Project Details
Projekt Print View

Physikalisches Imaging zur Struktur- und Texturerkennung bei der Fleischverarbeitung

Subject Area Plant Cultivation, Plant Nutrition, Agricultural Technology
Term from 2010 to 2014
Project identifier Deutsche Forschungsgemeinschaft (DFG) - Project number 178318044
 
Final Report Year 2017

Final Report Abstract

In der Produktion von Lebensmitteln aus Fleisch und Fleischprodukten, sowie in der gesamten Lebensmittelindustrie, sind Effizienz, Sicherheit, Produkt- und Ressourcenschonung von herausragender Bedeutung. Um diese Herausforderungen zu adressieren, wurde im Jahr 2010 das DFG/AiF-Clusterprojekt „Minimal Processing in automatisierten Prozessketten der Fleischverarbeitung“ als interdisziplinärer Forschungsverbund etabliert. Die Umsetzung des angestrebten generalisierten Minimal Processings erforderte die Kombination von grundlagenorientierter (DFG) und anwendungsnaher (AiF) Forschung und eine starke Vernetzung der insgesamt neun beteiligten Forschungsstellen. Motivation und Ziel des Clusters war es, die umfangreichen Anforderungen anhand des Produktionsprozess der „Schinken-Feinzerlegung“ auf Basis des Minimal-Processing-Ansatzes zu automatisieren und holistisch unter Berücksichtigung aller Produkt-, Energie-, Betriebsmittel- und Informationsströme zu optimieren. Die derzeit industriell übliche manuelle Feinzerlegung erfolgt aufgrund der physiko-chemischen Komplexität des Fleisches anhand von Erfahrungswerten der Mitarbeiter. Diese körperlich anstrengende Arbeit wird zudem aus hygienischen Gründen bei sehr geringen Temperaturen (4-7 °C) durchgeführt. Ziel des DFG-Projektes „Physikalisches Imaging zur Struktur- und Texturerkennung bei der Fleischverarbeitung“ war es, ein effizientes und preiswertes System zu entwickeln, welches die Detektion von Oberflächenstrukturvariationen mit der Analyse der tieferliegenden Strukturen kombiniert und somit Daten zur Prozessautomatisierung liefert. Die Umsetzung erfolgte durch die Kombination von zwei modernen bildgebenden Verfahren. Bei dem ersten Verfahren handelt es sich um ein Stereo-Kamera-System mit angeschlossener digitaler Bildverarbeitung, welches die räumliche Lage und Geometrie der Fleischpartien erfasste, bei dem zweiten um ein Ultraschallsystem, welches den inneren Aufbau der Fleischpartie analysierte. Über eine hochentwickelte, intelligente und zuverlässige Mustererkennung wurde anschließend aus den gewonnenen Informationen eine dreidimensionale Rahmen-Layer-Struktur erzeugt. Hierzu mussten neue Strukturanalysen und Mustererkennungsmethoden entwickelt, etabliert und auf ihr Anwendungspotential evaluiert werden. Unter anderem wurden im Rahmen dieses Forschungsprojekts ein neuer Kantendetektions-Algorithmus zur Charakterisierung von Oberflächenstrukturvariationen, ein auf der Lattice-Boltzmann-Methode basierender anisotroper Diffusionsfilter zur Reduzierung von Rauschen und Bildartefakten sowie Algorithmen zur ultraschallbasierten Detektion von Gewebestrukturen wie Faszien und Knochen entwickelt und evaluiert. Weiterhin wurde die entwickelte Methodik erweitert, um einen robotergesteuerten Ultraschallscan durchführen zu können und somit einen hohen Automatisierungsgrad umzusetzen. Abschließend wurde mit den Projektpartnern ein Umsetzungskonzept entwickelt, welches zusätzlich zu dem Physikalischen Imaging ein hygienegerechtes Positionier- und Handhabungssystem, ein Zerlegemodul mit Schneid- und Greifroboter und ein automatisiertes bedarfsgerechtes Reinigungssystem beinhaltet. Weiterhin wurde die flexible Integration weiterer Sensoren, Rückverfolgbarkeit der Produkte und Minimierung möglicher Kontaminationsgefahren berücksichtigt. Mit dem entwickelten Physikalischen Imaging können zudem sowohl oberflächliche als auch tief im Gewebe liegende stoffliche Imperfektionen erfasst werden. Durch die zusätzliche Detektion von Abszessen und Fremdkörpern, z.B. abgebrochene Messerklingen oder Knochensplitter, wird die Sicherheit des Lebensmittels Fleisch entscheidend erhöht.

Publications

  • A Novel Edge Detection Method Based On Image Energy And Skewness With Application To Intramuscular Fat Recognition. Proceeding of IADIS Multi-Conference on Computer Science and Information Systems (2010), 93-100
    Hussein, W. B., Sayed, A. A., Hussein, M. A., Becker, T.
  • Minimal Processing in automatisierten Prozessketten der Fleischverarbeitung – Eine Fallstudie am Beispiel der Feinzerlegung von Schweinefleisch. Fleischwirtschaft 91 (4/2011), 102–324
    Durek, J; Becker, T., Bolling, J., Diepolder, V., Heinz, V., Hitzmann, B., Majschak, J.-P., Schlüter, H., Schmidt, F., Schwägele, F., Delgado, A.
  • Physikalisches Imaging zur Struktur- und Texturerkennung bei der Fleischverarbeitung. Fleischwirtschaft 93 (2013), 82-85
    Geier, D., Hussein, M. A., Becker, T.
  • Minimal Processing in automatisierten Prozessketten der Fleischverarbeitung - Zentrale Ergebnisse des gleichnamigen DFG/AiF-Clusterprojektes. FEI, Bonn, 2014. ISBN 978-3-925032-52-3
    Häusser, V. (Hrsg.)
  • Physikalisches Imaging zur Struktur- und Texturerkennung. RFL - Rundschau für Lebensmittelüberwachung 66 (2014) 10, 353-357
    Geier, D., Hussein, M. A., Becker, T.
  • Zentrale Ziele und Ergebnisse des DFG-AiF-Clusterprojekts „Minimal Processing in automatisierten Prozessketten der Fleischverarbeitung“. Rundschau für Fleischhygiene und Lebensmittelüberwachung 66 (8/2014), 262-266
    Delgado, F. Groß, V. Heinz, K. Franke, D. Geier, M. Hussein, T. Becker, A. Martin, M. Mauermann, J. Bolling, O. Schlüter, J. Durek, A. Fröhling, B. Hitzmann, M. Nache, O. Paquet- Durand, R. Scheier, H. Schmidt, F. Schwägele, A. Petzet, A. Bauer, A. Hammon, H. Diepolder
  • Automation for Minimal Processing Combining 3-D Imaging and Ultrasound Imaging as Guidance System. Proceedings of the 19th International Conference on Systems (part of CSCC '15) (2015), 46-49
    Geier, D., Hussein, M., Becker, T.
 
 

Additional Information

Textvergrößerung und Kontrastanpassung