Невидимий контроль: Як гіперспектральний AI-зір змінює стандарти харчової безпеки

Традиційні оптичні сортувальники (RGB-камери) чудово справляються з видимими дефектами: кольором, формою, подряпинами. Але головний біль експортера — це приховані дефекти. Ідеальне на вигляд яблуко може бути гнилим всередині, а красивий волоський горіх — порожнім.

Рішенням стала інтеграція технології NIR (Near-Infrared Spectroscopy) та алгоритмів глибокого навчання (Deep Learning).

🔬 Як працює технологія?

В основі лежить метод гіперспектральної візуалізації (HSI). Якщо звичайна камера бачить світ у трьох кольорах (червоний, зелений, синій), то гіперспектральна система розкладає світло на сотні вузьких смуг, включаючи невидимий для ока ближній інфрачервоний діапазон (700–2500 нм).

1. Проникнення: Світло NIR-діапазону проникає в продукт на глибину до кількох сантиметрів.

2. Взаємодія: Світло взаємодіє з молекулами води, цукрів, жирів та клітинними стінками. Гнила тканина має зруйновані клітини та інший вміст води, тому вона поглинає світло інакше, ніж здорова.

3. Хімічний “відбиток”: Датчик фіксує відбите світло, створюючи унікальний спектральний графік для кожного окремого плоду в потоці.

4. Рішення AI: Штучний інтелект миттєво порівнює цей графік з базою даних “дефектів” і дає команду пневматичному ежектору відстрілити неякісний продукт.

🍎 Практичні кейси застосування

1. Яблука: Проблема Internal Browning

Внутрішнє побуріння м’якоті часто виникає під час тривалого зберігання в камерах РГС (регульованого газового середовища). Зовні яблуко виглядає ідеальним.

• Рішення: Системи типу TOMRA 5S Advanced або Greefa iQS використовують модулі вимірювання внутрішньої якості. Вони “просвічують” яблуко, виявляючи зони з іншою щільністю та вмістом вологи, що свідчить про гниття.

2. Горіхи (Волоський, Фундук, Мигдаль)

Це найскладніша категорія, адже ми не бачимо ядро.

• Проблема: Покупець платить за вагу, але іноді отримує пусту шкаралупу або висохле ядро.

• Рішення: NIR-спектроскопія визначає вміст жиру та вологи крізь шкаралупу. Якщо спектр показує відсутність характерних для ядра жирів або занадто низьку вологість — горіх відбраковується. Це критично для виробників, що постачають сировину для кондитерської промисловості (Nestle, Ferrero).

3. Картопля: “Склянистість” та цукри

При виробництві чипсів та фрі важливо контролювати рівень цукрів (щоб чипси не горіли) та виявляти “склянистість” бульб. AI-сортери аналізують хімічний склад кожної картоплини на швидкості до 50 тонн на годину.

📉 Економічний ефект та Ринок

Впровадження таких систем дозволяє знизити кількість помилкових відбраковок (коли викидають хороший продукт) до менш ніж 1%. Для великого заводу це економія сотень тисяч доларів на рік лише на збереженні продукту.

Лідерами у виробництві такого обладнання є компанії TOMRA Food (Норвегія), Key Technology (США) та Greefa (Нідерланди). В Україні такі лінії вже працюють на провідних підприємствах ягідного та горіхового сектору (наприклад, “Аврора”, великі виробники лохини).

📚 Джерела (APA Style)

• Greefa. (n.d.). Internal quality detection: iFA. Retrieved November 24, 2025, from https://www.greefa.com

• Lu, R. (Ed.). (2016). Light scattering technology for food quality, safety and evaluation. CRC Press.

• Nicolai, B. M., et al. (2007). Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy: A review. Postharvest Biology and Technology, 46(2), 99–118.

• TOMRA Food. (2024). Sensor-based sorting solutions for the food industry. Retrieved November 24, 2025, from https://www.tomra.com/en/food