Refine
Document Type
- Doctoral Thesis (3)
Language
- German (3) (remove)
Keywords
- Apfel (1)
- Feuchtigkeitsmessung (1)
- Lebensmittel (1)
- Lebensmittelqualität (1)
- Maschinelles Lernen (1)
- Messtechnik (1)
- Oberflächenprüfung (1)
- Produkteigenschaft (1)
- Trocknung (2)
Institute
Zur Erfassung von Veränderungen der Produkteigenschaften während der Trocknung von Lebensmitteln werden zerstörungsfreie Qualitätsmesstechniken gefordert, mit denen Veränderungen im Inneren des Produkts bestimmt werden können. Gerade im industriellen Einsatz sind schnelle, präzise, und gleichzeitig robuste Verfahren besonders wichtig, um qualitativ hochwertige Produkte zu erhalten.
In dieser Arbeit wurde zur optischen Qualitätsmessung ein neuartiges multispektrales Kamerasystem eingesetzt, um von Veränderungen der spektralen Oberflächenreflexion bei der Mango- und Ananastrocknung mit Veränderungen der Produktfeuchte, sowie mechanischen und chemischen Eigenschaften zu verknüpfen. Diese Verknüpfung wurde mit maschinellem Lernen erreicht.
In einem ersten Schritt wurde ein neues Kameraprinzip, eine multispektrale Flächenkamera mit vier Objektiven und Vorsatzfiltern, entwickelt und speziell auf den Einsatz in der Obsttrocknung angepasst. Anschließend wurden die Änderungen der Spektren und der Qualitätskriterien während der Trocknung gemessen. Dazu wurden Mango- und Ananasscheiben in einem Einzelschichttrockner bei Lufttemperaturen zwischen 40 °C und 80 °C und relativen Luftfeuchtigkeiten von 5 % bis 30 % getrocknet. Während der gesamten Trocknungsdauer wurde die Produktfeuchte der Proben gemessen, und Bilder mit der multispektralen Flächenkamera aufgenommen. Zur Analysen von nur ausgewählten Bereichen von Interesse in den Bildern wurde ein Softwarefilter entwickelt. Aus Spektraldaten und Prozessdaten konnte mit Algorithmen des maschinellen Lernens die Produktfeuchte zu jedem Zeitpunkt sehr genau vorhergesagt werden (Bestimmtheitsmaß R² von 0,98 bis 0,99). Die Kombination aus dem Prinzip der multispektralen Flächenkamera und maschinellem Lernen wurde in einem anderen Trocknungsprozess und mit weiteren Qualitätskriterien getestet. Dafür wurden Mangoscheiben in einem Schranktrockner getrocknet und deren Produkteigenschaften anhand der Spektraldaten und der Prozessdaten vorhergesagt. Bei der Vorhersage der Farbwerte Δa*, Δb* und ΔE00 sowie des Gehalts an gesamtlöslichen Feststoffen im Rehydrierungswasser wurden Bestimmtheitsmaße R² zwischen 0,56 und 0,94 erzielt).
Es konnte gezeigt werden, dass die Kombination aus dem neu entwickelten Multispektralkamerasystem und maschinellem Lernen zur Vorhersage der Produktfeuchte und anderer Qualitätskriterien der Produkte eingesetzt werden kann. Auf diese Weise können Qualitätsänderungen während des Prozesses mit nur wenigen Messgeräten inline überwacht werden.
Bei der Auslegung von Trocknungsprozessen empfindlicher biologischer Güter spielt die Produktqualität eine zunehmend wichtige Rolle. Obwohl der Einfluss der Trocknungsparameter auf die Trocknungskinetik von Äpfeln bereits Gegenstand vieler Studien war, sind die Auswirkungen auf die Produktqualität bisher kaum bekannt. Die Untersuchung dieses Sachverhalts und die Entwicklung geeigneter Prozessstrategien zur Verbesserung der Qualität des resultierenden Produkts, waren das Ziel der vorliegenden Arbeit. In einem ersten Schritt wurden zunächst umfangreiche stationäre Grundlagenversuche durchgeführt, die zeigten, dass eine Lufttemperatur im höheren Bereich, eine möglichst hohe Luftgeschwindigkeit und eine niedrige Taupunkttemperatur zur geringsten Trocknungszeit bei gleichzeitig guter optischer Qualität führt. Die Beurteilung dieser Qualitätsveränderungen erfolgte mit Hilfe einer neu eingeführten Bezugsgröße, der kumulierten thermischen Belastung, die durch das zeitliche Integral über der Oberflächentemperatur repräsentiert wird und die Vergleichbarkeit der Versuchsergebnisse entscheidend verbessert. Im zweiten Schritt wurden die Ergebnisse der Einzelschichtversuche zur Aufstellung eines numerischen Simulationsmodells verwendet, welches sowohl die entsprechenden Transportvorgänge, als auch die Formveränderung des Trocknungsgutes berücksichtigt. Das Simulationsmodell sowie die experimentellen Daten waren die Grundlage zur anschließenden Entwicklung von Prozessstrategien für die konvektive Trocknung von Äpfeln, die die resultierende Produktqualität, repräsentiert durch die Produktfarbe und –form, verbessern und gleichzeitig möglichst energieeffizient sein sollten. In einem weiteren Schritt wurde die Übertragbarkeit auf den industriellen Maßstab untersucht, wobei die entsprechenden Prozessstrategien an einer neu entwickelten, kostengünstigen Trocknungsanlage erfolgreich implementiert werden konnten. Das Ziel einer verbesserten Produktqualität konnte mit Hilfe unterschiedlicher instationärer Trocknungsschemata sowohl am Einzelschichttrockner, als auch im größeren Maßstab erreicht werden. Das vorgestellte numerische Simulationsmodell zeigte auch bei der Vorhersage des instationären Trocknungsprozesses eine hohe Genauigkeit und war außerdem in der Lage, den Trocknungsverlauf im industriellen Maßstab zuverlässig voraus zu berechnen.
Untersuchung und Darstellung der Qualitätsveränderung von Agrarprodukten während der Trocknung
(2019)
Das Ziel der Arbeit war es optimale Trocknungsprozesse für verschiedene Agrarprodukte zu finden. Dazu wurden die Qualitätskriterien frischer und getrockneter Agrarprodukte analysiert und die Veränderungen durch die unterschiedlichen Trocknungsparameter, wie Luftgeschwindigkeit, Taupunkttemperatur, Trocknungstemperatur und –zeit dargestellt. In einer Literaturrecherche wurden sowohl die Faktoren für die Nachernteverluste und deren Höhe in Industrie- sowie Schwellen- und Entwicklungsländer untersucht. Zudem sind die Agrarprodukte und deren qualitätsbestimmenden Inhaltsstoffe vorgestellt. Auch die Extraktions- sowie die Analyse-Methoden werden aufgezeigt und erklärt. Dabei handelt es sich um die Hochleistungsflüssigkeit- und die Ionenausschlusschromatographie, aber auch um die UV/Vis-Spektroskopie und die Polarimetrie. Des Weiteren wurden während den Trocknungsprozessen mit der integrierten Kamera des Trockners in definierten Zeitabständen Bilder aufgenommen und diese über eine speziell entwickelte Software im Hinblick auf die Farbveränderung und die Schrumpfung der Agrarprodukte untersucht. Die Erstellung und Überprüfung der Versuchsergebnisse fand mittels Statistik-Software statt. Es wurden neue Diagramme, sogenannte Schädigungsdiagramme, eingeführt. Dabei handelt es sich um Diagramme, mit deren Hilfe die Identifizierung optimaler Trocknungsprozesse möglich ist. Für Chilis erwies sich eine Trocknungstemperatur von ~ 60 °C, für Kartoffeln von ~ 64 °C bis 74 °C, für Ananas von ~ 43 °C und Mangos von ~ 60 °C als optimal. Auch Taupunkttemperaturen von ~ <12 °C / >27 °C für Chilis, ~ 30 °C für Kartoffeln, ~ 14 °C für Ananas und ~ 20 °C Mangos waren optimal. Die Luftgeschwindigkeit wurde mit rund 1,2 m/s (Kartoffeln: ~ 1.2 m/s; Ananas: ~ 1.2 m/s und Mangos: ~ 0.9 m/s) als optimal befunden. Die Ergebnisse zeigten, dass bei jedem der vier Agrarprodukte die Trocknungstemperatur den größten Effekt auf die Reduzierung der qualitätsbestimmenden Eigenschaften hatte. Bei-spielsweise wurden die Ascorbinsäure, der Gesamtzucker-Gehalt sowie die organischen Säuren mit zunehmender Trocknungstemperatur stärker abgebaut. In Zukunft sollte neben den optimalen Trocknungsbedingungen auch beachtet werden, dass die Größe, Form, und Beschaffenheit der Proben einen entscheidenden Einfluss auf die stationären Trocknungsprozesse haben. Weiter ist es denkbar, instationäre Trocknungsprozesse zum Einsatz zu bringen. Dabei werden zuerst bei hohen Temperaturen die qualitätsreduzierenden Enzyme inaktiviert und anschließend bei geringen Temperatur und damit geringerer thermischer Belastung getrocknet. Weiter sollte darauf geachtet werden, dass Produkte nicht übertrocknen, so dass in Zukunft nur bis knapp unter den maximalen Restfeuchte-Gehalt und nicht wie in dieser Arbeit bis zur Gewichtskonstanz getrocknet wird.