Sowohl wissenschaftliche als auch industrielle Anwendungen nutzen die hyperspektrale Bildverarbeitung, unter anderem zur Klassifizierung und für die Materialanalyse. Im Vergleich zu konventionellen Bildverarbeitungssystemen geht die hyperspektrale Bildverarbeitung über das sichtbare Spektrum hinaus und ist damit in der Lage, Informationen zu erkennen, die für das menschliche Auge unsichtbar sind. Damit eröffnet sie Analyse-Möglichkeiten in Bereichen, in denen eine präzise Charakterisierung und Identifizierung unerlässlich ist. Aber: Auch wenn die hyperspektrale Bildverarbeitung in verschiedenen Branchen und Forschungsbereichen erhebliche Vorteile und Potenziale aufgezeigt hat, hat die Komplexität der Datenerfassung und -analyse ihre breite Anwendung bis jetzt verhindert.

Um diese Situation zu ändern, wollten Dr. Puneet Mishra und seine Kollegen vom WUR-Institut in den Niederlanden ein System entwickeln, das es auch Anwendern ohne tiefgreifende Kenntnisse der hyperspektralen Bildverarbeitung ermöglicht, von dieser Technologie zu profitieren. Hyperspektrale Zeilenkameras des finnischen Herstellers Specim waren Kern des Projekts. Denn während es auf dem traditionellen Bildverarbeitungsmarkt Systeme wie zum Beispiel intelligente Kameras gibt, die es dem Benutzer ermöglichen, Aufgaben ohne Vorkenntnisse im Bereich des maschinellen Sehens zu lösen, existieren solche bedienerfreundlichen Bildverarbeitungssysteme für die hyperspektrale Bildverarbeitung bisher nicht. Um dies zu ändern, wurde am WUR ein einfach zu bedienendes One-Touch-System entwickelt. Ziel des Projekts war, ein intelligentes All-in-One Spectral Imaging (ASI) Laborsystem für die standardisierte automatisierte Datenerfassung und die Bereitstellung von Spektralmodellen in Echtzeit zu realisieren, um die hyperspektrale Bilderfassung zu vereinfachen.

Standardisierte hyperspektrale Bildverarbeitung

Der gemeinsame Einsatz der Hyperspektralkameras FX10 und FX17 von Specim ermöglichte eine genauere Vorhersage der Fruchteigenschaften als die Verwendung von nur einer Kamera.

© Specim

Eine der größten Herausforderungen bei der hyperspektrale Bildverarbeitung ist, dass die auf dem Markt erhältlichen Kameras in aller Regel die Systemintegration sowie eine Modellierung für die Kalibrierung erfordern. Darüber hinaus werden die meisten der auf dem Markt befindlichen Hyperspektralsensoren derzeit als Datenerfassungsgeräte geliefert. Für die Durchführung der Messungen und die Entwicklung des Modells muss der Nutzer also Versuchsaufbauten entwerfen, in die der Sensor integriert werden muss. In Forschungslabors werden die Datenerfassung und die Datenmodellierung in der Regel in getrennten Schritten durchgeführt – keine sehr praktische Lösung für den routinemäßigen Einsatz durch Laien.

Daher entwickelte WUR ein standardisiertes spektrales Bildverarbeitungssystem mit einem Embedded-PC, um unerwünschte Einflüsse auf die Messung zu minimieren. Ziel war es, eine Re-Integration des Systems zu vermeiden und kalibrierte Modelle wiederzuverwenden, um wiederholbare Messungen zu ermöglichen.

Wesentlich für die erfolgreiche Realisierung des Systems war die Auswahl der geeigneten Hyperspektralkameras. An diesem Punkt entschieden sich die WUR-Entwickler für Hyperspektral-Zeilenkameras von Specim. WUR hatte bereits zuvor Kameras dieses Herstellers für andere Anwendungen in Labors eingesetzt.

Ergänzend zu den Kameras integrierte WUR eine kontrollierte, standardisierte Beleuchtungsumgebung, ein PC-System sowie eine Embedded Software für die automatische Bilderfassung und Modellentwicklung. Dieses Setup bildete die Grundlage für die Vorhersage der räumlichen Verteilung von Probeneigenschaften im ASI-System in Echtzeit.

Kombination von VNIR- und NIR-Kameras

Überblick über den Aufbau des All-In-One Spectral Imaging (ASI) und den Arbeitsablauf bei der Analyse von Kiwi-Früchten.

© Wageningen University & Research

Das menschliche Auge und herkömmliche Bildverarbeitungskameras haben eine Empfindlichkeit für Wellenlängen zwischen 380 und 760 nm. Da sie auf diesen Bereich beschränkt sind, kann es schwierig sein, die mit der Fruchtreife verbundenen chemischen Parameter wie die Feuchtigkeit und den löslichen Feststoffgehalt zu erkennen. Im Gegensatz dazu ermöglicht der erweiterte Wellenlängenbereich von Hyperspektralkameras die Vorhersage dieser Parameter. Um die Leistungsfähigkeit des ASI-Systems zu demonstrieren, führte das WUR beispielhafte Vorhersagen von Fruchteigenschaften für eine Vielzahl von Obstsorten wie Trauben, Kirschen, Birnen und Kiwis durch.

Das erste realisierte System verwendete eine Hyperspektralkamera des Typs ‚Specim FX10‘, die im sichtbaren und nahen Infrarotbereich (VNIR) von 400 bis 1000 nm arbeitet. Mit diesem Setup ließen sich der Zuckergehalt und einige andere Merkmale der Früchte überprüfen. Letztlich wollte das WUR aber höhere Anforderungen erfüllen, um detailliertere Informationen mit höherer Qualität zu erfassen, die in der Lage sein sollten, beispielsweise Fleisch und andere Lebensmittel zuverlässig zu analysieren. Dies gelang den Entwicklern, indem sie das System um eine InGaAs-basierte ‚Specim FX17‘ Nahinfrarot (NIR)-Hyperspektralkamera ergänzten, die den Wellenlängenbereich von 900 bis 1700 nm abdeckt. Die beiden Kameras ergänzen sich vor allem bei der Messung von Proben mit hohem Feuchtigkeitsgehalt, wie zum Beispiel bei frischem Obst: So hat sich etwa bei frischem Obst gezeigt, dass aufgrund des geringen Wasserabsorptionskoeffizienten der Wassermoleküle im Spektralbereich von 400 bis 1000 nm die Eindringtiefe des VNIR-Lichts höher ist, wodurch mehr Informationen über die Eigenschaften unter der Objektoberfläche erfasst werden können. Im Bereich von 900 bis 1700 nm ist der Wasserabsorptionskoeffizient von Wassermolekülen hoch, was eine bessere Vorhersage der Oberflächenfeuchtigkeit in den Proben ermöglicht.

Hinsichtlich der Aufnahmegeschwindigkeit ist die Specim FX17-Kamera sehr flexibel, da sie die Möglichkeit bietet, nur einen Teil der verfügbaren 224 Wellenlängenbänder auszuwählen sowie auszuwerten und dabei nur die Wellenlängen zu verwenden, die für die aktuelle Anwendung relevante Informationen liefern. Durch die Reduzierung der Anzahl der beobachteten Wellenlängen kann die Standard-Aufnahmegeschwindigkeit der Kamera von 670 Zeilen pro Sekunde bei Nutzung aller 224 Wellenlängenbänder auf mehrere tausend Zeilen pro Sekunde gesteigert werden, wenn man sich auf einige wenige Wellenlängenbänder konzentriert. Diese Eigenschaft wird als Multi Region of Interest (MROI) bezeichnet. Sie ist bei beiden Kameras verfügbar und bietet Nutzern Flexibilität in Bezug auf die Geschwindigkeit, ohne dass die Genauigkeit eingeschränkt wird. Darüber hinaus reduziert MROI die Datenmenge und erleichtert so die Verarbeitung und Speicherung der Daten. Die gemeinsame Verwendung der Kameras in einem System ermöglicht Qualitätsprüfungen im gesamten Wellenlängenbereich von 400 bis 1700 nm.

Zuverlässige Analyse von Frischwaren

Nach Angaben des WUR hat das All-in-One-System für die spektrale Bildverarbeitung die Anforderungen der Ent-wickler an die Vorhersage des Feuchtigkeits- und Löslichkeitsgehalts in frischen Früchten erfüllt. Bei einem Vergleich der Leistung dieses Systems mit kommerziellen Punktspektrometer-Systemen, die häufig für NIR-Analysen verwendet werden, erreichte das ASI-System eine ähnliche Leistung wie diese seit langer Zeit etablierte Technologie.

Ein wesentlicher Unterschied der ASI-Entwicklung im Vergleich zu Punktspektrometern besteht darin, dass sie die Untersuchung räumlich verteilter Eigenschaften ermöglicht, da die Hyperspektralkameras umfangreiche räumliche Informationen erfassen. Darüber hinaus ermöglicht der ASI-Aufbau die Wiederverwendung bestehender Spektraldaten und -modelle, die zuvor in Laborexperimenten gewonnen wurden. Dies eröffnet neue Möglichkeiten für eine breitere Nutzung der Spektralsensorik, da Modelle und Daten von verschiedenen Nutzern der Spektroskopie gemeinsam verwendet werden können.

Die Autorin: Minna Törmälä ist Global Marketing Manager bei Specim in Finnland.

© Specim

Darüber hinaus ist ASI ein vollständig mobiles System, das zu den Proben gebracht werden kann, anstatt die Proben ins Labor zu transportieren. In vielen Anwendungsfällen ist dies ein großer Vorteil gegenüber herkömmlichen Technologien. Und nicht zuletzt dauert es weniger als 40 Sekunden, bis die Ergebnisse vorliegen. In der Vergangenheit musste man unter Umständen mehrere Tage auf die Ergebnisse einer Feuchtigkeitsanalyse warten.

WUR verwendet das ASI-System bereits für Experimente mit allen Arten von Lebensmitteln. Aufgrund der guten Portabilität des Geräts kann es sogar für Projekte wie die Untersuchung von Fisch auf Booten direkt nach dem Fang eingesetzt werden.