Hyperspektrikameran käyttöönotto ja testaaminen Seinäjoen ammattikorkeakoululla: Specim IQ -kameran testaaminen naudanliharuokaväärennösten tunnistamisessa
Moisanen, Suvi (2023)
Moisanen, Suvi
2023
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2023091225707
https://urn.fi/URN:NBN:fi:amk-2023091225707
Tiivistelmä
Hyperspektrikuvantaminen (hyperspectral imaging, HSI) yhdistää kameran ja spektrometrin, jolloin saadaan sekä avaruudellinen että spektrillinen tieto tarkasteltavasta kohteesta. HSI:tä pystytään hyödyntämään laajasti esimerkiksi elintarviketeollisuudessa, maataloudessa, lääketieteessä ja rikostutkinnoissa. Seinäjoen ammattikorkeakoulun (SeAMK) Wise Frami Food -hankkeen kautta lisätään Etelä-Pohjanmaan elintarvikeketjun digitaalisia valmiuksia hyödyntämällä avoimiin lähdekoodeihin perustuvia sovelluksia testaamalla niitä SeAMK:n elintarvikelaboratoriossa Frami Food Labissa. Tämän vuoksi hankkeeseen on hankittu kevyt ja liikuteltava Specim IQ -hyperspektrikamera. Hanke toimii tämän opinnäytetyön toimeksiantajana.
Toiminnallisen opinnäytetyön tavoitteena oli luoda tarvittavat dokumentit ja käyttöohjeet hyperspektrikameran käyttämiseen Frami Food Labissa. Lisäksi kuvaamisella oli tarkoitus testata, voiko kameraa hyödyntää naudan ja hevosenlihan erottamiseen ruokaväärennöstapauksessa. Lisääntyneestä valvonnasta huolimatta ruokaväärennökset aiheuttavat vuosittain arviolta 8–12 miljardin euron kustannukset EU:n alueella. Nopea, ei-invasiivinen menetelmä, jolla pystytään helposti varmistamaan esimerkiksi jauhelihanpihviin käytetty liha edesauttaisi ruokahuijausten paljastamisessa. Hyperspektrikuvantamisesta ruokaväärennösten havaitsemisessa on tehty tutkimusta, mutta valmistajalta saadun tiedon mukaan Specim IQ -kameraa ei ole tiettävästi hyödynnetty tämän kaltaisessa käytössä.
Opinnäytetyön tuloksena esitettiin suomenkieliset Specim IQ -käyttöohjeet sekä laiteluettelo toimeksiantajalle. Case-tutkimuksena testattiin hyperspektrikameraa kuvaamalla tuoretta puhdasta naudan ja hevosenlihaa sekä niiden eri sekoituksia. IQ-kameralla kuvaaminen havaittiin helpoksi ja nopeaksi, eikä sen käyttäminen vaadi syvällistä ymmärrystä spektrometriasta. IQ-kameran hyödyntäminen lihalaadun tunnistamiseen vaati sovelluksen luomista, mutta sovellusta ei saatu testauksessa toimimaan. Testaamiseen ja kirjallisuuskatsaukseen perustuen voidaan todeta, että Specim IQ -kameran käyttö lihaväärennösten paljastamisessa vaatii huomattavan datamäärän hankkimista ja applikaatioiden luomista, jotta kuvaustulokset ovat luotettavia ja yleiseen käyttöön sovellettavia.
Toiminnallisen opinnäytetyön tavoitteena oli luoda tarvittavat dokumentit ja käyttöohjeet hyperspektrikameran käyttämiseen Frami Food Labissa. Lisäksi kuvaamisella oli tarkoitus testata, voiko kameraa hyödyntää naudan ja hevosenlihan erottamiseen ruokaväärennöstapauksessa. Lisääntyneestä valvonnasta huolimatta ruokaväärennökset aiheuttavat vuosittain arviolta 8–12 miljardin euron kustannukset EU:n alueella. Nopea, ei-invasiivinen menetelmä, jolla pystytään helposti varmistamaan esimerkiksi jauhelihanpihviin käytetty liha edesauttaisi ruokahuijausten paljastamisessa. Hyperspektrikuvantamisesta ruokaväärennösten havaitsemisessa on tehty tutkimusta, mutta valmistajalta saadun tiedon mukaan Specim IQ -kameraa ei ole tiettävästi hyödynnetty tämän kaltaisessa käytössä.
Opinnäytetyön tuloksena esitettiin suomenkieliset Specim IQ -käyttöohjeet sekä laiteluettelo toimeksiantajalle. Case-tutkimuksena testattiin hyperspektrikameraa kuvaamalla tuoretta puhdasta naudan ja hevosenlihaa sekä niiden eri sekoituksia. IQ-kameralla kuvaaminen havaittiin helpoksi ja nopeaksi, eikä sen käyttäminen vaadi syvällistä ymmärrystä spektrometriasta. IQ-kameran hyödyntäminen lihalaadun tunnistamiseen vaati sovelluksen luomista, mutta sovellusta ei saatu testauksessa toimimaan. Testaamiseen ja kirjallisuuskatsaukseen perustuen voidaan todeta, että Specim IQ -kameran käyttö lihaväärennösten paljastamisessa vaatii huomattavan datamäärän hankkimista ja applikaatioiden luomista, jotta kuvaustulokset ovat luotettavia ja yleiseen käyttöön sovellettavia.