人工智能食品干燥技术提高了产品质量和效率

食品干燥是保存多种食品的常见过程，包括水果和肉类；然而，干燥会改变食物的质量和营养价值。近年来，研究人员开发了使用光学传感器和人工智能的精密技术，以促进更有效的干燥。伊利诺伊大学厄巴纳-香槟分校的一项新研究讨论了三种新兴的智能干燥技术，为食品工业提供了实用信息。

　　

食品干燥是保存多种食品（包括水果和肉类）的常见过程；然而，干燥会改变食物的质量和营养价值。近年来，研究人员开发了使用光学传感器和人工智能的精密技术，以促进更有效的干燥。伊利诺伊大学厄巴纳-香槟分校的一项新研究讨论了三种新兴的智能干燥技术，为食品工业提供了实用信息。

“使用传统的干燥系统，你需要去除样品来监控过程。但是有了智能干燥或精确干燥，你可以持续实时监控过程，提高准确性和效率，”通讯作者穆罕默德·卡姆鲁扎曼说，他是农业和生物工程系（ABE）的助理教授。

在本文中，研究人员回顾了有关不同类型设备的学术文献，这些设备应用精密技术来增强食品工业的智能干燥能力。

他们重点讨论了三种光学传感系统——RGB成像与计算机视觉、近红外（NIR）光谱和近红外高光谱成像（NIR- hsi）——讨论了每种系统的机制、应用、优势和局限性。他们还提供了标准工业干燥方法的概述，如冷冻干燥，喷雾，微波或热空气烘箱干燥，可以与精密监测技术相结合。

“你可以单独使用这三个传感器，也可以组合使用。你的选择将取决于特定的干燥系统、你的需求和成本效益，”ABE的博士后马库斯·维尼修斯·达·席尔瓦·费雷拉说。

RGB计算机视觉使用一个普通的相机来捕捉具有RGB光谱的可见光。它可以提供有关表面特征的信息，例如尺寸、形状、颜色和缺陷，但它不能测量水分含量。

近红外光谱利用近红外光测量不同波长的吸光度，可与产品独特的化学和物理特性相关联，并可测量水分含量等内部品质。然而，近红外一次扫描一个点。

卡姆鲁扎曼说，这种方法可以应用于单一产品，比如苹果片，至少一开始是这样。

“但随着干燥的进行，材料会因为开裂和弯曲而收缩并变得不均匀。如果你在这个阶段使用近红外，如果你只扫描一个点，你就无法测量干燥速度。”

NIR-HSI是三种技术中最全面的。它扫描产品的整个表面，因此它提供了比单独近红外更精确的干燥速度和其他特征信息，因为它提取了三维空间和光谱信息。然而，NIR-HSI也比其他两种传感器贵得多。该设备的价格是近红外传感器的10 ~ 20倍，是RGB相机的100倍以上。此外，HSI的维护和计算要求要高得多，进一步增加了总成本。

这三种方法必须与人工智能和机器学习相结合来处理信息，并且必须针对每种特定应用对模型进行训练。同样，HSI比其他两个系统需要更多的计算能力，因为它收集了大量的数据。

研究人员还开发了他们自己的干燥系统来测试各种方法。他们建造了一个对流加热烤箱，并对苹果片的干燥技术进行了测试。他们首先将该系统与RGB和NIR结合起来；后来，他们还测试了NIR-HSI系统，他们计划在即将发表的一篇论文中讨论研究结果。

“对于实时监控，RGB成像、近红外光谱传感器和NIR- hsi与人工智能的融合代表了食品干燥的变革未来。整合这些技术克服了传统干燥过程监测的局限性，并推动了实时监测能力。”

他们指出，便携式手持NIR-HSI设备的未来发展将进一步实现干燥系统的连续监测，在各种操作环境中提供实时质量控制。