Viele Lebensmittel wie Fleisch, Käse oder Fertiggerichte weisen einen so genannten Produkteffekt auf. Dieser Produkteffekt entsteht zum Beispiel durch den erhöhten Wasser- oder Salzgehalt der untersuchten Produkte oder durch eine metallische Verpackung. Es kommt zu einer gewissen elektrischen Eigenleitfähigkeit, was die Metalldetektion insofern beeinträchtigt, als dass ein Metallsignal gemeldet wird, obwohl im untersuchten Produkt gar kein Metall vorhanden ist oder umgekehrt, vorhandene Metalle nicht erkannt werden.
Wird für die Untersuchung von schwierigen Produkten die Empfindlichkeit von induktiven Systemen zu hoch eingestellt, kommt es oft zu vielen Fehlauslösungen und dadurch zu Produktionsverlusten. Produktinspektionssysteme auf Röntgenbasis sind eine Alternative, haben aber den Nachteil, dass sie kostenintensiver als Metalldetektoren sind. Technologien, die sowohl hochempfindlich als auch kostenmäßig erschwinglich sind, stellen eine Lösung für diese Herausforderungen dar.
Eine aktuelle Produktentwicklung der Sesotec GmbH ist die Metalldetektion mit künstlicher Intelligenz (KI). Mit der Technologie Think von Sesotec ausgestattete Metalldetektoren nutzen für Lebensmittel, die starke Produkteffekte erzeugen, künstliche Intelligenz, um diese Produkteffekte nahezu komplett auszublenden.
Wie die Technologie entstand
Auf Basis der Situationsanalyse bei Lebensmittelherstellern und -verarbeitern stellte man sich bei Sesotec zwei Fragen: Wie können Fehlauslösungen durch Produkteffekte reduziert werden? Und wie kann die Empfindlichkeit trotz des Produkteffektes erhöht werden?
Nachdem die bekannten Technologien keine Antworten auf diese Fragen geben konnten, fiel der Blick auf Methoden der künstlichen Intelligenz. In Zusammenarbeit mit einer Universität als Forschungspartner wurde der Trend konkret auf die Anwendung im Bereich der Metalldetektion hin untersucht. Drei Vorteile von KI in der Metalldetektion kristallisierten sich heraus:
- Digitalisierung des Produkteffektes
- Fortlaufendes Lernen (Machine-Learning-Ansatz)
- Verbesserung der Empfindlichkeit und Stabilität durch ständiges Lernen neuer Daten
Wie die Technologie funktioniert
Zuerst ein Blick auf die herkömmliche induktive Multi-Simultan-Technologie: Bei der Standard-Metalldetektion mit induktiver Multi-Simultan-Technologie werden mehrere Frequenzen simultan auf das zu untersuchende Produkt angewendet. Jedes Produkt hinterlässt einen „digitalen Fingerabdruck“. Die Metall-Auslöseschwelle wird um diese Punkte herum errechnet und hinterlegt. Alle Signale außerhalb der Schwelle werden als Metall erkannt. Signale innerhalb der Schwelle werden dem Produkteffekt zugeordnet und nicht erkannt.
Beim Einsatz der Think-Technologie werden ebenfalls mehrere Frequenzen simultan auf das zu untersuchende Produkt angewendet. Dadurch, dass mithilfe der KI-Technologie der Produkteffekt enger eingegrenzt werden kann, entstehen mehr Erkennungsschwellen und alle Signale, die außerhalb der Schwellen liegen, werden als Metallfremdkörper erkannt und die Empfindlichkeit wird erheblich erhöht. Fehlauslösungen reduzieren sich, da es mehrere „intelligente“ Schwellen gibt.
Was die Technologie bringt
Die Nutzen, die sich durch die Anwendung der Technologie ergeben, lassen sich auf vier Bereiche zusammenfassen:
- Präzise Metalldetektion
- Konformität mit gesetzlichen Vorschriften und privatwirtschaftlichen Lebensmittelstandards
- Wirtschaftlichkeit
- Zuverlässiger Service
Produkte mit hohen und/oder schwankenden Produkteffekten, wie sie zum Beispiel durch eine metallische Verpackung oder die Einlagerung in Salzlake oder Wasser entstehen, können besser und stabiler untersucht werden. Fehlausschleusungen und die damit verbundene Lebensmittelverschwendung reduzieren sich. Lebensmittelregularien und Standards wie IFS und BRC können zuverlässig eingehalten werden. Außerdem ist die Anschaffung eines Metalldetektors mit der Think-Technologie im Vergleich zu einem Röntgengerät kostengünstiger.
Anwendungsbeispiel: Metallverunreinigungen bei Kaffee, verpackt in metallisierter Folie
Bei der Anwendung von Metalldetektion mit KI bei Kaffee in metallisierter Folie ist im Vergleich zu Singlefrequenz und herkömmlicher Multifrequenz eine signifikante Verbesserung der Empfindlichkeit festzustellen und zwar in Bezug auf alle Metalle – Eisen, Nicht-Eisen und Edelstahl. Durch das kontinuierliche Lernen wird die Detektionsschwelle immer genauer und verbessert somit nachhaltig die Detektionsgenauigkeit und Stabilität. Fehlauslösungen werden reduziert.
Anwendungsbeispiel: Aluclips in Salamistangen
Salami hat einen hohen Salz- und Fettgehalt. Der Produkteffekt ist dementsprechend hoch. Sollen kleinste Bruchteile von Aluclips in der Salami gefunden werden, reicht die Empfindlichkeit von Standard-Metalldetektoren nicht aus. Metalldetektoren, die mit künstlicher Intelligenz arbeiten, haben speziell bei Aluminium eine bessere Erkennungsgenauigkeit als herkömmliche Metalldetektoren. Das führt bei der Untersuchung von Salamistangen zu weniger Fehlauslösungen, Reklamationen und Produktrückrufen.
Fazit
KI-Algorithmen erhöhen die Stabilität und Erkennungsgenauigkeit in Lebensmittelherstellungsprozessen. Auch in metallisierte Folien verpackte Produkte können mit KI-Metalldetektoren effizient untersucht werden. Die Verschwendung von Lebensmitteln wird reduziert, Richtlinien werden erfüllt und Ressourcen geschont. Die Produktivität und damit Profitabilität erhöhen sich.