ES2215734T3 - Metodo y aparato para la determinacion de propiedades de comida o de alimentos. - Google Patents
Metodo y aparato para la determinacion de propiedades de comida o de alimentos.Info
- Publication number
- ES2215734T3 ES2215734T3 ES00969237T ES00969237T ES2215734T3 ES 2215734 T3 ES2215734 T3 ES 2215734T3 ES 00969237 T ES00969237 T ES 00969237T ES 00969237 T ES00969237 T ES 00969237T ES 2215734 T3 ES2215734 T3 ES 2215734T3
- Authority
- ES
- Spain
- Prior art keywords
- low
- medium
- values
- calibration
- ray
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims description 64
- 235000021060 food property Nutrition 0.000 title description 2
- 235000013372 meat Nutrition 0.000 claims abstract description 60
- 238000010521 absorption reaction Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000010238 partial least squares regression Methods 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 235000015277 pork Nutrition 0.000 claims description 5
- 230000001373 regressive effect Effects 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 4
- MARUHZGHZWCEQU-UHFFFAOYSA-N 5-phenyl-2h-tetrazole Chemical compound C1=CC=CC=C1C1=NNN=N1 MARUHZGHZWCEQU-UHFFFAOYSA-N 0.000 claims description 3
- QKEOZZYXWAIQFO-UHFFFAOYSA-M mercury(1+);iodide Chemical compound [Hg]I QKEOZZYXWAIQFO-UHFFFAOYSA-M 0.000 claims description 3
- 238000007430 reference method Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000013500 data storage Methods 0.000 claims description 2
- 238000012417 linear regression Methods 0.000 claims description 2
- MCVAAHQLXUXWLC-UHFFFAOYSA-N [O-2].[O-2].[S-2].[Gd+3].[Gd+3] Chemical compound [O-2].[O-2].[S-2].[Gd+3].[Gd+3] MCVAAHQLXUXWLC-UHFFFAOYSA-N 0.000 claims 1
- 238000002835 absorbance Methods 0.000 claims 1
- 230000009977 dual effect Effects 0.000 abstract 2
- 235000019625 fat content Nutrition 0.000 description 37
- 238000004364 calculation method Methods 0.000 description 11
- 239000000047 product Substances 0.000 description 10
- 230000008901 benefit Effects 0.000 description 7
- 230000005855 radiation Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000008267 milk Substances 0.000 description 3
- 235000013336 milk Nutrition 0.000 description 3
- 210000004080 milk Anatomy 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 2
- 238000011497 Univariate linear regression Methods 0.000 description 2
- 238000002441 X-ray diffraction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241000272525 Anas platyrhynchos Species 0.000 description 1
- 241000272814 Anser sp. Species 0.000 description 1
- 241000225517 Bario Species 0.000 description 1
- 241000282836 Camelus dromedarius Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910052688 Gadolinium Inorganic materials 0.000 description 1
- 235000019687 Lamb Nutrition 0.000 description 1
- 241000428199 Mustelinae Species 0.000 description 1
- 241000283973 Oryctolagus cuniculus Species 0.000 description 1
- 239000004743 Polypropylene Substances 0.000 description 1
- 241000272534 Struthio camelus Species 0.000 description 1
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 description 1
- 235000015278 beef Nutrition 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000004202 carbamide Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000009547 dual-energy X-ray absorptiometry Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- UIWYJDYFSGRHKR-UHFFFAOYSA-N gadolinium atom Chemical compound [Gd] UIWYJDYFSGRHKR-UHFFFAOYSA-N 0.000 description 1
- DQZARQCHJNPXQP-UHFFFAOYSA-N gadolinium;sulfur monoxide Chemical compound [Gd].S=O DQZARQCHJNPXQP-UHFFFAOYSA-N 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 235000013622 meat product Nutrition 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- -1 polypropylene Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 229920002635 polyurethane Polymers 0.000 description 1
- 239000004814 polyurethane Substances 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 235000013580 sausages Nutrition 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/12—Meat; Fish
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/06—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption
- G01N23/083—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption the radiation being X-rays
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Medicinal Chemistry (AREA)
- Toxicology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Un método para determinar las propiedades de un medio de comida o alimento, tal como el contenido de grasa de carne, mediante el uso de absorciometría por rayos X, siendo el medio un material crudo de comida o alimento, un producto o un producto intermedio de comida o alimento, o bien un lote, muestra o sección del mismo, comprendiendo el método: - explorar sustancialmente todo el medio con haces de rayos X que tengan al menos dos niveles de energía, incluidos un bajo nivel y un alto nivel, - detectar los haces de rayos X que hayan pasado a través del medio para una pluralidad de áreas (pixels) del medio, - calcular para cada área un valor, Abaja, que representa la absorbencia en el área del medio para el nivel de baja energía, - calcular para cada área un valor, Aalta, que representa la absorbencia en el área del medio para el nivel de alta energía, caracterizado por generar para cada área una pluralidad de valores que sean productos del tipo Abajan * Aaltan, en donde n y m son números enteros positivos y/o negativos, o cero, y predecir las propiedades del medio en esa área, aplicando para ello un modelo de calibración a la pluralidad de valores, en donde el modelo de calibración define las relaciones entre la pluralidad de valores y las propiedades del medio.
Description
Método y aparato para la determinación de
propiedades de comida o de alimentos.
El presente invento se refiere al análisis por
rayos X, y más concretamente a la determinación de propiedades de
comida o alimentos, tales como la del contenido de grasa de la
carne.
El análisis por rayos X para determinar el
contenido de grasa de la carne es conocido desde hace varios años.
Ejemplos del mismo se han descrito en numerosos documentos. En el
documento US 4.168.431 (de Henriksen) se describe un análisis por
rayos X de nivel múltiple para determinar el porcentaje de grasa. El
aparato incluye al menos tres haces de rayos X con diferentes
niveles de energía. En el documento DK PS 172 377 B1 se describen
medios de detección por rayos X, así como un sistema para la
determinación de propiedades de un artículo mediante el uso de
rayos X. El sistema opera en un solo nivel de energía y aplica dos
medios de detección separados por un material de atenuación de los
rayos X.
En el documento WO 92/05703 se describen un
método y un dispositivo para cortar productos alimenticios. Para
determinar la posición de los cortes adecuados se usa como guía la
exploración por rayos X, que revela la distribución de los tipos de
tejidos en el producto. En el documento US 5.585.603 se describen un
método y un sistema para pesar objetos usando rayos X. Del
documento US 4.171.164 (de Groves y otros) es conocido un análisis
continuo por rayos X de un sistema de mezcla de carnes. Se
determinan los porcentajes de grasa en dos corrientes de carne
haciendo pasar para ello a través de las corrientes un haz de rayos
X policromático, midiendo tanto los haces incidentes como los
atenuados. En el documento US 4.504.963 se describen un aparato, un
sistema y un método para determinar el porcentaje de grasa en una
muestra de carne mediante el uso de técnicas de irradiación con
rayos X. Se obtiene una calibración automática mediante el uso de
tres rayos incidentes, todos del mismo nivel de energía, La
validación de la composición del cuerpo humano por absorciometría de
rayos X dos energías se ha descrito en Clinical Physiology (1991)
11, 331-341. (J. Haarbo, A.Gotfredsen, C. Hassager
y C. Christiansen). Otros estudios sobre cuerpos se han comunicado
en Am. J. Clinical Nutrition 1993; 57:605-608 (Ole
Lander Svendsen, Jens Haarbo, Christian Hasager, y Claus
Christiansen).
Recientemente se han comunicado trabajos sobre
análisis de la carne en Meat Science, Vol. 47, Nº 1/2,
115-124, 1997 (A. D. Mitchell, M.B. Solomon, &
T.S. Rumsey). Un estudio a fondo sobre canales de cerdo, mediante
el empleo de la absorciometría de rayos X de dos energías ha sido
comunicado por P Elowsson y otros (1998) J. Nutr. 128
1543-1549 con el título de "An Evaluation of Dual
Energy X-Ray Absorptiometry and Underwater Weighing
to Estimate Body Composition by means of carcass Analysis in
Piglets" ("Una Evaluación por Absorciometría por rayos X de
Dos Energías y Pesado Debajo de Agua para estimar la Composición del
Cuerpo por medio de Análisis de canales en Lechones" (pág. 1543
col. izq. y dcha; p. 1544, col. izq; pág. 1547, col. izq.). Se
ha comunicado otro análisis sobre canales de cerdo por Mitchell y
otros, en J. Anim. Sci. (1996), Vol. 76, pág.
2104-2113. Sin embargo, en la página 2113 de este
análisis se llega concretamente a la conclusión de que el análisis
por rayos X es demasiado lento para que sea compatible con un
procesado en la línea. Ninguno de los antes mencionados ejemplos de
la técnica anterior ha conducido, hasta el presente, a un aparato
eficaz, que satisfaga las necesidades de un matadero. En general, la
técnica anterior presenta dificultades a la hora de medir capas de
grosor variable, específicamente capas delgadas adyacentes a capas
gruesas. Además, con la técnica anterior no se pueden medir ni
obtener resultados con la rapidez que se requiere para que sean
útiles para el procesado en la línea. El aparato actualmente
empleado en la mayor parte de los mataderos es un Analizador
Continuo de Grasa (de la firma Wolfking A/S Dinamarca), y el
Infratec 1265 (de la firma Foss Tecator AB, Suecia), usando
tecnología NIR. También se ha empleado el Anyl-Ray
(de la firma The Kartdrig Pak Co., Iowa, EE.UU.) haciendo uso de
rayos X de una sola energía sobre una muestra de peso o volumen bien
definido.
Un objeto del presente invento es el de
proporcionar un método y un aparato con los que se pueda efectuar
una determinación más rápida y más precisa que las hasta ahora
conocidas del contenido de grasa en una comida o en un producto
alimenticio, tal como un lote de recortes de carne, que permita la
creación de productos específicos (tales como salchichas o carne
picada) que tengan un contenido deseado de grasa, con mucha mayor
precisión que la que actualmente es posible.
En el presente invento se emplea también el
análisis regresivo y la calibración multivariante. Tales análisis
con conocidos, por ejemplo, del documento WO 95/16201 del propio
solicitante, en el que se describe la Determinación de agua extraña
en muestras de leche, usando análisis regresivo y calibración
multivariante. Además, en el documento WO 98/43070, del solicitante,
se describe la Medición de acetona en la leche, usando
espectrometría de infrarrojos (IR) y calibración multivariante. En
el documento US 5.459.677 se describe una transferencia de
calibración para instrumentos analíticos. En el documento WO
93/06460, del solicitante, se describe un sistema de medición de la
atenuación de IR, que incluye el procesado de datos sobre la base de
técnicas de calibración multivariante, y en el documento US
5.252.829, del solicitante, se describe una determinación de la urea
en leche, con una mayor precisión, usando parte al menos de un
espectro de infrarrojos.
El presente invento se refiere a un método para
determinar las propiedades de un medio de comida o producto
alimenticio, tal como el contenido de grasa de la carne, mediante
el empleo de absorciometría por rayos X de dos energías, siendo el
medio un material crudo de comida o de un alimento, un producto p un
producto intermedio de comida o de un alimento, o bien un lote, una
muestra o una sección del mismo, comprendiendo el método -explorar
sustancialmente la totalidad del medio por haces de rayos X que
tengan al menos dos niveles de energía, incluido un bajo nivel y un
alto nivel, -detectar los haces de rayos X que hayan pasado a
través del medio, para una pluralidad de áreas (pixels) del medio,
-calcular para cada área un valor, A_{baja}, que representa la
absorbencia en el área del medio para el bajo nivel de energía,
-calcular para cada área un valor A_{alta} que representa la
absorbencia en el área del medio para el alto nivel de energía,
caracterizado porque para cada área se genera una pluralidad
de valores que son productos del tipo A_{baja}^{n} *
A_{alta}^{m}, en donde n y m son números enteros positivos y/o
negativos, o cero, y se predicen las propiedades del medio en esa
área, aplicando para ello un modelo de calibración a la pluralidad
de valores, en que el modelo de calibración define las relaciones
entre la pluralidad de valores y las propiedades del medio.
La ventaja sobre la técnica anterior es que se
efectúa una determinación más precisa de las propiedades, tal como
la del contenido en grasa del medio. Se mejora específicamente la
precisión con respecto a las de la técnica anterior cuando se miden
capas de grosor variable. Otra ventaja se debería al hecho de que
usando el método de acuerdo con el invento se mide casi la totalidad
del producto, en vez de una muestra. En general, cuando se usa
muestreo en un medio heterogéneo, la extracción de una muestra
introducirá un error, debido a que la muestra puede no ser
representativa.
representativa.
Preferiblemente, la pluralidad de valores incluye
valores A_{baja}^{n1}/A_{alta}^{m1}, en donde n1 y m1 son
números enteros positivos. Además de estos, se prefiere que la
pluralidad de valores incluya los valores A_{baja}, A_{alta},
A_{baja}^{2}, A_{alta}^{2}, y A_{baja}/A_{alta}, y/o al
menos uno de los valores A_{baja} * A_{alta}; A_{baja}^{2} *
A_{alta}; A_{baja} * A_{alta}^{2} y/o al menos uno de los
valores A_{baja} * A_{alta}; A_{baja}^{2} * A_{alta};
A_{baja} * A_{alta}^{2}; A_{baja} * A_{alta}^{4} y
A_{baja}^{2} * A_{alta}^{2} y/o al menos uno de los valores
A_{baja}^{2}/A_{alta}; A_{baja}/A_{alta}^{2} y
A_{baja}^{2}/A_{alta}^{2};
A_{baja}^{3}/A_{alta}^{2};
A_{baja}^{4}/A_{alta}^{2}; 1/A_{alta}^{4};
A_{baja}^{4}/A_{alta}^{3}; A_{baja}^{3}/A_{alta}^{4}
y A_{baja}^{4}/A_{alta}^{4}. Mediante experimentos
prácticos se ha comprobado que tales valores contribuyen
considerablemente a mejorar la precisión.
Preferiblemente, se obtiene el modelo de
calibración mediante el uso de un método de regresión que se
incluye en el grupo que comprende los de Regresión de Componente
Principal (ECR), Regresión Lineal Múltiple (MLR), Regresión de
Mínimos Cuadrados Parcial (PLS), y Redes Neurales Artificiales
(ANN).
El presente invento se refiere además a un
aparato para la determinación de propiedades de un medio, tal como
la del contenido de un componente del medio, comprendiendo el medio
un material crudo de comida o alimento, un producto p un producto
intermedio de comida o alimento, o bien un lote, una muestra o una
sección del mismo, comprendiendo el aparato medios (12, 14) para
emitir al menos dos haces de rayos X (16, 19( en dos niveles de
energía diferentes, medios para dirigir los al menos dos haces de
rayos X hacia y a través del medio, medios de detección de rayos X
(22, 24) que cubren una pluralidad de áreas para detectar los dos
haces (16, 18) después de pasar a través del medio, medios (27, 28,
34, 35) para transferir y convertir las señales de salida de los
medios de detección (22, 24) en conjuntos de datos digitales para
entrada a medios de procesado de datos (38) para recibir, almacenar
y procesar los al menos dos conjuntos de datos que representan
imágenes de rayos X a los al menos dos niveles de energía
diferentes, comprendiendo además el aparato medios para sincronizar
los al menos dos conjuntos de datos e incluyendo los medios para el
procesado de los datos medios para calcular los valores que
representan las absorbencias (A_{baja}, A_{alta}) en cada área
del medio a los al menos dos niveles de energía, caracterizado
porque los medios para el procesado de datos comprenden medios
para generar una pluralidad de valores que son productos del tipo
A_{baja}^{n} * A_{alta}^{m}, en donde n y m son números
enteros positivos y/o negativos o cero, y medios para predecir las
propiedades del medio en esta área, aplicando para ello un modelo
de calibración a la pluralidad de valores, en donde el modelo de
calibración define las relaciones entre la pluralidad de valores y
las propiedades del medio.
La ventaja sobre la técnica anterior es la de que
se llega a una determinación más rápida y más precisa, la cual es
tan rápida que puede ser aplicada continuamente en un proceso en la
línea en un matadero.
Preferiblemente, y de acuerdo con la
reivindicación 8, el medio está dispuesto sobre un transportador
que se mueve a una velocidad sustancialmente constante, y los al
menos dos haces de rayos X son de forma de abanico, y el haz de bajo
nivel es detectado por una primera disposición de antenas colineal,
que está dedicada a la detección del haz de baja energía, y el haz
de alto nivel es detectado por una segunda disposición de antenas
colineal que está dedicada a la detección del haz de alta energía,
comprendiendo cada uno una pluralidad de pixels.
Preferiblemente, y de acuerdo con la
reivindicación 10, el aparato puede estar caracterizado por
comprender al menos una fuente de rayos X de baja energía (12)
dispuesta encima del medio (20) para proporcionar un haz de baja
energía de forma de abanico (16) que cubre sustancialmente la
anchura del medio, y al menos una fuente de rayos X de alta energía
(14) dispuesta encima del medio (20) para proporcionar un haz baja
energía de forma de abanico (16) que cubre la anchura del medio
(20) y unos primeros medios de detección de rayos X (22) dispuestos
para estar expuestos al haz de baja energía de forma de abanico (16)
y debajo del medio (20) unos segundos medios de detección de rayos
X (24) dispuestos para ser expuestos al haz de alta energía de
forma de abanico (18) y debajo del medio (20), y medios
electrónicos (34, 38, 42) que incluyen los medios de procesado de
datos (38) y que comunican con los detectores (22, 24) y dispuestos
para almacenar y procesar los datos que representan las señales
procedentes de los medios de detección (22, 24), y que comprenden
además medios (10) para mover el medio (20) con relación a los haces
de rayos X (16, 18), o viceversa.
Preferiblemente, y de acuerdo con la
reivindicación 11, el aparato puede estar caracterizado porque los
medios para el procesado de datos incluyen y/o comunican con medios
que incluyen medios de almacenamiento de datos que comprenden un
modelo de calibración preparado mediante el uso de métodos de
calibración multivariante, tales como los de análisis regresivo de
Redes Neurales Artificiales (ANN), o PCR, o MLR, o PLS.
Preferiblemente, y de acuerdo con la
reivindicación 12, el aparato puede estar caracterizado por
comprender al menos dos fuentes (12, 14) que emiten rayos X de dos
niveles de energía diferentes.
De acuerdo con la reivindicación 13, el aparato
puede estar caracterizado porque los dos niveles de energía
comprenden un nivel de baja energía en un margen comprendido entre
35 y 75 keV, preferiblemente entre 45 y 70 keV, y lo más preferido
de aproximadamente 62 keV, y un nivel de alta energía en un margen
comprendido entre aproximadamente 60 y 140 keV, preferiblemente
entre 80 y 130 keV, y lo más preferido de aproximadamente 120
keV.
De acuerdo con la reivindicación 14, el aparato
puede estar caracterizado por comprender medios de filtro situados
en cada uno de los haces (16, 18).
De acuerdo con la reivindicación 15, el aparato
puede estar caracterizado por comprender una fuente de rayos X y dos
medios de filtro que dividen el haz en dos haces de rayos X de dos
niveles de energía diferentes.
De acuerdo con la reivindicación 16, el aparato
puede estar caracterizado porque los medios (12, 14) para emitir al
menos dos haces de rayos X, los medios para dirigir los al menos
dos haces de rayos X, y los medios de detección de rayos X (22, 24)
están fijados mutuamente.
De acuerdo con la reivindicación 17, el aparato
puede estar caracterizado por comprender medios 812, 14) para emitir
haces de forma de abanico separados espacialmente (16, 18).
De acuerdo con la reivindicación 18, el aparato
puede estar caracterizado porque los medios de detección (22, 24)
están cubiertos por una capa de escintilación, por ejemplo de
telururo de cadmio, de ioduro de mercurio, y/o de oxisulfuro de
gadolinio.
De acuerdo con la reivindicación 19, el aparato
puede estar caracterizado por comprender medios de transportador
(10) dispuestos para llevar medios de recipiente (20) tales como
una bandeja o una caja abierta, adaptados para acomodar un número
aleatorio de trozos de carne de barios tamaños para ser analizados,
estando dispuestos los medios de transportador para que los medios
de recipiente (20) dejen pasar los al menos dos haces de rayos X de
forma de abanico (16, 18).
De acuerdo con la reivindicación 20, el aparato
puede estar caracterizado por comprender medios de transportador
(10) en los que la cinta transportadora está hecha de un material
que presenta una baja absorción de rayos X, y/o está dividida en
dos partes separadas, espaciadas, estando dispuestos los medios de
detector (22, 24) en un espacio abierto entre las dos partes.
De acuerdo con la reivindicación 21, el aparato
puede estar caracterizado por comprender medios de transportador
(10) adaptados para acomodar un flujo continuo de trozos de carne
de diversos tamaños para ser analizados, estando dispuestos los
medios de transportador para que los trozos de carne dejen pasar
los al menos dos haces de rayos X de forma de abanico (16, 18).
De acuerdo con la reivindicación 22, un aparato
de acuerdo con cualquiera de las reivindicaciones
9-21 puede estar caracterizado por estar dispuesto
para ejecutar los siguientes pasos: explorar al menos una sección
de un medio por haces de rayos X que tengan al menos dos niveles de
energía, almacenar los datos que representen al menos dos imágenes
de rayos X del medio, calcular el contenido de grasa y/o la
densidad superficial para todos los puntos (pixels) obtenidos de la
exploración mediante el uso de modelos de calibración multivariante
generados en un paso de calibración ejecutado anteriormente,
multiplicar el contenido de grasa por la densidad superficial en
cada punto, con objeto de generar un "mapa de grasa" (en
g/cm^{2}) de la muestra, sumar todos los puntos del "mapa de
grasa" para obtener el peso total de grasa (F_{total}) de la
muestra, sumar todas las densidades superficiales para la muestra,
para obtener el peso total (W_{total}) de la muestra, calcular el
contenido de grasa medio de la muestra como la relación
F_{total}/W_{total}.
De acuerdo con la reivindicación 23, el presente
invento se refiere además a un método para calibrar un aparato de
acuerdo con cualquiera de las reivindicaciones
9-22, caracterizado por comprender la
preparación de una pluralidad de muestras de calibración
consistentes en comida o productos alimenticios especificados,
tales como carne de cerdo picada, de varias alturas y propiedades
bien definidas, medir la pluralidad de muestras de calibración en
el aparato, obteniendo con ello datos que representan dos respuestas
de rayos X de cada muestra, comprendiendo cada respuesta una
pluralidad de pixels, y en que los datos de cada pixel, o la media
de un número de pixels vecinos, se procesan usando las fórmulas:
A_{baja} =
-log_{10}\left[\frac{I_{muestra} (baja)-I_{oscuro}
(baja)}{I_{aire}
(baja)-I_{oscuro}(baja)}\right]
A_{alta} =
-log_{10}\left[\frac{I_{muestra} (alta)-I_{oscuro}
(alta)}{I_{aire}
(alta)-I_{oscuro}(alta)}\right]
o expresiones similares para el cálculo de los
valores que representan la absorbencia en un área del medio encima
de un pixel o de un número de pixels
vecinos,
generar una pluralidad de valores del tipo
A_{baja}^{n} * A_{alta}^{m}, en donde n y m son números
enteros positivos y/o negativos y/o cero,
correlacionar -mediante el uso de métodos de
calibración multivariante, tales como los regresivos de Redes
Neurales Artificiales (ANN), o PCR, o MLR, o PLS- los conjuntos de
datos para todas/o una pluralidad de muestras de calibración con
las propiedades determinadas por otros medios, tales como un método
de referencia, -a fin de determinar un número de coeficientes de
calibración proporcionando un modelo de calibración que comprenda
el número de coeficientes de calibración determinados.
Preferiblemente, y de acuerdo con la
reivindicación 24, se preparan todas las muestras de calibración de
tal manera que sean homogéneas y de densidades superficiales fijas,
y además promediando cada uno de los valores sobre todos los
pixels, al menos en una parte definida de las imágenes.
El invento se refiere además a un método para
predecir el contenido de grasa de la carne, que comprende el uso de
un modelo de calibración obtenido por un método de acuerdo con la
reivindicación 23 ó 24. El invento se refiere también a un aparato
de acuerdo con cualquiera de las reivindicaciones
9-22, que comprende un modelo de calibración
determinado por un método de acuerdo con la reivindicación 23 ó
24.
Mediante el uso del presente invento es posible
determinar -con mayor precisión y con más rapidez que las hasta
ahora conocidas- el contenido de grasa de un número aleatorio de
trozos de carne (tales como recortes o cortes) de diversos tamaños,
en un recipiente (o medios similares para encerrar o llevar una
carga de carne), o bien directamente sobre una cinta
transportadora. la medición se puede efectuar dentro de un tiempo
bastante corto, tal como de unos pocos segundos, por ejemplo de 4,5
ó 9 segundos por recipiente, teniendo cada recipiente un volumen
de, por ejemplo, aproximadamente 0,1 m^{3}. Preferiblemente, en
cada recipiente se dispone un volumen menor, por ejemplo de
aproximadamente 25 kg de carne. En consecuencia, se pueden aplicar
el método y el aparato para un control en la línea de la producción
de diversos productos cárnicos, tales como de carne picada, y más
concretamente cuando se produzca la carne picada partiendo de
recortes de carne de diversos tamaños.
En la medida del conocimiento del solicitante,
jamás han sido aplicadas las técnicas de calibración multivariante
al análisis por rayos X de la carne, ni tampoco al análisis por
rayos X en general. El uso de las técnicas multivariante resuelve
un problema específico que se presenta cuando se usan las técnicas
de acuerdo con la técnica anterior. El aparato conocido resulta
sumamente impreciso cuando se mide en una combinación de capas
delgadas y gruesas. Cuando se miden trozos de carne de diversos
tamaños, el grosor de las capas a través de las cuales hayan de
pasar los rayos X variará considerablemente de cero o casi cero
hasta un máximo especificado. El uso de una pluralidad de valores
permite efectuar tales mediciones con una mayor precisión que la
conocida hasta el presente.
En la Figura 1 se presenta como un ejemplo un
sistema de acuerdo con el invento.
En la Figura 2 se presenta una realización
preferida de un aparato de rayos X de acuerdo con el invento.
En la Figura 3 se presenta una simulación de un
sistema que comprende una fuente y una combinación de dos
filtros.
En la Figura 4 se presentan predicciones de grasa
obtenidas por rayos X, validadas en forma cruzada en función de
contenidos de grasa de referencia de 32 muestras de calibración
cuando se efectúa una regresión univariante simple de
A_{baja}/A_{alta} frente al contenido de grasa de referencia de
las muestras.
En la Figura 5 se presentan predicciones de grasa
obtenidas por rayos X, validadas en forma cruzada en función de
contenidos de grasa de referencia de 32 muestras de calibración,
cuando se efectúa la una calibración PLS con factores de 5 PLS
(basados en 11 variables), frente al contenido de grasa de
referencia de las muestras.
En la Figura 6 se presentan las densidades
superficiales obtenidas por rayos X validadas en forma cruzada, en
función de las densidades superficiales de referencia de 32
muestras de calibración cuando se efectúa una regresión univariante
simple de A_{alta} frente a las densidades superficiales de
referencia de las muestras.
En la Figura 7 se presentan las densidades
superficiales obtenidas por rayos X, validadas en forma cruzada, en
función de las densidades superficiales de referencia de 32
muestras de calibración cuando se efectúa una calibración PLS con 1
factor PLS (basado en 2 variables) frente a las densidades
superficiales de referencia de las muestras.
En la Figura 8 se presenta la grasa F predicha
por rayos X en 99 puntos de una muestra de carne.
En la Figura 9 se presenta la densidad
Superficial predicha por rayos X en 99 puntos de una muestra de
carne.
En la Figura 10 se presenta la Grasa (en
g/cm^{2}) predicha por multiplicación del contenido de grasa
(Figura 8) por la densidad superficial (Figura 9) en 99 puntos de
una muestra de sangre.
En la Figura 11 se presenta un organigrama que
ilustra el proceso de la medición.
En la Figura 12 se presenta una muestra de carne
típica en un recipiente de plástico.
En la Figura 13 se presenta una imagen de
transmisión por rayos X de baja energía típica de una muestra de
carne como la ilustrada en la Figura 12.
En la Figura 14 se presenta una imagen de
transmisión por rayos X de alta energía típica de la misma muestra
de carne.
La Figura 15 es una imagen que ilustra una
densidad superficial calculada para cada pixel individual.
La Figura 16 es una imagen que ilustra un
contenido de grasa calculado para cada pixel individual.
La Figura 17 es una imagen que ilustra un "mapa
de grasa" calculado para una muestra de carne del 36% de
grasa.
En la Figura 18 se presenta un gráfico de la
referencia en función de la predicción para 50 exploraciones.
En la descripción que sigue se describe como un
ejemplo una realización preferida del invento, en la que se usan
dos fuentes de rayos X. El aparato se ha diseñado para ser
instalado en relación con una línea de producción en un matadero.
En la Figura 1 se presenta un diagrama esquemático de una
realización de un sistema de medición de acuerdo con el invento. En
la Figura 2 se ha ilustrado el principio del aparato de rayos X
actualmente preferido. En la Figura 2 se ha ilustrado solamente las
partes operantes activas del equipo de rayos X. Para que resulte
más claro, se han suprimido en el dibujo todos los apantallados o
rejillas protectoras y todas las envueltas. El equipo comprende, o
está situado en especial relación con, un transportador 10. Encima
del transportador 10 hay dispuestas dos fuentes 12, 14 de rayos X.
Desde las dos fuentes 12, 14 se dirigen haces 16, 18 de rayos X
hacia los detectores 22, 24 dispuestos debajo del transportador. El
transportador puede estar dividido en dos transportadores
separados, espaciados para permitir el libre paso de los rayos X y
para dejar un espacio abierto para la colocación de detectores 22,
24. Alternativamente, la cinta transportadora deberá estar hecha de
un material que presente una baja absorbencia de los rayos X, por
ejemplo, de poliuretano o de polipropileno. La comida o alimento a
ser medido se dispone en un recipiente abierto, o caja, 20,
compuesto también preferiblemente de un material que presente una
baja absorbencia de los rayos X. Evidentemente, en una disposición
alternativa podrían situarse las fuentes debajo del transportador, y
los detectores encima del transportador.
La velocidad de funcionamiento del transportador
es, preferiblemente, sustancialmente constante. Los elementos, el
motor 30, la caja de control 33, y los cables 32, 39 representados
en líneas de trazos en la Figura 1, indican que se puede controlar
opcionalmente el funcionamiento del transportador con los medios de
ordenador 38. El transportador puede incluir medios de medición de
la posición, por ejemplo, un codificador instalado en un eje de
accionamiento del transportador. Medios alternativos pueden ser los
de detección por láser o por radar, o bien marcas en la cinta
transportadora. Es esencial para el presente método que los datos
que representan las dos imágenes de rayos X puedan ser
sincronizados. Tal sincronización puede sin embargo obtenerse de
muchas formas, incluido el procesado matemático posterior de las
imágenes.
El equipo usado en el presente ejemplo consiste
en dos fuentes de rayos X de potencial constante 12, 14, una de baja
energía (por ejemplo, de 62 kV/5 mA) y otra de alta energía (por
ejemplo de 120 kV/3 mA), ambas con un filtrado apropiado (por
ejemplo, usando 0,25 y 1,75 mm de cobre, respectivamente) que
estrecha el margen espectral de la radiación emitida desde las
fuentes policromáticas. Las dos fuentes están separadas
espacialmente para evitar la interferencia entre ellas, es decir,
para evitar que la radiación de una fuente sea detectada como
originada por la otra. La radiación desde una u otra de las fuentes
se colima mediante un colimador de plomo. De este modo se dirigen
dos haces de rayos X de forma de abanico 16, 18 a través del
recipiente 20, que comprende una muestra o un lote de la comida o
producto alimenticio, hacia los detectores 22, 24, por ejemplo los
Hammamatsu C 7390. Alternativamente, se pueden disponer los trozos
de carne de modo suelto sobre una banda transportada.
Además, las dos fuentes separadas pueden ser
sustituidas por una combinación de una fuente y dos filtros que
emitan un haz de baja energía y un haz de alta energía. Los
espectros resultantes de las fuentes se han representado en la
Figura 3. No obstante, en la realización preferida se aplican dos
fuentes separadas 12, 14 excitadas por suministros de energía
eléctrica separados 13, 37.
Ambas fuentes de rayos X 12, 14 están asociadas
con una disposición ordenada de detectores 22, 24 cubiertos por una
capa de escintilación que convierte la radiación transmitida en luz
visible, que puede ser medida por los detectores 22, 24. La capa de
escintilación puede consistir en, por ejemplo, Telururo de cadmio,
ioduro de mercurio, y/o oxisulfuro de gadolinio. Los pixels usados
en la realización actualmente preferida tienen unas dimensiones de
2,6 x 1,3 mm^{2} y están dispuestos como una disposición ordenada
de 384 pixels, con un paso de 1,6 mm. Estas dimensiones se dan
únicamente como ejemplo. Se pueden aplicar otras dimensiones. Los
pixels convierten la cantidad de luz transmitida en señales
analógicas que son hechas pasar a través de cables 27, 28 a un
convertidor 34 de analógico a digital, el cual está conectado, a
través del cable 35, a unos medios de cálculo por ordenador 38
capaces de efectuar los sucesivos cálculos. Puede haber un monitor
42 conectado, a través del cable 40, a los medios de cálculo por
ordenador, para presentar los resultados o los detalles de la
operación. Los medios de cálculo por ordenador 38 pueden incluir
medios para controlar el suministro de energía eléctrica a través de
los medios 36, 37, 26 y 25, 13, 15 a las fuentes de rayos X 12, 14.
El monitor 42 y los medios de cálculo por ordenador 38 pueden
comprender un Ordenador Personal, que preferiblemente incluya al
menos un procesador Pentium y/o una serie de procesadores de
señales digitales.
Un recipiente 20, que comprende por ejemplo
recortes de carne procedentes de una sección de corte del matadero,
está recibido en el transportador 10. Se mueve el recipiente con
una velocidad bastante constante de, por ejemplo, aproximadamente
5-100 cm por segundo, tal como de
10-50 cm, por ejemplo, de 30 cm por segundo, más
allá de los haces de forma de abanico 16, 18 y de las disposiciones
ordenadas de detectores 22, 24, de una manera controlada, a fin de
generar dos imágenes de la muestra o lote, una para unos rayos X de
baja energía y otra para unos de alta energía. Todos los datos que
representan a las dos imágenes se almacenan en el ordenador 38.
En la Figura 11 se ha representado un organigrama
que ilustra la medición y el tratamiento de los datos. Como se ha
dicho en lo que antecede, se obtienen dos imágenes de rayos X de
cada recipiente, que comprende un lote de comida o alimento, por
ejemplo, de carne. Las señales en los pixels son I_{baja} e
I_{alta} para rayos X de baja y de alta energía, respectivamente,
(110, 112 en la Figura 11). Además, las denominadas "señales
oscuras" (es decir, la señal procedente de los detectores cuando
no alcanza a éstos radiación alguna), I_{oscura}(baja) e
I_{oscura}(alta), y las "señales de aire" (es decir,
las señales procedentes de los detectores cuando no hay presente
muestra alguna en la región de muestreo) I_{aire}(baja) e
I_{aire}(alta) son recogidas para cada pixel para los rayos
X de ambas energías (102 en la Figura 11). Preferiblemente, estos
datos son recogidos de modo repetitivo en los intervalos entre el
paso/traspaso de recipientes de carne, es decir, que las señales
oscuras y las señales de aire se miden de modo repetitivo, por
ejemplo, a intervalos regulares durante un día, para ajuste por
cualquier desvío de las actuaciones de los instrumentos.
Ahora, con referencia a 114 en la Figura 11, se
transforman estas señales enunidades de absorbencia, usando para
ello las siguientes fórmulas:
A_{baja} =
-log_{10}\left[\frac{I_{muestra} (baja)-I_{oscuro}
(baja)}{I_{aire}
(baja)-I_{oscuro}(baja)}\right]
A_{alta} =
-log_{10}\left[\frac{I_{muestra} (alta)-I_{oscuro}
(alta)}{I_{aire}
(alta)-I_{oscuro}(alta)}\right]
A partir de esos dos valores, se pueden generar
una pluralidad de valores, por ejemplo: A_{baja}; A_{alta};
A_{baja}^{2}; A_{alta}^{2}; A_{baja}^{2}A_{alta};
A_{baja}^{2}xA_{alta}; A_{baja}xA_{alta}^{2};
A_{baja}/A_{alta}; A_{baja}^{2}/A_{alta};
A_{baja}/A_{alta}^{2}; (A_{baja}/A_{alta})^{2},
.....
o bien, de una manera más general:
A_{baja}^{n} * A_{alta}^{m} .
en donde n y m son números enteros positivos y/o
negativos, y/o ceros.
Estos valores se usan como entradas para la
rutina de calibración, que establece una relación entre los datos
recogidos y el componente (por ejemplo, el contenido de grasa), o
la propiedad (por ejemplo, la densidad superficial) de interés.
Es esencial que un valor A_{baja} para un pixel
específico que mida la transmitancia de baja energía a través de un
área específica del medio esté emparejado con el valor A_{alta}
para el pixel que mida la transmisión de alta energía a través de
exactamente la misma área del medio. Esto puede conseguirse
asegurando la sincronización de las imágenes, como se menciona en lo
que sigue.
Si las imágenes de baja y de alta energía no
están perfectamente alineadas, es decir, si una región específica
de la muestra no se presenta exactamente en las mismas condiciones
en las dos imágenes, pueden resultar grandes errores. Este problema
puede plantearse, por ejemplo, si los detectores de exploración de
las dos líneas (22, 24) no están sincronizados. Una posible
solución para este problema está en calcular la correlación entre
las dos imágenes, usando varios cambios entre ellas, y hallando con
ello el cambio para el cual la correlación sea la máxima, seguido
de la corrección de una de las imágenes mediante este cambio. Sin
embargo, se prefiere sincronizar la exploración de líneas, por
ejemplo usando para ello unos medios para medir la posición, o bien
mediante un estricto control de la velocidad del transportador.
El ejemplo que sigue explica cómo generar un
modelo de calibración.
Se preparó un conjunto de 32 muestras de
calibración consistentes en carne de cerdo picada. Éstas fueron
congeladas en bloques de diversas alturas (de 5, 10, 15 y 20 cm) de
unas dimensiones horizontales de 10x10 cm^{2}. Se determinó
después su contenido de grasa (porcentaje), que varió desde el 2,6
al 70,9%, mediante el uso de un método químico en húmedo. Las
alturas y los contenidos de grasa (porcentajes), juntamente con la
densidad de la carne, que depende de la grasa, se usaron para
calcular las densidades superficiales de las 32 muestras, que
variaron desde 4,8 a 21,0 g/cm^{2}.
Se midieron los bloques de carne congelada con el
equipo de rayos X antes mencionado, obteniéndose dos imágenes de
cada muestra. Los puntos de datos (pixels) de estas imágenes fueron
tratados de acuerdo con los pasos que se han descrito en lo que
antecede. Para evitar que el ruido aleatorio influya en los
resultados de la calibración, los 11 valores generados a partir de
los valores originales de la absorbencia fueron promediados para
todos los pixels de la imagen. Esto pudo hacerse solamente porque
las muestras eran homogéneas y de altura fija.
Este conjunto de datos consistente en 11
variables obtenidas para las 32 muestras fue correlacionado frente
al contenido de grasa (porcentaje) medido por un método de
referencia y las densidades superficiales usando el método de
regresión de Mínimos Cuadrados Parcial (PLS). Éste y otros métodos
de calibración multivariante similares son bien conocidos (Martens
and Naes: Multivariate Calibration, 2^{nd} ed. Wiley (1992)).
Se validaron las calibraciones usando la
validación cruzada completa, es decir, que se retiró cada vez una
muestra del conjunto de datos para validación, mientras se usaban
las 31 muestras restantes para calibración. Se repitió este
procedimiento para todas las muestras, y se generaron los resultados
de la validación combinando para ello los resultados de la
validación de las 32 muestras.
El modo tradicional de construcción de un modelo
de calibración por rayos X para grasa en carne, es correlacionando
la relación de A_{baja}/A_{alta} con los resultados de
referencia de grasa (Haardbo y otros, Clin. Phys. (1991). Vol. 11,
págs. 331-341, ó bien Mitchell y otros, J. Anim.
Sci. (1998). Vol 76, págs. 2104-2114). Este método,
sin embargo, es sensible al grosor (o a la densidad superficial) de
la muestra, y por lo tanto no es útil para el margen de alturas de
las muestras (de 5 a 20 cm) de interés en el presente contexto. Esto
resulta evidente a la vista de la Figura 4, en donde se han
representado gráficamente las predicciones de grasa hechas por
rayos X, usando solamente la relación A_{baja}/A_{alta} frente
a los resultados de la referencia de grasa. El error de predicción
(expresado como el Error Cuadrático de Predicción (RMSEP) es del
14,7% en este caso.
Usando el método de acuerdo con el invento, con,
por ejemplo, 11 ó más variables generadas a partir de las dos
absorbencias originales, en combinación con una regresión PLS con
factores de 5 PLS, se obtiene el gráfico que se presenta en la
Figura 5. En este caso, el error de predicción (RMSEP) es de tan
solo el 1,0%, quedando por tanto demostradas las ventajas de usar
el método PLS en combinación con las nuevas variables.
También se puede aplicar el método para la
determinación de la densidad superficial de la muestra. De acuerdo
con la técnica anterior, se determina la densidad superficial
correlacionando A_{alta} con la densidad superficial de
referencia. El resultado de tal modelo de calibración se ha
presentado en la Figura 6, donde el acuerdo entre la densidad
superficial determinada por rayos X y los resultados de referencia
es muy bueno. El error de predicción (RMSEP) es de 0,30 g/cm^{2}
en este caso. Cuando se usa el método de acuerdo con el invento, es
decir, usando ambas absorbencias medidas, A_{baja} y A_{alta},
en combinación con una regresión PLS con factor 1, se obtiene el
resultado que se presenta en la Figura 7, y un error de predicción
(RMSEP) de 0,28 g/cm^{2}. Ésta es tan solo una pequeña mejora,
pero el uso de dos variables en vez de una proporciona al usuario
otra ventaja: la posibilidad de detectar mediciones incorrectas
(por ejemplo, su una de las dos fuentes de rayos X presenta una
caída brusca de la intensidad, o bien si no responde un pixel). Esto
es debido a que las discrepancias de la relación entre A_{baja} y
A_{alta} pueden ser fácilmente detectadas por el modelo PLS. Tal
detección aislada no es posible si solamente se usa una
absorbencia. Esta posibilidad es muy relevante y ventajosa cuando
se use un detector de CCD (de Memoria de Dispositivo de Carga
Acoplada) en el que un solo pixel puede deteriorar bastante
bruscamente.
Los modelos de calibración desarrollados de este
modo pueden ser usados para futuras predicciones del contenido de
grasa y de la densidad superficial en un punto dado en una muestra
de carne heterogénea, así como para la determinación del contenido
de grasa medio de una muestra de carne grande.
En el ejemplo que sigue se demostrará el uso de
los modelos de calibración en la práctica, cuando las muestras son
heterogéneas y de grosor variable. La finalidad es predecir el
contenido medio de grasa de las muestras. Por lo tanto, el
procedimiento comporta los siguientes pasos, como se han ilustrado
en la Figura 11:
1. Medición normal de I_{oscura} e I_{aire};
102.
2. Disposición de un lote o corriente de carne (o
de otra comida o producto alimenticio) sobre un transportador que
pase a través del aparato de rayos X; 104.
3. Exploración del lote o de la corriente con
haces de rayos X en dos niveles de energía diferentes; 106,
108.
4. Detección de señales que representan una
pluralidad de intensidades de rayos X, usando los detectores 22, 24
de las Figuras 1, 2; 110, 112.
5. Registro de los datos que representan las
señales detectadas; 114.
6. Cálculo de A_{baja} y A_{alta} para todos
los pixels; 114 (opcionalmente se puede incluir un suavizamiento de
la imagen).
7. Coordinación (emparejamiento) de los valores
de A_{baja} y los valores de A_{alta}; 114, si fuese
necesario.
8. Cálculo de las expresiones derivadas
A_{baja}^{n} * A_{alta}^{m}; 114.
9. Cálculo del contenido de grasa (porcentaje) y
preferiblemente la densidad superficial para todos los puntos
(pixels) obtenidos de las exploraciones, usando un modelo de
calibración de la grasa generado como se ha descrito en lo que
antecede, 116.
10. Multiplicación del contenido de grasa
(porcentaje) por la densidad superficial en cada punto, con objeto
de generar un "mapa de grasa" (en g/cm^{2}) del lote o de la
corriente de comida o producto alimenticio; 116.
11. Suma de todos los puntos del "mapa de
grasa" para obtener el peso de grasa total (F_{total});
116.
12. Suma de todas las densidades superficiales
para la muestra, para obtener el peso total (W_{total}); 116.
13. Cálculo del contenido de grasa medio
(porcentaje) como la relación F_{total}/W_{total}; 116.
Opcionalmente, se pueden incluir dos pasos más
entre el paso 6 y el paso 7:
Si los trozos de carne están dispuestos en un
recipiente, deberán someterse los datos a una corrección por
absorción por el fondo del recipiente. Tal corrección se efectúa,
preferiblemente, al final del paso 6, obteniéndose nuevos valores
corregidos de A_{baja} y A_{alta} para todos los pixels.
Otra opción ventajosa es la de suavizar los
datos, por ejemplo en la dirección del movimiento. Otras
experiencias han demostrado que puede ser ventajoso incluir otro
procesado de datos en el paso 9. En una realización actualmente
preferida, los pixels que tengan una densidad superficial que esté
fuera de un intervalo especificado son retirados/suprimidos, o al
menos no se toman en consideración en el procesado de datos que
sigue. Es decir, que los pixels para los cuales la densidad
superficial calculada sea extremadamente baja, o demasiado alta, se
rechazan.
En el presente ejemplo se muestra el cálculo del
contenido de grasa (porcentaje) para una fila de 99 puntos
solamente. Se hace esto con objeto de hacer que los gráficos
presentados san más sencillos, y se generaliza fácilmente para que
sea efectuado en una imagen bidimensional de un producto de
carne.
Se midió una muestra de carne consistente en un
bloque cúbico (de dimensiones: 10x10x10 cm^{3}) de carne de cerdo
picada usando el mismo equipo de rayos X que se usó para medir las
muestras de calibración. Los dos primeros pasos del procedimiento
de predicción se han representado en la Figura 8 (contenido de
grasa predicho (porcentaje)), en la Figura 9 (densidad superficial
predicha, paso 9), y en la Figura 10 (el "mapa de grasa", paso
10). Hay claramente una variación tanto en el contenido de grasa
como en la densidad superficial en la totalidad de la muestra, por
lo que se necesitan los resultados de todo los puntos de muestra
con el fin de obtener una estimación precisa del contenido de grasa
medio de la muestra.
La suma de todos los puntos del "mapa de
grasa" (paso 11), F_{total}, es igual a 464 g/(99 pixels), y
el peso total de la muestra (paso 12), W_{total}, es de 963 g/(99
pixels). Esto, a su vez, da por resultado un contenido de grasa
medio predicho de 464/963 = 48,2% (paso 13), no muy distante del
verdadero contenido de grasa, el cual fue más tarde determinado
como del 49,2%, por un método de referencia.
Este ejemplo es una prolongación de los
resultados antes expresados. El presente ejemplo comporta la
predicción del contenido de grasa de muestras consistentes en
aproximadamente 25 kg de carne, en recipientes de plástico.
Se obtuvieron diez muestras de carne que variaron
del 11,5 al 84,5% de grasa, de una instalación de procesado de
carne. La cantidad de carne en cada recipiente variaba de 20 a 30
kg, variando la muestra homogéneamente de ser carne picada a ser
trozos de carne de 5 kg cada uno. En la Figura 12 se ha representado
una muestra típica consistente en recortes con el 36% de grasa,
dispuestos en un recipiente actualmente preferido (de dimensiones:
70x40x17 cm^{3}). Cada una de estas diez muestras fue explorada
por el instrumento cinco veces a lo largo de un período de dos
días. Antes de cada nueva exploración se reorganizó el contenido
del recipiente, es decir, que se movieron los trozos de carne sin
cambiar el contenido total del recipiente. Esto se hizo con objeto
de verificar la repetibilidad de la medición. Se reunió así un
total de 50 exploraciones por rayos X, cada una de ellas
consistente en una imagen de baja y una imagen de alta energía de
306x1836 puntos de datos. En las Figuras 13 y 14 se han
representado dos imágenes de transmisión típicas de una muestra.
Las 50 exploraciones fueron sometidas a los pasos
de predicción, de acuerdo con el invento, usando un modelo de
calibración basado en muestras de carne congelada. En las Figuras
16, 15, 17 se ha representado el contenido de grasa calculado y la
densidad superficial para cada pixel individual (paso 9), así como
el "mapa de grasa" (paso 10) para una muestra. Las predicciones
de grasa negativa son debidas a una relación relativamente baja de
señal a ruido en los pixels individuales. Esto, sin embargo, no
plantea problema alguno, dado que el promedio final de los
resultados reduce ese error en órdenes de magnitud. A partir de
estas imágenes, se calculó el contenido total de grasa de la
muestra. La desviación normal de la repetibilidad en conjunto,
s_{r} para las cinco exploraciones diferentes de la misma
muestra, fue del 0,25%.
Después de haberse llevado a cabo este
experimento, se homogeneizaron las muestras y se analizó un número
de submuestras por el método de referencia, en cuanto al contenido
de grasa de la carne, por el método de SBR (de
Schmid-Bondzybski-Ratlaff). Estos
resultados de referencia fueron comparados con las predicciones
obtenida en lo que antecede, dando por resultado una precisión
(Error Cuadrático de Predicción, RMSEP), del 0,81%. En la Figura 18
se ha representado el gráfico de la referencia en función de lo
predicho para las 50 exploraciones.
Para demostrar las ventajas del método, en
términos de su capacidad para mejorar significativamente la
precisión con la que se determina la grasa, se llevó a cabo otro
experimento. Se midieron 45 muestras de carne congelada con
contenidos de grasa que variaban del 2,4 al 7,28%, y densidades
superficiales que variaban de 1 a 21 g/cm^{2}, usando el equipo
de rayos X. Se usaron estas muestras para obtener seis modelos de
calibración diferentes, usando varias combinaciones de las 11
variables basadas en A_{baja} y A_{alta}, antes descritas. A
continuación, estos modelos de calibración fueron sometidos a ensayo
para el mismo conjunto de datos que el usado en el Ejemplo 2, es
decir, 10 muestras de carne de 20 a 30 kg, con contenidos de grasa
que variaban del 11,5 al 84,6% de grasa.
En la tabla que se presenta en lo que sigue se
han indicado las seis combinaciones de variables usadas para los
modelos de calibración, juntamente con las precisiones (RMSEP)
resultantes en el equipo de calibración (con validación cruzada) y
en el equipo de prueba. Se calculó además la repetibilidad
(s_{r}) en el equipo de prueba.
De los resultados presentados en la tabla se
sigue que la precisión obtenida cuando se usan solamente potencias
de A_{baja} y A_{alta} (modelo de calibración 1), así como
productos de las mismas (modelo de calibración 2) es inaceptable,
si se ha de usar el método para control del proceso dentro de
estrictos límites. Si se añade la relación A_{baja}/A_{alta},
combinada con potencias de A_{baja} y A_{alta} (modelo de
calibración 3), se obtiene una precisión aceptable. No obstante, si
se combinan las potencias de A_{baja} y A_{alta} con
A_{baja}/A_{alta} y las relaciones más complejas (modelo de
calibración 4), se obtienen como resultado predicciones todavía más
precisas. También está claro, a la vista de los modelos de
calibración 5 y 6, que A_{baja} y A_{alta} y las potencias de
las mismas son esenciales si se requieren los mejores resultados
posibles en cuanto a precisión.
En términos de la repetibilidad, está también
claro que la relación A_{baja}/A_{alta} tiene una importante
influencia en la diferencia entre las múltiples determinaciones de
la misma muestra.
El ejemplo que se acaba de presentar demuestra
las ventajas de usar relaciones de más alto orden para la
calibración de datos por rayos X frente a resultados de referencia
de grasa. En el presente ejemplo se usaron solamente órdenes de has
dos, pero relaciones de órdenes más altos pueden mejorar todavía más
el resultado. Por ejemplo, cuando se usan las relaciones:
(A_{baja}/A_{alta})^{3};
(A_{baja}/A_{alta})^{4}; A_{baja}^{3}/A_{alta};
A_{baja}^{4}/A_{alta}; A_{baja}^{3}/A_{alta}^{2};
A_{baja}^{4}/A_{alta}^{2};
A_{baja}^{4}/A_{alta}^{3}, se tiene una precisión (RMSEP) de
0,67 en el equipo de calibración.
Se puede aplicar el método a toda clase de
carnes, tales como de vaca, de cerdo, de búfalo, de camello y de
cordero, de caza, tal como de conejo, de aves, tales como de
gallina, de pavo, de pato, de ganso y de avestruz, y de pescado.
Claims (26)
1. Un método para determinar las propiedades de
un medio de comida o alimento, tal como el contenido de grasa de
carne, mediante el uso de absorciometría por rayos X, siendo el
medio un material crudo de comida o alimento, un producto o un
producto intermedio de comida o alimento, o bien un lote, muestra o
sección del mismo, comprendiendo el método:
- explorar sustancialmente todo el medio con
haces de rayos X que tengan al menos dos niveles de energía,
incluidos un bajo nivel y un alto nivel,
- detectar los haces de rayos X que hayan pasado
a través del medio para una pluralidad de áreas (pixels) del
medio,
- calcular para cada área un valor, A_{baja},
que representa la absorbencia en el área del medio para el nivel de
baja energía,
- calcular para cada área un valor, A_{alta},
que representa la absorbencia en el área del medio para el nivel de
alta energía,
caracterizado por
generar para cada área una pluralidad de valores
que sean productos del tipo A_{baja}^{n} * A_{alta}^{n}, en
donde n y m son números enteros positivos y/o negativos, o cero,
y
predecir las propiedades del medio en esa área,
aplicando para ello un modelo de calibración a la pluralidad de
valores, en donde el modelo de calibración define las relaciones
entre la pluralidad de valores y las propiedades del medio.
2. Un método de acuerdo con la reivindicación 1,
caracterizado por incluir en la pluralidad de valores los
valores A_{baja}^{n1}/A_{alta}^{m1}, donde n1 y m1 son
números enteros positivos.
3. Un método de acuerdo con la reivindicación 1,
caracterizado por incluir la pluralidad de valores los
valores A_{baja}, A_{alta}, A_{baja}^{2}, A_{alta}^{2}
y A_{baja}/A_{alta}.
4. Un método de acuerdo con la reivindicación 3,
caracterizado por incluir la pluralidad de valores al menos
uno de los valores A_{baja} * A_{alta}, A_{baja}^{2} *
A_{alta}, A_{baja} * A_{alta}^{2}, A_{baja} *
A_{alta}^{4} y A_{baja}^{2} * A_{alta}^{2}.
5. Un método de acuerdo con la reivindicación 3,
caracterizado por incluir la pluralidad de valores al menos
uno de los valores A_{baja}^{2}/A_{alta},
A_{baja}/A_{alta}^{2} y
A_{baja}^{2}/A_{alta}^{2}.
6. Un método de acuerdo con la reivindicación 3,
caracterizado por incluir la pluralidad de valores al menos
uno de los valores A_{baja}^{3}/A_{alta}^{2},
A_{baja}^{4}/A_{alta}^{2}, 1/A_{alta}^{4},
A_{baja}^{4}/A_{alta}^{3},
A_{baja}^{3}/A_{alta}^{4} y
A_{baja}^{4}/A_{alta}^{4}.
7. Un método de acuerdo con la reivindicación 1,
caracterizado por haberse obtenido el modelo de calibración
mediante el uso de un método de regresión que está incluido en el
grupo que comprende los de regresión de Componente Principal (PCR),
Regresión Lineal Múltiple (MLR), el de Mínimos Cuadrados Parcial
(PLS), y el de Redes Neurales Artificiales (ANN).
8. Un método de acuerdo con la reivindicación 1,
caracterizado por
ser dispuesto el medio sobre un transportador que
se mueve a una velocidad sustancialmente constante, y
ser los al menos dos haces de rayos X de forma de
abanico, y
ser detectado el haz de bajo nivel por una
primera disposición de antenas colineal, que está detectada a la
detección del haz de baja energía, y
ser detectado el haz de alto nivel por una
segunda disposición de antenas colineal dedicada a la detección del
haz de alta energía,
comprendiendo cada uno una pluralidad de
pixels.
9. Un aparato para determinar las propiedades de
un medio, tal como la del contenido de un componente en el medio,
comprendiendo el medio un material crudo de comida o alimento, un
producto o un producto intermedio de comida o alimento, o bien un
lote, muestra o sección del mismo, comprendiendo el aparato:
medios (12, 14) para emitir al menos dos haces de
rayos X (16, 18) de dos niveles de energía diferentes,
medios para dirigir los al menos dos haces de
rayos X hacia y a través del medio,
medios (22, 24) de detección de los rayos X, que
cubren una pluralidad de áreas para detectar los dos haces (16, 18)
después de que hayan pasado a través del medio,
medios (27, 28, 34, 35) para transferir y
convertir las señales de salida de los medios de detección (22, 24)
en conjuntos de datos digitales para entrada a medios de procesado
de datos (38) para recibir, almacenar y procesar los al menos dos
conjuntos de datos que representan imágenes de rayos X, a los al
menos dos niveles de energía diferentes,
comprendiendo además el aparato medios para
sincronizar los al menos dos conjuntos de datos e incluyendo los
medios de procesado de datos medios para calcular los valores que
representan las absorbencias (A_{baja}, A_{alta}) en cada área
del medio, en los al menos dos niveles de energía,
caracterizado porque los medios para el procesado de datos
comprenden medios para generar una pluralidad de valores que son
productos del tipo A_{baja}^{n} * A_{alta}^{m}, en donde n
y m son números enteros positivos y/o negativos, o cero, y
medios para predecir las propiedades del medio en
esa área, aplicando para ello un modelo de calibración a la
pluralidad de valores, en donde la calibración define las
relaciones entre la pluralidad de valores y las propiedades del
medio.
10. Un aparato de acuerdo con la reivindicación
9, caracterizado porque comprende al menos una fuente de
rayos X de baja energía (12) dispuesta encima del medio (20), para
proporcionar un haz de baja energía de forma de abanico (16) que
cubre sustancialmente la anchura del medio y al menos una fuente de
rayos X de alta energía (14) dispuesta encima del medio (20) para
proporcionar un haz de baja energía de forma de abanico (16) que
cubre la anchura del medio (20) y unos primeros medios de detección
de rayos X (22) dispuestos para ser expuestos al haz de baja
energía de forma de abanico (16) y por debajo del medio (20),
unos segundos medios de detección de rayos X (24)
dispuestos para ser expuestos al haz de alta energía de forma de
abanico (18) y por debajo del medio (20)
y medios electrónicos (34, 38, 42) que incluyen
los medios de procesado de datos (38) y que comunican con los
detectores (22, 24) y están dispuestos para
almacenar y procesar los datos que representan
las señales procedentes de los medios de detección (22, 24),
y que comprende además medios (10) para mover el
medio (20) con relación a los haces de rayos X (16, 18) o
viceversa.
11. Un aparato de acuerdo con la reivindicación
9, caracterizado porque los medios de procesado de datos
incluyen, y/o comunican con, medios que incluyen medios de
almacenamiento de datos que comprenden un modelo de calibración
preparado mediante el uso de métodos de calibración multivariante,
tales como el de Redes Neurales Artificiales (ANN), o los de
análisis regresivo de PCR, MLR o PLS.
12. Un aparato de acuerdo con la reivindicación
9, caracterizado porque comprende al menos dos fuentes (12,
14) que emiten rayos X de dos niveles de energía diferentes.
13. Un aparato de acuerdo con la reivindicación
12, caracterizado porque los dos niveles de energía
comprenden un nivel de baja energía, en un margen comprendido entre
35 y 75 keV, preferiblemente entre 45 y 70 keV, y lo más preferido
de aproximadamente 62 keV, y un nivel de alta energía en un margen
comprendido entre aproximadamente 60 y 140 keV, preferiblemente
entre 80 y 130 keV, y lo más preferido de aproximadamente 120
keV.
14. Un aparato de acuerdo con la reivindicación
9, caracterizado porque comprende medios de filtro situados
en cada uno de los haces (16, 18).
15. Un aparato de acuerdo con la reivindicación
9, caracterizado porque comprende una fuente de rayos X y
dos medios de filtro que dividen el haz en dos haces de rayos X de
dos niveles de energía diferentes.
16. Un aparato de acuerdo con la reivindicación
9, caracterizado porque los medios (12, 14) para emitir al
menos dos haces de rayos X, los medios para dirigir los al menos
dos haces de rayos X, y los medios de detección de rayos X (22, 24)
están fijados mutuamente.
17. Un aparato de acuerdo con la reivindicación
9, caracterizado porque comprende medios (12, 14) para
emitir haces de forma de abanico separados espacialmente (16,
18).
18. Un aparato de acuerdo con la reivindicación
9, caracterizado porque los medios de detección (22, 24)
están cubiertos por una capa de escintilación, por ejemplo, de
telururo de cadmio, de ioduro de mercurio, y/o de oxisulfuro de
gadolinio.
19. Un aparato de acuerdo con la reivindicación
9, caracterizado porque comprende medios de transportador
(10) dispuestos para llevar medios de recipiente (20), tales como
una bandeja o una caja abierta, adaptados para acomodar un número
aleatorio de trozos de carne de diversos tamaños para que sean
analizados, estando dispuestos los medios de transportador para que
los medios de recipiente (20) dejen pasar los al menos dos haces de
rayos X de forma de abanico (16, 18).
20. Un aparato de acuerdo con la reivindicación
19, caracterizado porque comprende medios de transportador
(10), en el que la cinta transportadora está hecha de un material
que presenta una baja absorción de rayos X, y/o está dividida en
dos partes espaciadas separadas, estando dispuestos los medios
detectores (22, 24) en un espacio abierto entre las dos partes.
21. Un aparato de acuerdo con la reivindicación
9, caracterizado porque comprende medios de transportador
(10) adaptados para acomodar un flujo continuo de trozos de carne
de diversos tamaños para que sean analizados, estando dispuestos
los medios de transportador para que los trozos de carne dejen pasar
los al menos dos haces de rayos X de forma de abanico (16, 18).
22. Un aparato de acuerdo con cualquiera de las
reivindicaciones 9-21, caracterizado porque
está dispuesto para efectuar los siguientes pasos:
explorar al menos una sección de un medio
mediante haces de rayos X de al menos dos niveles de energía,
almacenar los datos que representan al menos dos
imágenes de rayos X del medio,
calcular el contenido de grasa y/o la densidad
superficial para todos los puntos (pixels) obtenidos de la
exploración mediante el uso de modelos de calibración multivariante
generados en un paso de calibración previamente ejecutado,
multiplicar el contenido de grasa por la densidad
superficial para cada punto, a fin de generar un "mapa de
grasa" (en g/cm^{2}) de la muestra,
sumar todos los puntos del "mapa de grasa"
para obtener el peso total de grasa (F_{total}) de la
muestra,
sumar todas las densidades superficiales de la
muestra para obtener el peso total (W_{total}) de la muestra,
calcular el contenido de grasa medio de la
muestra como la relación F_{total}/W_{total}.
23. Un método para la calibración de un aparato
de acuerdo con cualquiera de las reivindicaciones
9-22, caracterizado por comprender
la preparación de una pluralidad de muestras de
calibración consistentes en un medio especificado que comprende
comida o productos alimenticios, tales como carne de cerdo picada,
de diversas densidades superficiales y propiedades bien
definidas,
la medición de la pluralidad de las muestras de
calibración en el aparato, obteniéndose con ello datos que
representan dos respuestas de rayos X de cada muestra,
comprendiendo cada respuesta una pluralidad de pixels, y en que los
datos de cada pixel o la media de un cierto número de pixels vecinos
son procesados para calcular las absorbencias A_{baja} y
A_{alta} en el medio por encima de dicho pixel o de dichos
pixels,
la generación de una pluralidad de valores del
tipo A_{baja}^{n} * A_{alta'}, donde n y m son números
enteros positivos y/o negativos y/o cero,
la correlación -mediante el uso de métodos de
calibración multivariante, tale como el de Redes Neurales
Artificiales (ANN) o los de regresión de PCR, de NLR o de PLS- los
conjuntos de datos para todos/o una pluralidad de muestras de
calibración con las propiedades determinadas por otros medios, tales
como un método de referencia, -con objeto de determinar un número
de coeficientes de calibración,
la provisión de una calibración que comprenda el
número de coeficientes de calibración determinados.
24. Un método de acuerdo con la reivindicación
23, caracterizado porque se preparan todas las muestras de
calibración de tal manera que sean homogéneas y de densidades
superficiales fijas, y promediando además cada uno de los valores
sobre todos los pixels, al menos en una parte definida de las
imágenes.
25. Un método para predecir el contenido de grasa
de carne mediante el uso de absorciometría por rayos X dobles,
caracterizado por el uso de un modelo de calibración
obtenido por un método de acuerdo con la reivindicación 23 ó 24.
26. Un aparato de acuerdo con cualquiera de las
reivindicaciones 9-22, caracterizado porque
comprende un modelo de calibración determinado por un método de
acuerdo con la reivindicación 23 ó 24.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DK151299 | 1999-10-21 | ||
| DKPA199901512 | 1999-10-21 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2215734T3 true ES2215734T3 (es) | 2004-10-16 |
Family
ID=8105616
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES00969237T Expired - Lifetime ES2215734T3 (es) | 1999-10-21 | 2000-10-20 | Metodo y aparato para la determinacion de propiedades de comida o de alimentos. |
Country Status (11)
| Country | Link |
|---|---|
| US (1) | US6600805B2 (es) |
| EP (1) | EP1226431B1 (es) |
| AT (1) | ATE266199T1 (es) |
| AU (1) | AU768044B2 (es) |
| BR (1) | BRPI0014974B1 (es) |
| CA (1) | CA2387756C (es) |
| DE (1) | DE60010499T2 (es) |
| DK (1) | DK1226431T3 (es) |
| ES (1) | ES2215734T3 (es) |
| NZ (1) | NZ518315A (es) |
| WO (1) | WO2001029557A2 (es) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ES2388423A1 (es) * | 2008-12-09 | 2012-10-15 | Universidad Politécnica De Valencia | Procedimiento y dispositivo para la discriminación de alimentos. |
Families Citing this family (48)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001086272A1 (en) * | 2000-05-10 | 2001-11-15 | New Zealand Pastoral Agriculture Research Institute Limited | Monitoring content of meat using dual-energy x-ray absorptiometry |
| NZ502033A (en) * | 2000-06-11 | 2003-05-30 | Inst Of Geol & Nuclear Science | Assessing properties of meat such as the fat or lean meat content using dual energy x-ray absorption scanner |
| DE10064707A1 (de) | 2000-12-22 | 2002-07-04 | Convenience Food Sys Wallau | Vorrichtung und Verfahren zur Fettanalyse von Fleisch |
| GB2382135A (en) * | 2001-11-20 | 2003-05-21 | Spectral Fusion Technologies L | X-ray apparatus for grading meat samples according to a predetermined meat to fat ratio |
| US7272510B2 (en) | 2002-01-10 | 2007-09-18 | Foss Analytical A/S | Method and means for correcting measuring instruments |
| US7106830B2 (en) * | 2002-06-12 | 2006-09-12 | Agilent Technologies, Inc. | 3D x-ray system adapted for high speed scanning of large articles |
| US7060981B2 (en) * | 2003-09-05 | 2006-06-13 | Facet Technology Corp. | System for automated detection of embedded objects |
| JP4533010B2 (ja) * | 2003-11-20 | 2010-08-25 | キヤノン株式会社 | 放射線撮像装置、放射線撮像方法及び放射線撮像システム |
| SE527130C2 (sv) | 2004-01-13 | 2005-12-27 | Delaval Holding Ab | Anordning och förfarande för utfodring av djur |
| EP1730515A1 (en) * | 2004-03-19 | 2006-12-13 | Marel hf. Austurhrauni 9 210 Gardabaer | Apparatus for inspecting food items |
| DE102004054349A1 (de) * | 2004-11-09 | 2006-05-11 | Heuft Systemtechnik Gmbh | Prüfen der Integrität von Produkten in Behältern |
| CN2747301Y (zh) * | 2004-11-26 | 2005-12-21 | 清华大学 | 翼缘弯折的工形截面构件 |
| WO2006108690A2 (en) * | 2005-04-15 | 2006-10-19 | Cfs Bakel B.V. | Method and system for quality measurement in food products |
| DE102005020567A1 (de) * | 2005-04-30 | 2006-11-09 | Katz, Elisabeth | Verfahren und Vorrichtung zur Online-Bestimmung des Aschegehalts einer auf einem Födermittel geförderten Substanz und Vorrichtung zur Durchführung einer Online-Analyse |
| US7488107B2 (en) * | 2005-08-18 | 2009-02-10 | General Electric Company | Method and apparatus to detect and correct alignment errors in x-ray systems used to generate 3D volumetric images |
| US7931032B1 (en) | 2006-05-19 | 2011-04-26 | Knight, Llc | Bulk dispensing of chemicals into a residential dishwasher |
| CN101074935B (zh) * | 2006-05-19 | 2011-03-23 | 清华大学 | 探测器阵列及设备 |
| US8000440B2 (en) * | 2006-07-10 | 2011-08-16 | Agresearch Limited | Target composition determination method and apparatus |
| DE102007042144A1 (de) * | 2007-09-05 | 2009-03-12 | Smiths Heimann Gmbh | Verfahren zur Verbesserung der Materialerkennbarkeit in einer Röntgenprüfanlage und Röntgenprüfanlage |
| CN101261235B (zh) | 2008-05-06 | 2010-12-08 | 罗平安 | 原油中含气率和含水率的双能χ射线测量方法 |
| US8633445B2 (en) * | 2008-05-19 | 2014-01-21 | Varian Medical Systems, Inc. | Multi-energy X-ray imaging |
| JP5368772B2 (ja) | 2008-11-11 | 2013-12-18 | 浜松ホトニクス株式会社 | 放射線検出装置、放射線画像取得システム及び放射線の検出方法 |
| JP5559471B2 (ja) * | 2008-11-11 | 2014-07-23 | 浜松ホトニクス株式会社 | 放射線検出装置、放射線画像取得システム、放射線検査システム、及び放射線検出方法 |
| DE102009013301A1 (de) * | 2009-03-16 | 2010-09-30 | Siemens Aktiengesellschaft | Röntgen- oder Gammadetektorarray |
| JP5457118B2 (ja) * | 2009-09-18 | 2014-04-02 | 浜松ホトニクス株式会社 | 放射線検出装置 |
| JP5467830B2 (ja) | 2009-09-18 | 2014-04-09 | 浜松ホトニクス株式会社 | 放射線検出装置 |
| JP5295915B2 (ja) | 2009-09-18 | 2013-09-18 | 浜松ホトニクス株式会社 | 放射線検出装置 |
| JP4919115B2 (ja) * | 2009-09-24 | 2012-04-18 | 横河電機株式会社 | 放射線検査装置 |
| JP5852415B2 (ja) | 2011-11-08 | 2016-02-03 | 浜松ホトニクス株式会社 | 非破壊検査装置及び当該装置での輝度データの補正方法 |
| JP6146010B2 (ja) * | 2012-12-27 | 2017-06-14 | パナソニックＩｐマネジメント株式会社 | 食品分析装置 |
| CN105378458B (zh) * | 2013-06-07 | 2021-05-25 | 马尔文仪器有限公司 | 基于检测器阵列的样本表征 |
| DK3019863T3 (da) | 2013-07-11 | 2021-03-29 | Foss Analytical As | Kødforarbejdningsindretning med en röntgenanalysator |
| JP6301207B2 (ja) * | 2014-06-10 | 2018-03-28 | アンリツインフィビス株式会社 | Ｘ線検査装置 |
| JP6397690B2 (ja) * | 2014-08-11 | 2018-09-26 | 株式会社日立ハイテクノロジーズ | Ｘ線透過検査装置及び異物検出方法 |
| US10971031B2 (en) | 2015-03-02 | 2021-04-06 | Fitly Inc. | Apparatus and method for identifying food nutritional values |
| US9364106B1 (en) | 2015-03-02 | 2016-06-14 | Fitly Inc. | Apparatus and method for identifying, measuring and analyzing food nutritional values and consumer eating behaviors |
| USD787273S1 (en) | 2015-03-13 | 2017-05-23 | Fitly Inc. | Plate and lid with digital display |
| PL3078944T3 (pl) | 2015-04-07 | 2020-08-10 | Mettler-Toledo, LLC | Sposób ustalania masy obiektów na podstawie wielu obrazów rentgenowskich wykonanych na różnych poziomach energii |
| DE102015218504A1 (de) * | 2015-09-25 | 2017-03-30 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Bestimmung von Biomasse einer Pflanze |
| CN105891432B (zh) * | 2016-06-29 | 2018-02-06 | 扬州大学 | 一种鹅肉品质综合评定方法 |
| US10006873B1 (en) | 2016-12-14 | 2018-06-26 | Battelle Memorial Institute | Dual-energy microfocus radiographic imaging method for meat inspection |
| US10197512B2 (en) | 2016-12-14 | 2019-02-05 | Battelle Memorial Institute | Dual-energy microfocus radiographic imaging method for meat inspection |
| KR101947373B1 (ko) * | 2017-06-19 | 2019-04-29 | (주)자비스 | 엑스레이 흡수 특성에 의한 성분 분석 시스템 및 그에 의한 성분 분석 방법 |
| CN107817204B (zh) * | 2017-11-01 | 2018-12-28 | 中国科学院地质与地球物理研究所 | 一种页岩微米孔隙结构分析方法及装置 |
| US11333544B2 (en) * | 2019-06-17 | 2022-05-17 | Honeywell International Inc. | Apparatus for simultaneously determining weights of composite sheets |
| PL3837980T3 (pl) | 2019-12-20 | 2023-07-10 | Devrone Unlimited Company | Sposób i urządzenie do obróbki mięsa |
| EP3837981B1 (en) | 2019-12-20 | 2022-08-24 | Devrone Unlimited Company | Meat processing method and apparatus |
| BR112022012211A2 (pt) | 2019-12-20 | 2022-09-13 | Devrone Unlimited Company | Método e aparelho de processamento de carne |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4171164A (en) | 1977-12-12 | 1979-10-16 | The Kartridg Pak Co. | Continuous X-ray analysis for meat blending system |
| US4168431A (en) * | 1978-01-06 | 1979-09-18 | The Kartridg Pak Co. | Multiple-level X-ray analysis for determining fat percentage |
| US4504963A (en) * | 1983-04-14 | 1985-03-12 | Johnson Lloyd D | Automatically calibrating meat analysis device |
| SE9003215D0 (sv) | 1990-10-09 | 1990-10-09 | Frigoscandia Ab | Foerfarande och anordning foer inspektion av och/eller skaerning i biologisk vaevnad |
| US5459677A (en) | 1990-10-09 | 1995-10-17 | Board Of Regents Of The University Of Washington | Calibration transfer for analytical instruments |
| US5841833A (en) * | 1991-02-13 | 1998-11-24 | Lunar Corporation | Dual-energy x-ray detector providing spatial and temporal interpolation |
| DK165391D0 (da) | 1991-09-27 | 1991-09-27 | Foss Electric As | Ir-maalesystem |
| DK39792D0 (da) | 1992-03-25 | 1992-03-25 | Foss Electric As | Fremgangsmaade til bestemmelse af en komponent |
| EP0704131B1 (en) | 1993-06-16 | 2001-07-18 | Cambridge Imaging Limited | Imaging system |
| DK138593D0 (da) | 1993-12-10 | 1993-12-10 | Foss Electric As | Forbedret maalemetode |
| US5585603A (en) | 1993-12-23 | 1996-12-17 | Design Systems, Inc. | Method and system for weighing objects using X-rays |
| DE4406958B4 (de) | 1994-03-03 | 2004-07-22 | Smiths Heimann Gmbh | Scanner zur Erfassung unzulässiger Gegenstände in Prüfobjekten |
| US5428657A (en) | 1994-03-22 | 1995-06-27 | Georgia Tech Research Corporation | X-ray monitoring system |
| DK172377B1 (da) | 1996-09-18 | 1998-04-27 | Slagteriernes Forskningsinst | Detektorindretning for røntgenstråling og anlæg til bestemmelse af egenskaber af et emne ved hjælp af røntgenstråling |
| DK34297A (da) | 1997-03-25 | 1998-09-26 | Foss Electric As | Måling af acetone i mælk ved brug af IR-spektroskopi |
| GB9814701D0 (en) * | 1998-07-08 | 1998-09-02 | Avs Metrology Limited | Radiation monitoring of a physical propert of a material |
| US6233473B1 (en) * | 1999-02-16 | 2001-05-15 | Hologic, Inc. | Determining body composition using fan beam dual-energy x-ray absorptiometry |
| US6285740B1 (en) * | 1999-10-13 | 2001-09-04 | The United States Of America As Represented By The Secretary Of The Navy | Dual energy x-ray densitometry apparatus and method using single x-ray pulse |
| US6173038B1 (en) * | 1999-12-01 | 2001-01-09 | Cyberlogic, Inc. | Plain x-ray bone densitometry apparatus and method |
| US6370223B1 (en) * | 2001-04-06 | 2002-04-09 | Ut-Battelle, Llc | Automatic detection of bone fragments in poultry using multi-energy x-rays |
-
2000
- 2000-10-20 ES ES00969237T patent/ES2215734T3/es not_active Expired - Lifetime
- 2000-10-20 BR BRPI0014974-8A patent/BRPI0014974B1/pt active IP Right Grant
- 2000-10-20 CA CA002387756A patent/CA2387756C/en not_active Expired - Lifetime
- 2000-10-20 WO PCT/DK2000/000588 patent/WO2001029557A2/en active IP Right Grant
- 2000-10-20 DE DE60010499T patent/DE60010499T2/de not_active Expired - Lifetime
- 2000-10-20 EP EP00969237A patent/EP1226431B1/en not_active Expired - Lifetime
- 2000-10-20 AT AT00969237T patent/ATE266199T1/de not_active IP Right Cessation
- 2000-10-20 DK DK00969237T patent/DK1226431T3/da active
- 2000-10-20 NZ NZ518315A patent/NZ518315A/en not_active IP Right Cessation
- 2000-10-20 AU AU79027/00A patent/AU768044B2/en not_active Expired
-
2002
- 2002-04-08 US US10/117,237 patent/US6600805B2/en not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ES2388423A1 (es) * | 2008-12-09 | 2012-10-15 | Universidad Politécnica De Valencia | Procedimiento y dispositivo para la discriminación de alimentos. |
Also Published As
| Publication number | Publication date |
|---|---|
| DE60010499D1 (de) | 2004-06-09 |
| BRPI0014974B1 (pt) | 2015-06-23 |
| WO2001029557A3 (en) | 2001-11-08 |
| CA2387756C (en) | 2009-12-29 |
| CA2387756A1 (en) | 2001-04-26 |
| DE60010499T2 (de) | 2005-05-19 |
| EP1226431B1 (en) | 2004-05-06 |
| DK1226431T3 (da) | 2004-09-06 |
| NZ518315A (en) | 2003-10-31 |
| AU768044B2 (en) | 2003-11-27 |
| EP1226431A2 (en) | 2002-07-31 |
| US6600805B2 (en) | 2003-07-29 |
| BR0014974A (pt) | 2002-07-16 |
| WO2001029557A2 (en) | 2001-04-26 |
| US20020168046A1 (en) | 2002-11-14 |
| ATE266199T1 (de) | 2004-05-15 |
| AU7902700A (en) | 2001-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| ES2215734T3 (es) | Metodo y aparato para la determinacion de propiedades de comida o de alimentos. | |
| CN107430079B (zh) | 从在不同能量级别拍摄的x射线图像确定对象的质量的方法 | |
| Wold et al. | On-line determination and control of fat content in batches of beef trimmings by NIR imaging spectroscopy | |
| RU2705389C2 (ru) | Способ и устройство для сканирования костей в мясе | |
| US6370223B1 (en) | Automatic detection of bone fragments in poultry using multi-energy x-rays | |
| Zhao et al. | Process analytical technologies for fat and moisture determination in ground beef-a comparison of guided microwave spectroscopy and near infrared hyperspectral imaging | |
| CN101495039A (zh) | 用于能谱ct的定量物质分解 | |
| O'Farrell et al. | On-line fat content classification of inhomogeneous pork trimmings using multispectral near infrared interactance imaging | |
| Segtnan et al. | Fat distribution analysis in salmon fillets using non-contact near infrared interactance imaging: a sampling and calibration strategy | |
| Feng et al. | Hyperspectral imaging in tandem with R statistics and image processing for detection and visualization of pH in Japanese big sausages under different storage conditions | |
| US7272510B2 (en) | Method and means for correcting measuring instruments | |
| USRE44766E1 (en) | X-ray radiographic method of recognition of materials and device for its realization | |
| AU2002339180A1 (en) | X-ray grading apparatus and process | |
| Torgrip et al. | Rapid X-ray based determination of moisture-, ash content and heating value of three biofuel assortments | |
| Hansen et al. | Batch accuracy of on-line fat determination | |
| McFarlane et al. | Detection of bone fragments in chicken meat using X-ray backscatter | |
| Giró-Candanedo et al. | Precise nutritional labelling of sliced packaged dry-cured ham using multi-energy X-ray absorptiometry | |
| Fulladosa et al. | Effect of dry-cured ham composition on X-ray multi energy spectra | |
| Håseth et al. | Determination of sodium chloride in pork meat by computed tomography at different voltages | |
| Fulladosa et al. | Near infrared sensors for the precise characterization of salt content in canned tuna fish | |
| Girón Hernández et al. | Preliminary study using visible and SW-NIR analysis for evaluating the loss of freshness in commercially packaged cooked ham and Turkey ham | |
| CN210465706U (zh) | 安检设备 | |
| Fresco et al. | Combining short-term breath measurements to develop methane prediction equations from cow milk mid-infrared spectra | |
| Austrich et al. | Applications of X-ray Multi Energy Spectrometry for the Meat Industry | |
| Firtha et al. | Spectral and hyperspectral inspection of beef ageing state |