
El secado de alimentos es un proceso común para conservar muchos tipos de alimentos, incluidas frutas y carnes; sin embargo, el secado puede alterar la calidad y el valor nutricional de los alimentos. En los últimos años, los investigadores han desarrollado técnicas de precisión que utilizan sensores ópticos e inteligencia artificial para facilitar un secado más eficiente. Un nuevo estudio de la Universidad de Illinois en Urbana-Champaign analiza tres técnicas de secado inteligente emergentes, que brindan información práctica para la industria alimentaria.Mejores restaurantes cerca de mí
por Marianne Stein, Facultad de Ciencias Agrícolas, Ambientales y del Consumidor de la Universidad de Illinois en Urbana-Champaign
El artículo se publica en la revista Food Engineering Reviews .
«Con los sistemas de secado tradicionales, es necesario extraer muestras para controlar el proceso. Pero con el secado inteligente, o el secado de precisión, se puede controlar el proceso de forma continua en tiempo real, mejorando la precisión y la eficiencia», dijo el autor correspondiente Mohammed Kamruzzaman, profesor adjunto del Departamento de Ingeniería Agrícola y Biológica (ABE), parte de la Facultad de Ciencias Agrícolas, del Consumidor y Ambientales y la Facultad de Ingeniería Grainger en Illinois.
En el artículo, los investigadores revisan la literatura académica sobre diferentes tipos de equipos que aplican técnicas de precisión para mejorar las capacidades de secado inteligente en la industria alimentaria.
Se centran en tres sistemas de detección óptica (imágenes RGB con visión artificial, espectroscopia de infrarrojo cercano (NIR) e imágenes hiperespectrales de infrarrojo cercano (NIR-HSI)) y analizan los mecanismos, las aplicaciones, las ventajas y las limitaciones de cada uno de ellos. También ofrecen una descripción general de los métodos de secado industrial estándar, como el secado por congelación, el secado por aspersión, el secado por microondas o el secado en horno de aire caliente, que se pueden combinar con técnicas de monitoreo de precisión.
«Puede utilizar cada uno de los tres sensores por separado o en combinación. Lo que elija dependerá del sistema de secado en particular, de sus necesidades y de la relación coste-beneficio», afirmó el autor principal Marcus Vinicius da Silva Ferreira, investigador postdoctoral en ABE.
El sistema RGB con visión artificial utiliza una cámara convencional que capta la luz visible con un espectro de color RGB. Puede proporcionar información sobre las características de la superficie, como el tamaño, la forma, el color y los defectos, pero no es capaz de medir el contenido de humedad.
La espectroscopia NIR utiliza luz infrarroja cercana para medir la absorbancia de diferentes longitudes de onda, que pueden correlacionarse con características químicas y físicas únicas del producto, y puede medir cualidades internas como el contenido de humedad. Sin embargo, la NIR escanea un punto a la vez.
Esto puede funcionar para un solo producto, como una rodaja de manzana, al menos inicialmente, dijo Kamruzzaman.
«Pero a medida que avanza el secado, el material se encoge y se vuelve heterogéneo, debido al agrietamiento y la flexión. Si se utiliza el infrarrojo cercano en esa etapa y se escanea solo un punto, no se puede medir la velocidad de secado», señaló.
La tecnología NIR-HSI es la más completa de las tres técnicas. Escanea toda la superficie del producto, por lo que proporciona información mucho más precisa sobre la velocidad de secado y otras características que la tecnología NIR por sí sola, ya que extrae información espacial y espectral tridimensional. Sin embargo, la tecnología NIR-HSI también es mucho más cara que los otros dos sensores. El equipo cuesta entre 10 y 20 veces más que los sensores NIR y 100 veces o más que las cámaras RGB. Además, los requisitos de mantenimiento y computación para la tecnología HSI son sustancialmente mayores, lo que aumenta aún más el costo total.
Las tres metodologías deben combinarse con IA y aprendizaje automático para procesar la información, y los modelos deben entrenarse para cada aplicación específica. Nuevamente, HSI requiere más potencia computacional que los otros dos sistemas debido a la gran cantidad de datos que recopila.
Los investigadores también desarrollaron su propio sistema de secado para probar los distintos métodos. Construyeron un horno de calor convectivo y probaron las técnicas en el secado de rodajas de manzana. Primero combinaron el sistema con RGB y NIR; más tarde también probaron el sistema NIR-HSI, cuyos hallazgos planean discutir en un próximo artículo.
«Para el monitoreo en tiempo real, la convergencia de imágenes RGB, sensores espectroscópicos NIR y NIR-HSI con IA representa un futuro transformador para el secado de alimentos. La integración de estas tecnologías supera las limitaciones del monitoreo del proceso de secado convencional e impulsa las capacidades de monitoreo en tiempo real», concluyeron en el artículo.
El desarrollo futuro de dispositivos NIR-HSI portátiles y manuales permitirá además el monitoreo continuo de los sistemas de secado, proporcionando control de calidad en tiempo real en una variedad de entornos operativos, señalaron.
Más información: Marcus Vinicius da Silva Ferreira et al, Detección óptica habilitada por IA para secado inteligente y preciso de alimentos: técnicas, aplicaciones y direcciones futuras, Food Engineering Reviews (2024). DOI: 10.1007/s12393-024-09388-0
