fritadeira, o nível de óleo dentro da fritadeira, a velocidade do submersor, a velocidade da correia transportadora de retirada, a temperatura do óleo na entrada e a taxa de alimentação do produto.

[049] Em uma incorporação, uma avaliação da cadeia de defeituosos 510 e/ou cadeia de não-defeituosos 512 ocorre para prover um ajuste fino adicional do processo. Por exemplo, em uma incorporação, a cadeia de defeituosos 510 é medida para estabelecer o nível de petiscos não- defeituosos na cadeia de defeituosos 510. Em uma incorporação, a cadeia de não-defeituosos 512 é medida para estabelecer o nível de petiscos defeituosos dentro da cadeia de não-defeituosos 512. Esta informação é colhida, juntamente com estatísticas dos defeitos que estão entrando entrantes por tipo e grau calculados a partir do processador 506 e usada para ajustar o algoritmo. O referido ajuste fino pode ser obtido em uma incorporação por meio de observação do formato da máscara na imagem t1- t2 e do aumento (fazendo com que um número maior de pixels se encaixe dentro da definição de uma classe de defeitos especificada) ou redução (fazendo com que um número menor de pixels se encaixe na definição de uma classe de defeitos especificada) da distância radial medida a partir do centróide da máscara, 402 ilustrado na Figura 4.

[050] Em uma incorporação, o número, tipo e grau de pixels com defeito dentro de cada um dos petiscos defeituosos dentro da cadeia de defeituosos 510 e/ou da cadeia de não-defeituosos 512 são contados para fins de análise estatística 514. Em uma incorporação, estas estatísticas podem ser combinadas com o nível de petiscos defeituosos na cadeia de não-defeituosos 512 para avaliar o desempenho 516 do sistema. Usando as informações oriundas do desempenho do sistema 516, e o nível de produtos alimentícios não-defeituosos na cadeia de defeituosos 510, é possível fazer cálculos para ajustar o grau de agressividade 518 do ajuste na medida em que este se aplica a cada uma das classes de defeito individuais. Por exemplo, na medida em que se aplica a cada uma das classes de defeito individuais se um elevado número de defeitos estiverem sendo passados através do sistema, a ação de ajuste seria a de aumentar paulatinamente a sensibilidade de cada defeito, por classe, até que se alcançasse um grau aceitável de rejeição de defeitos. Por outro lado, se o número de defeitos na cadeia de não-defeituosos 512 estiver dentro de limites de desempenho aceitáveis, e o número de petiscos defeituosos "bons" dentro da cadeia de rejeição 510 for inaceitavelmente elevado (significando que parte da produção está sendo abandonada), então o sistema poderia ser ajustado por meio de redução do grau de sensibilidade ou agressividade 518 para determinadas classes de defeito (aquelas que fossem menos egrégias em termos de acrilamida) a fim de reduzir o número de petiscos defeituosos "bons" ocorrendo na cadeia de rejeição 510.

[051] Esta informação pode ser usada isoladamente ou em conjunto com uma entrada de dados manual por um operador para ajustar a sensibilidade geral 520 do sistema. Em tal incorporação, um operador teria acesso as um dispositivo de entrada de dados manual tal como uma barra de deslizamento ou setas para cima/para baixo, ou uma entrada de ajuste/numérica "de ajuste" baseada em qualquer escala desejada (p.ex. 0100, +/-10, etc.) que seria usada para ajustar a sensibilidade geral do sistema quanto a defeitos. Por exemplo, se o operador desejar aumentar os defeitos toleráveis na cadeia “bons” ou de não-defeituosos 512 para aumentar ou reduzir de uma determinada porcentagem, como por exemplo de 5% para 4%, o operador seria capaz de fazer este ajuste manualmente. Em uma incorporação, o ajuste manual por um operador estaria indisponível para ajustar a sensibilidade de determinadas classes de defeito, especificamente aquelas resultando em níveis aumentados de acrilamida, a fim de assegurar que a rejeição dos referidos defeitos não pudesse ser desabilitada manualmente por um operador.

Exemplo de previsão

[052] Fatias de batata são cozidas dentro de uma fritadeira contínua, por exemplo numa temperatura de cerca de 340° F até cerca de 370°F durante um intervalo de tempo de aproximadamente 3 minutos. A etapa de cozimento geralmente reduz o teor de umidade dos petiscos defeituosos para menos do que 2% em massa. Por exemplo, um petisco de batata frita típico sai da fritadeira com aproximadamente 1,5% de umidade em massa.

[053] Os petiscos de batata cozidos saem da fritadeira e prosseguem ao longo de uma correi transportadora numa velocidade de aproximadamente 8 pés por segundo. Uma câmera digital, posicionada acima da correia transportadora, captura uma imagem a cores dos petiscos defeituosos na medida em que estes prosseguem em frente na correia transportadora. A imagem é enviada para a unidade de processamento contendo o FPGA ou arranjo processador com o algoritmo programado. O FPGA ou arranjo processador aplica o algoritmo para transformar a imagem a cores em um espaço de contagem t1-t2. O algoritmo então determina se o petisco de batata apresenta defeito baseado em onde estejam localizadas as características do petisco defeituoso no espaço de contagem t1-t2. Cria-se uma máscara que realça a área no espaço de contagem t1-t2 que é característica daquele defeito. Isso é feito primeiramente por meio de realce de um defeito identificado no espaço RGB e observação de aonde o defeito recai no espaço t1-t2. Uma área ao redor do ponto no espaço de contagem t1-t2 é selecionada e projetada de volta para o espaço RGB. Áreas de máscara ao redor da região defeituosa teriam sido previamente identificadas por tentativa e erro até que a área mapeada de volta para o espaço RGB recubra adequadamente a área defeituosa dos petiscos defeituosos. O FPGA sinaliza para o equipamento de triagem, que em uma incorporação compreende um ou mais bocais de ar, que um petisco defeituoso está se aproximando em 3 pés ou 0,006 segundos. O equipamento de triagem então rejeita o petisco defeituoso golpeando o petisco defeituoso com um jato de ar na medida em que o petisco defeituoso é lançado diante de uma abertura de cerca de 12 polegadas de largura situada entre a correia transportadora até um conduto receptor/de frenagem. O jato de ar deflete o petisco defeituoso para fora da correia transportadora e para dentro de uma correste de descarte.

[054] Uma vantagem de se ter uma distância curta entre a zona de detecção e os bocais de rejeição é que os petiscos defeituosos se movendo em altas velocidades, significando estas velocidades maiores do que cerca de 500 pés por minuto, apresentam um bom perfil aerodinâmico e podem se mover relativamente à informação prevista que está sendo transmitida para os bocais de ar de rejeição. Qualquer movimento de posição relativa dos petiscos defeituosos pode resultar seja num tiro errado ou possivelmente na rejeição indevida de petiscos adjacentes não-defeituosos. Uma vantagem de se colocar as unidades de visualização tão próximas quanto possível dos bocais de rejeição é que a probabilidade teórica de perda de petiscos defeituosos ou rejeição falsa fica reduzida. Em uma incorporação, uma imagem é capturada durante o "vôo"dos petiscos defeituosos entre a correia transportadora e o conduto receptor/de frenagem. Nestes casos, a distância é provavelmente da ordem de menos do que um pé entre o sistema de aquisição de imagem e os bocais de ejeção.

[055] Embora a presente invenção tenha sido descrita fazendo referência a uma linha de produção de petisco de batata e defeitos de núcleo mole em petiscos de batata, deve ser entendido que a presente invenção é de fato aplicável a outros defeitos familiares para a indústria de processamento de batatas, e também a outros produtos alimentícios processados termicamente, tais como petiscos de milho defeituosos assados ou fritos, petiscos de tortilha defeituosos, bolachas, etc. Os exemplos e explicações apresentados no presente documento não tem por intenção limitar o escopo da presente invenção.

[056] Tendo assim descrito diversos aspectos de pelo menos uma incorporação da presente invenção, deverá ser apreciado o fato de que diversas alterações, modificações e melhorias ocorrerão prontamente àqueles versados na técnica. Pretende-se que tais alterações, modificações e melhorias sejam compreendidas como parte integrante deste relatório descritivo, visto que se encontram dentro do espírito e escopo da presente invenção. Consequentemente, a descrição e os desenhos anteriormente apresentados o foram apenas a título de exemplo.

Claims (6)

1. MÉTODO PARA A DETECÇÃO DE DEFEITOS PARA MONITORAR UM PROCESSO PARA A FABRICAÇÃO DE UM PRODUTO ALIMENTÍCIO, caracterizado por compreender as seguintes etapas: a) captura (100) de uma imagem colorida do referido produto alimentício (502) em um espectro visível, b) transformação (110) da dita imagem colorida em um espaço de pontuação t1-t2 através da análise de imagem multivariada para revelar um conjunto de dados, c) determinação (120) da existência ou não de um defeito com base no referido conjunto de dados, em que o referido defeito ocorre quando o referido conjunto de dados revela que pelo menos 10% de uma área de imagem do dito produto alimentício refletido compreende um centro mole (304); e d) rejeição (130, 140) do referido produto alimentício apresentando o referido defeito dentro de 0,002 segundos depois da referida etapa de determinação através do envio de um sinal para o equipamento de triagem à jusante compreendendo válvulas solenoides de ar conectadas a bocais de ar (508), em que a referida análise de imagem multivariada ocorre por um algoritmo programado em uma matriz de portas programáveis em campo.

2. MÉTODO, de acordo com a reivindicação 1, caracterizado por compreender adicionalmente a etapa de ajuste de uma variável do processo para prover um número reduzido dos referidos defeitos.

3. MÉTODO, de acordo com a reivindicação 1, caracterizado por compreender adicionalmente uma etapa de contagem dos produtos alimentícios que compreendem o referido defeito.

4. MÉTODO, de acordo com a reivindicação 1, caracterizado pelo referido defeito compreender adicionalmente um defeito de acrilamida, opcionalmente, em que o referido defeito de acrilamida compreende ainda um defeito de açúcar.

5. APARELHO ADAPTADO PARA DETECTAR DEFEITOS PARA MONITORAR UM PROCESSO PARA A FABRICAÇÃO DE UM PRODUTO ALIMENTÍCIO, caracterizado por compreender: um dispositivo para captura de imagem (504) para capturar uma imagem colorida do dito produto alimentício (502) em um espectro visível; um dispositivo computacional (506) para armazenar um algoritmo, em que o referido algoritmo transforma uma imagem colorida de um produto alimentício em um espaço de contagem t1-t2 via análise de imagem multivariada para revelar um conjunto de dados; e determina se existe um defeito baseado num conjunto de dados, em que o referido defeito ocorre quando o referido conjunto de dados revela que pelo menos 10% de uma área com imagem do referido produto alimentar refletido compreende um centro mole; e equipamento de triagem à jusante compreendendo válvulas solenoides de ar conectadas a bocais de ar que rejeitam o dito produto alimentício com o dito defeito depois de haver recebido um sinal oriundo do referido dispositivo computacional menos de 0,002 segundos depois de o referido dispositivo computacional haver determinado se um defeito existe, em que a referida análise de imagem multivariada ocorre por um algoritmo programado em uma matriz de portas programáveis em campo.

6. APARELHO, de acordo com a reivindicação 5, caracterizado pelo referido dispositivo computacional compreender uma pluralidade de arranjos de processamento computacional que segmenta a referida imagem colorida.

Images