skip to main content

红外热成像技术在新鲜食品监控中的应用

在全球分销市场中使用红外热成像技术既可用于产品质量维护,又可用于食品监控,从而可以控制易腐食品(如易腐食品)的临界温度。此外,停电在销售点可能是灾难性的,因此预防性地使用红外热成像技术进行冷冻和新鲜食品监控至关重要。例如,冷藏室的微气候监测可以减少产品过早变质的威胁,从而提高食品安全性和保质期,同时减少能量分散。在红外热成像中,所有参数和变量都会影响对分析有用的辐射测量。一些研究人员已经使用红外热成像方法来监视苹果的加热,其中使用卤素灯作为热源来促进“热读数”。研究强调了红外热成像技术还可以不仅用于分析周围环境的温度均匀性,还可以用于分析每种食品的温度均匀性。例如,考虑到非常大的冷藏室,安装多个能够远程控制不同产品的微气候和温度的红外热像仪可能很重要。从工业的角度来看,可以采用红外热成像技术来监视超市的食品环境,从而验证了将新鲜产品的红外热成像分析视为可追溯过程的一部分的想法,从而优化了食品的可追溯性。在仓库路径和货架上的产品分配上,红外热成像技术可以避免温度不均匀,同时检查设备的热扩散。因此,红外热成像技术能够验证热量,异常冷却或温度分布不规则对食品造成的任何损害。


红外热成像机芯

图为新鲜肉的红外热像仪


在红外热成像领域还进行了其他研究,以监测肉和蔬菜的质量,这表明图像处理是每种产品质量的可追溯工具。在图中示出了在实验中使用的肉样品的红外热图像的示例。在红外热成像图像分析领域,数据挖掘可以提供进一步的决策支持系统,以起到食品监控新鲜产品的状态。一个想法可能就是将K-means聚类算法应用于红外热成像图像,以便更好地突出以相同温度为特征的冰箱环境的不同区域(具有相似温度特性的区域的分组),并对每种新鲜产品的损坏区域进行分类。应用于红外热图像的另一种方法是基于人工神经网络-ANN-,能够对不同的缺陷进行分类。

通过定义针对食品损害风险降低的实验证明,将肉类产品放在冰箱环境中一个小时是危险的。该研究还着重于通过K-Means算法增强分析食物的不同温度的聚类来表征食物的局部区域。最后,提供了与距离,视角和技术分辨率有关的温度记录图采集的其他方面。通过同时实时检查食品质量和保护环境温度,可以采用建议的方法将新鲜食品控制在市场中。



Top