Detección automática de huevos defectuosos

Artículos

Detección automática de huevos defectuosos

25 February 2013

Investigadores han conseguido detectar, a través del análisis de imágenes digitales tomadas en oportunas longitudes de onda, huevos de gallina defectuosos no aptos para la venta.

Los investigadores, pertenecientes a la Escuela Técnica Superior de Ingenieros Agrónomos de la Universidad Politécnica de Madrid (UPM) y a la Facultad de Scienze Agrarie e Ambientali de la Università degli Studi di Milano, han desarrollado un sistema que detecta automáticamente los huevos de gallina con cáscara defectuosa para adaptarlo a una máquina de clasificación en línea.

La automatización del proceso de clasificación podría ayudar a controlar los costos, a reducir la carga de trabajo de los operadores y, sobre todo, a mejorar la calidad del producto.

Ejemplos de imágenes monocromáticas de cáscaras de huevos defectuosos (izq) y de las mismas imágenes segmentadas (der), donde es posible apreciar los defectos.
Fuente: Loredana Lunadei.

La presencia de huevos de gallina con cáscara defectuosa, con manchas de residuos orgánicos o grietas, constituye uno de los mayores problemas que pueden afectar a los productores y a los distribuidores de huevos de consumo, ya que, si la cáscara presenta defectos superficiales, el producto pierde calidad.

Un producto de baja calidad no solo comporta consecuencias económicas negativas sino que puede causar una pérdida de confianza del consumidor. Además, los residuos que pueden encontrarse en la superficie externa de los huevos constituyen un riesgo de contaminación microbiológica que puede acarrear problemas de carácter higiénico-sanitario.

Por tanto, es esencial que en la industria avícola la incidencia de huevos defectuosos en el proceso de producción y en la fase de comercialización sea la más baja posible. Los productores deben ser capaces de detectar y separar rápidamente de la línea los huevos defectuosos.

Clasificación de huevo

En Europa el proceso de producción de los huevos de aves destinados al consumo humano tiene tres etapas: recolección, clasificación y envasado. Si bien en los últimos años la fase de recolección y el envasado se han automatizado en gran parte, la fase de clasificación, durante la cual los huevos son clasificados e inspeccionados para detectar eventuales defectos, todavía se hace de forma manual.

Los investigadores autores de este estudio han desarrollado un sistema “off-line” de clasificación de huevos de gallina para detectar automáticamente los huevos con cáscara defectuosa (cáscara con residuos de heces, sangre, plumas, etc.) con el fin último de adaptar el sistema a una máquina de clasificación en línea.

El sistema está constituido por un dispositivo de visión artificial que emplea un algoritmo basado en una combinación de imágenes digitales tomadas en apropiadas longitudes de onda (del rojo y del azul). A través del algoritmo propuesto se han segmentado las imágenes de las muestras analizadas (n =384), obteniendo, en el caso de huevos con cáscara defectuosa, una imagen binaria en grado de evidenciar los defectos presentes en la superficie del huevo.

Sobre la base de las características geométricas de las manchas detectadas (área en píxeles), el sistema pudo clasificar correctamente el 98% de las muestras (clasificación interna) con un tiempo de procesamiento muy bajo (0,05 segundos). La robustez de la clasificación propuesta se confirmó gracias a una validación externa de un segundo conjunto de muestras, obteniendo un alto porcentaje de muestras correctamente clasificadas.

Dado que el sistema emplea un algoritmo basado en dos longitudes de onda (rojo y azul) que, con la verde, constituyen el filtro RGB de una común cámara digital, este método constituye una técnica sencilla, rápida, barata, y no destructiva para la clasificación automática de huevos de consumo y podría ser considerada como un primer importante paso hacia la automatización del entero proceso.

Referencia

Lunadei, L.*; Ruiz-Garcia, L.*; Bodria, L.; Guidetti, R. Automatic Identification of Defects on Eggshell Through a Multispectral Vision System. FOOD AND BIOPROCESS TECHNOLOGY 5 (8): 3042-3050. Nov 2012. (* Estos investigadores, en la fecha de publicación de este artículo, trabajaban en el grupo de investigación LPF-TAGRALIA de la UPM.)

Febrero 2013

Artículos