X-FAST GG3 8 MAART SVZ RIJKEVORSEL

Transcriptie

1 X-FAST GG3 8 MAART SVZ RIJKEVORSEL

2 AGENDA ONDERWERP UUR ONTHAAL MET KOFFIE 11:00 11:15 1 VERWELKOMING & KORTE VOORSTELLING AANWEZIGEN (ALLEN) 11:15 11:30 OVERLOPEN AGENDA 2 VOORSTELLING GASTHEER 11:30 11:45 3 TOELICHTING BIJ ONDERZOEK EN WERKPLAN (MEBIOS) +VRAGEN DEEL1 11:45 12:30 INLINE X_RAY APPLICATIONS (MATTIAS VAN DAEL) MICROSTRUCTURE ANALYSIS OF CHOCOLATES (HAFIZUR BHUIYAN) LUNCH 12:30 13:00 4 TOELICHTING BIJ ONDERZOEK EN WERKPLAN (MEBIOS) + VRAGEN DEEL 2 13:00 14:00 WORKSHOP X-RAY IMAGE PROCESSING (ZI WANG) 5 FEEDBACK & VERWACHTINGEN VAN DE BEDRIJVEN (ALLEN) 14:00 14:30 TOELICHTING PROJECTBAROMETER 6 PROJECT & FLANDERS FOOD NIEUWS (FF) 14:30 14:45 7 DATUM VOLGENDE VERGADERING (ALLEN) - CONCLUSIES & ACTIES (V) 14:45 15:00 8 BEDRIJFSBEZOEK 15:00 16:00

3 DEELNEMERS 3

6 Interne kwaliteit van poreuze levensmiddelen: X- stralentomografie toegepast op product en proces Mattias van Dael, Hafizur Bhuiyan, Zi Wang, Pieter Verboven

7 X-FAST doelstellingen Product- en procesontwikkeling: o ontwikkelen van een testfaciliteit voor microstructuuranalyse met X-stralentomografie o onderzoeken van de relatie tussen structuur en sensorische of functionele eigenschappen Online niet-destructieve kwaliteitscontrole: o o online meetmethode van de interne samenstelling en dimensies detectie van defecten en vreemde voorwerpen

8 Praktische aanpak Is de microstructuur, het defect of het vreemd voorwerp meetbaar met X-stralen? Is dit accurater/sneller/gemakkelijker/betrouwbaarder dan met een andere methode? Zijn er structurele verschillen op basis van een verschillende samenstelling of bereidingswijze? Zijn deze structuurverschillen bepalend voor de beoogde producteigenschappen? Kan dit op een kostefficiënte manier worden geïmplementeerd in de productontwikkeling of kwaliteitscontrole?

9 X-FAST Werkplan WP1. Microstructuur 1.1 Cases 1.2 X-stralentomografie 1.3 Analyse 1.4 Adviezen Mijlpalen M1.1 M1.2 M1.3 WP2. Online inspectie 2.1 Cases 2.2 X-stralen inspectie 2.3 Analyse 2.4 Adviezen Mijlpalen M2.1 M2.2 M2.3

10 Inline inspection methods Mattias van Dael March 2017

11 Methods Radiography (2D) Multisensor inspection (3D+2D) 3D reconstruction from limited data

12 Inspection on radiographs

13 van Dael, M., Lebotsa, S., Herremans, E., Verboven, P., Sijbers, J., Opara, U.L., Cronje, P.J., Nicolaï, B.M., A segmentation and classification algorithm for online detection of internal disorders in citrus using X-ray radiographs. Postharvest Biol. Technol. 112, doi: /j.postharvbio

14

15 Measured Measured Inspection on radiographs 1 knn classifier Predicted unaffected affected unaffected affected Orange clean Orange noise unaffected 78.4 % 0.3 % 76.3 % 3.5 % affected 5.9 % 15.5 % 6.4 % 13.9 % Classification accuracy: 93.9 % Classification accuracy: 90.1 % Lemon clean Lemon noise unaffected 74.7 % 2.7 % 70.7 % 10.7 % affected 4.5 % 18.1 % 9.6 % 9.1 % Classification accuracy: 92.8 % Classification accuracy: 79.7 % 1 Naive Bayesian classifier Predicted unaffected affected unaffected affected Orange clean Orange noise unaffected 75.5 % 2.1 % 78.4 % 1.3 % affected 2.1 % 20.3 % 4.3 % 16 % Classification success: 95.7 % Classification success: 94.4 % Lemon clean Lemon noise unaffected 79.2 % 1.9 % 76.8 % 4.5 % affected 5.1 % 14.4 % 10.1 % 8.5 % Classification accuracy: 93.6 % Classification accuracy: 85.3 % van Dael, M., Lebotsa, S., Herremans, E., Verboven, P., Sijbers, J., Opara, U.L., Cronje, P.J., Nicolaï, B.M., A segmentation and classification algorithm for online detection of internal disorders in citrus using X-ray radiographs. Postharvest Biol. Technol. 112, doi: /j.postharvbio

16 Multisensor inspection

17 Storage: 8/11/ /06/2015 T: 1 C O : to 3 % CO 2 : <0.8 % T: 1 C O : to 3 % CO 2 : >5 %

18 26/11/ /01/ /03/ /04/ /06/2015 Optimal Optimal Defect inducing Defect inducing

19

20

21 Statistical shape model PCA on vertex coordinates Linear combinations of mean shape and shape components Component weight Component

22 Fit error (mm) 2 1 0

23 Internal properties: spherical resampling

24

25 Results 26/11/ /01/ /03/ /04/ /06/2015 MSE between scans used to quantify defect development with time Optimal Optimal Defect inducing Defect inducing

26 Results: Multisensor inspection

27 Reconstruction from limited data

28 2. Reconstruction from limited data projections reconstruction

29 SIRT reconstruction projections (N) OK Defect

30 Defect segmentation Basic thresholding

31 Results

32 Conclusions Both methods are suitable, although Multisensor inspection Limited data reconstruction PROS Simple, often existing, hardware Flexible processing PROS 3D information No prior knowledge needed CONS Extensive prior knowledge needed No 3D information CONS More elaborate hardware large sensor & rotation stage Specialized processing

33 Belgian Chocolate Group Chocolate imaging with X-ray CT March 2017

34 Samples Chocolates in boxes o Seashells Standard (4) Creamy vanilla (2) o Crème brûlée (1) o Truffles (2) o Mint medaillons (2) Chocolate bars o Cocoa nibs (1) o Dark orange (1) o Himalayan Salt (2) o Dark 72% o Milk

35 Individual chocolates o Seahorses truffle filling (10)

36 Instrument Siemens Somaton X-ray helical CT Resolution ~ 1 mm High operational speed

37 Seashells (4 packs on top of each other) Box 1 Box 2 Box 3 Box 4 Presence of foreign particle inside chocolate Presence of hollow space Box 2

38 Sea shells (4 packs on top of each others)

39 Crème brûlée No missing Uniform shape Distinct objects

40 Seashells Creamy vanilla (2 packs on top of each other) No missing Cavities

41 Seashells Creamy vanilla

42 Truffles Cracks

43 Mint medaillons Excess materials

44 Mint medaillons

45 Chocolate bar cocoa nibs Nibs visible

46 Chocolate bar dark orange Distinct material

47 Chocolate bar Himalayan salt Non-homogenous

48 Seahorses truffle filling Package & chocolate orientation differ Slightly incomplete filling

49 Instrument Tomohawk CT Resolution 45 um Slower imaging

50 Chocolate b Presence of cracks

51 Chocolate e Presence of cracks

52 Chocolate d Presence of cracks

53 Conclusions Internal structures of chocolate visible o Filling of different density o Added materials (cocoa nibs, salt, orange pieces) Defects o o o o Air spaces (incomplete filling) Cracks Excess material outside chocolate High density particles inside chocolate

56 GEBRUIKERSPOLL AIO Bevraging na elke GG Korte vragenlijst per Automatisch gekoppeld aan aanwezigheid Gebruiksvriendelijk, vergt weinig tijd Resultaten anoniem naar projectcoördinator Bespreking resultaten op volgende GG Response rate belangrijk ikv projectevaluatie 56

57 GEBRUIKERSPOLL AIO 57

60 TERUGBLIK & VOORUITBLIK 60

62 PROJECT EN FF NIEUWS i-fast Opleiding & workshop NIR: van meting naar betrouwbaar resultaat 30 maart 2017, thermotechnisch instituut KU Leuven Interactieve training Experimenteel ontwerp DOE beter dan train & error! 28 augustus, KU Leuven

63 PROJECT EN FF NIEUWS i-fast Hallo Technologie editie Eindhoven 25 april Holst center Sensoren, senornetwerken, flexible electronics, vertical farming (Phillips) FF Inspiration days september, Hof ter Elst Edegem

65 VOLGENDE GG Datum: Te bepalen via doodle -> voorstel februari -maart GG: om de zes maanden tenzij anders beslist door deelnemers Locatie: Bij KI of deelnemend bedrijf Inclusief bedrijfsbezoek? 65

66 X-FAST GG3 8 MAART SVZ RIJKEVORSEL