El proyecto de I+D que el centro tecnológico AINIA desarrolla en colaboración con el Instituto de Tecnología Cerámica (ITC) y seis empresas valencianas, denominado OPTI2 ha concretado varios prototipos desarrollados con sensores ópticos avanzados, para mejorar la calidad de frutos secos y snacks.
Los especialistas de AINIA, centro tecnológico español, llevan años investigando y experimentado con técnicas de visión y espectroscopia aplicadas al control de calidad.
El proyecto OPTI2, que desarrollan en colaboración con el ITC y seis empresas de la Comunitat Valenciana, ha dado un salto cualitativo sustancial, permitiendo desarrollar varios prototipos de experimentación con sensores ópticos avanzados, basados en sensores MEMS (microelectromecánicos), cámaras espectrales y equipos de terahercio. Estos obtienen información física y/o química de los productos durante su proceso de elaboración. De este modo, se pueden identificar anomalías en el producto o en el proceso en tiempo real para corregirlas rápidamente.
Los preprototipos tienen aplicación en el sector agroalimentario, han sido testeados con éxito y pueden permitir reducir las mermas de producto y sus costos asociados. En el caso de los alimentos, han trabajado con frutos secos como almendras y pistachos, entre otros y en maíz fresco.
Las empresas están cada vez más concentradas en la detección y eliminación de materias extrañas que puedan aparecer en la materia prima que pueden ser restos de vegetales, plásticos o insectos.
La aplicación de tecnologías ópticas que obtengan la huella espectral permite desarrollar modelos predictivos que detectan la presencia de estas materias en las líneas de producción de forma rápida, lo que permite eliminarlas del proceso de manera automática y en tiempo real.
Por otra parte, mediante el empleo de la huella espectral, también es posible estimar en tiempo real indicadores de calidad o clasificar el producto en función de la concentración de compuestos químicos o parámetros de composición, como el contenido de grasa en snacks, por ejemplo, para diferenciar un producto normal de uno bajo en grasa.
Fuente: agromeat.com
