Herramientas de fot�nica promueven la innovaci�n en la industria alimentaria
Redacci�n Interempresas16/04/2021
El proyecto HSI-FOOD (Investigaci�n sobre la aplicabilidad industrial de tecnolog�a fot�nica hiperespectral para la determinaci�n de par�metros de calidad en alimentos) eval�a el encaje de esta tecnolog�a fot�nica dentro del proceso productivo de las empresas, buscando mejoras en el control de calidad de las materias primas y los productos. Como resultado, ha desarrollan modelos matem�ticos predictivos de caracterizaci�n cuantitativa y/o cualitativa de materias primas, productos intermedios o finales.
Impulsado en el marco del programa de apoyo a las Agrupaciones Empresariales Innovadoras (AEI) de 2020, HSI-FOOD ha estado coordinado por el Cl�ster Alimentario de Galicia (Clusaga) y en �l han participado el centro tecnol�gico Anfaco-Cecopesca y las empresas del sector alimentario gallego Freshcut (Galifresh) y Lugar da Veiga. El proyecto, seleccionado entre m�s de 250 candidaturas, cumple con el objetivo de mejorar la competitividad y el avance hacia la f�brica del futuro de la industria alimentaria gallega.
La tecnolog�a hiperespectral detecta par�metros de calidad en materias primas y productos alimentarios.
En este sentido, la Comisi�n Europea seleccion� la fot�nica como una de las tecnolog�as claves para sectores como el de la industria alimentaria. La implementaci�n de estas tecnolog�as, adem�s de mejorar el control de calidad en los alimentos durante los procesos de fabricaci�n, permite automatizar los procesos de inspecci�n y reducir las mermas de producto y posibles incidencias. Adem�s, gracias a la automatizaci�n de los procesos, se consigue una reducci�n de los costes de consumo de energ�a. Todos estos factores convierten esta tecnolog�a en una palanca clave para la transformaci�n hacia el entorno Industria 4.0.
Imagen hiperespectral.
HSI-FOOD ha permitido utilizar un prototipo de c�mara hiperespectral para realizar mediciones de los par�metros de mayor inter�s en una serie de matrices alimentarias determinadas y, as�, encontrar correlaciones efectivas en los procesos industriales. Adem�s, ha implementado t�cnicas de machine learning y sistemas de procesado computacional intensivo, que han permitido el desarrollo de modelos matem�ticos predictivos de caracterizaci�n cuantitativa nutricional o cuantitativa de materias primas, producto intermedio o final sobre el proceso productivo.