I ricercatori dell’Università dell’Australia Meridionale (UniSA) hanno sviluppato la prima tecnica automatizzata al mondo per classificare la qualità delle mandorle e contemporaneamente rilevare contaminazioni da micotossine potenzialmente gravi nei semi.
Nella campagna 2019/20, il raccolto di mandorle australiano ha registrato un valore di poco più di 1 miliardo di dollari. Nei prossimi anni, il valore del settore dovrebbe raggiungere 1,5 miliardi di dollari, considerato che le condizioni di coltivazione delle mandorle australiane sono tra le migliori al mondo.
Dato che l'industria locale esporta in più di 50 nazioni, è fondamentale classificare in modo accurato e omogeneo le mandorle per far sì che i mercati internazionali si fidino del prodotto australiano.
Tradizionalmente, le mandorle vengono classificate manualmente, con campioni prelevati ogni ora dalle linee di produzione per verificare la consistenza dell'aspetto, eventuali scheggiature e graffi, duplicazioni anomale, danni da insetti, muffe e altri difetti.
Ma questo processo è laborioso, lento e soggettivo, e può portare a una classificazione imprecisa e disomogenea, in particolare da una stagione all’altra, a causa dell’avvicendamento del personale.
In collaborazione con il partner industriale SureNut, i ricercatori di UniSA hanno sviluppato una macchina che migliora notevolmente la precisione nella classificazione delle mandorle, oltre a rilevare contaminanti comuni potenzialmente fatali nei semi di mandorle.
Finanziato attraverso il programma Cooperative Research Centers Projects, un team di ricerca guidato dal professore associato Sang-Heon Lee ha combinato due fotocamere ad alta definizione e una fotocamera iperspettrale e ha sviluppato appositi algoritmi di intelligenza artificiale per creare un sistema in grado di esaminare la qualità delle mandorle in modo molto più dettagliato, rispetto all'umano occhio.
Il sistema può valutare accuratamente difetti esterni come scheggiature e graffi, e rilevare contaminanti nocivi, inclusa la presenza di aflatossina B1, un potente cancerogeno che può essere coinvolto in oltre il 20% dei casi globali di cancro al fegato.
"L'obiettivo che volevamo raggiungere con questa innovazione non era semplicemente replicare ciò che un essere umano è in grado di fare, ma andare oltre", afferma Lee.
"Quindi, per quanto riguarda l'aspetto esterno, questa macchina è in grado di rilevare i difetti in modo più rapido e accurato rispetto alla classificazione manuale e, utilizzando due telecamere ad alta definizione e una superficie di visualizzazione trasparente, può anche visualizzare contemporaneamente entrambi i lati della mandorla".
Se questa funzionalità visiva da sola colloca il sistema SureNut al primo posto nell'innovazione in questo settore, l'aggiunta della telecamera iperspettrale per il rilevamento della contaminazione, è una novità mondiale rivoluzionaria.
I ricercatori di ingegneria di UniSA, Wilmer Ariza e Gayatri Mishra, hanno sviluppato il sistema iperspettrale utilizzato sulla macchina SureNut, e Ariza dice che le mandorle hanno rappresentato una sfida tecnologica unica.
"Anche se altri ricercatori ci hanno provato, siamo il primo team a utilizzare con successo l’immagine iperspettrale con le mandorle", dice Ariza.
"Alcune caratteristiche dei semi di questo frutto a guscio - che teniamo segrete - hanno reso il processo estremamente difficile, ma l'abbiamo superato e ora possiamo fornire delle analisi estremamente accurate, utilizzando l’immagine iperspettrale".
Per maggiori informazioni:
Dan Lander
University of South Australia
+61 0408 882 809
dan.lander@unisa.edu.au