Производители колбас и мясных полуфабрикатов ежегодно теряют от $200 млн до $1,65 млрд из-за нарушения стабильности мясных эмульсий ещё до термической обработки. Потери при варке в среднем достигают 2,6%, в основном из-за неправильного содержания или распределения влаги в сырье. Новая технология, разработанная в Южной Корее, позволит контролировать эти параметры в реальном времени.
Учёные из Национального университета Чунгнам в Тэджоне совместно с коллегой из индонезийского Университета Гаджа Мада предложили использовать гиперспектральную камеру, работающую в коротковолновом инфракрасном диапазоне (SWIR). Система сканирует мясной фарш на длинах волн от 1000 до 1700 нанометров, где вода, жир и белок имеют отчётливые спектральные характеристики. Алгоритмы машинного обучения анализируют полученные данные и всего за 20 секунд строят точную карту распределения влаги в образце.
Для проверки метода исследователи приготовили 84 образца свиного фарша с тремя разными соотношениями постного мяса и жира. Каждую партию вымешивали от одной до пятнадцати минут. Результаты, полученные с помощью камеры, сравнивали с показателями стандартного арбитражного метода – высушивания образцов в печи при 105 °C в течение 24 часов.
Эксперимент подтвердил, что технология точно определяет влажность и однородность эмульсии. Камера зафиксировала, как по мере вымешивания фарш становится гомогенным, а карта влажности – равномерной. Наиболее точные прогнозы дала модель Elastic Net, применённая к необработанным спектральным данным, что упрощает внедрение системы на производстве, поскольку не требует предварительной сложной калибровки.
Разработка позволяет заменить длительный лабораторный анализ, который к тому же требует уничтожения образца, быстрым и бесконтактным сканированием непосредственно на конвейере. Это открывает возможности для автоматического управления процессом смешивания, снижает производственные потери и повышает стабильность качества готовой продукции. Технология может стать важным элементом для создания «умных» пищевых производств.
Авторы исследования отмечают, что система пока испытана только в лабораторных условиях на ограниченном количестве образцов. Для промышленного внедрения потребуется дополнительная проверка технологии в реальных заводских цехах и адаптация моделей под конкретные производственные линии.