Bevor es Maschinen gab, wurde die Qualität stets vom Menschen geprüft. Man stelle sich eine Szene vor hundert, zweihundert oder sogar tausend Jahren vor: ein Bauer oder Arbeiter, der an einem Tisch sitzt, Getreide durch die Hände laufen lässt und mit den Augen aussortiert, was aussortiert werden sollte – ein Stein, ein beschädigtes Korn, ein Rest Spelze. Es war eine monotone, augenanstrengende und unglaublich zeitaufwändige Arbeit, aber über Jahrhunderte hinweg die einzig verfügbare Methode zur Qualitätssicherung.

Die manuelle Auslese hatte eine grundlegende Schwäche: Sie war von der menschlichen Wahrnehmung abhängig, und Wahrnehmung ist unbeständig. Müdigkeit, schlechte Beleuchtung und die Monotonie sich wiederholender Bewegungen beeinträchtigten allesamt die Effektivität. Trotzdem hielt sich diese Methode länger als jede andere und funktioniert bis heute in vielen Teilen der Welt, dort, wo der Produktionsumfang eine Investition in Automatisierung nicht rechtfertigt.

Die ersten mechanischen Versuche: Die Kraft der Physik kommt zur Hilfe

Die industrielle Revolution brachte die ersten Versuche zur Mechanisierung der Auslese: Siebe, Rüttler und Schwerkraftseparatoren, die Unterschiede in Gewicht, Dichte und Größe nutzten. Dies war ein enormer Fortschritt in Sachen Effizienz, aber immer noch stark eingeschränkt. Diese Maschinen konnten Großes von Kleinem oder Schweres von Leichtem unterscheiden, hatten aber kein Konzept von Farbe, Oberflächenfehlern oder inneren Schäden. Zudem war weiterhin ein Mensch als letzte Kontrollinstanz nötig.

1947 – Die Geburt der optischen Sortierung

Der Durchbruch kam Mitte des 20. Jahrhunderts, als Ingenieure mit Fotozellen zu experimentieren begannen – einfachen Sensoren, die auf Licht reagierten. Die ersten Geräte dieser Art, hauptsächlich in der Lebensmittelindustrie eingesetzt (z. B. zur Sortierung von Bohnen oder Erbsen), funktionierten nach einem sehr einfachen Prinzip: Sie erkannten den Farbunterschied zwischen einem „guten“ Produkt und einer dunkleren Verunreinigung, worauf ein Luftstrom das unerwünschte Element aus der Linie entfernte.

Dies war der Moment, in dem eine Maschine zum ersten Mal begann, das Produkt „anzusehen“, anstatt nur auf seine Masse oder Größe zu reagieren. Fotozellen waren im Vergleich zu heutigen Systemen primitiv. Sie erkannten hauptsächlich Schwarz-Weiß-Kontraste oder einfache Farbtonunterschiede, öffneten aber konzeptionell die Tür zu allem, was folgte.

Die Ära der Kameras und der digitalen Bildverarbeitung

Die 1980er und 90er Jahre waren eine Zeit, in der die Entwicklung von Elektronik und Informatik den Einsatz echter Kameras in Sortierprozessen ermöglichte. Statt einer einzelnen Fotozelle, die auf einen Parameter reagierte, begannen Maschinen, das gesamte Bild des Produkts zu „sehen“ – seine Farbe, seinen Umriss und seine Oberflächenstruktur. Computer, gemessen an heutigen Maßstäben immer noch rechnerisch begrenzt, konnten bereits Bilder in Echtzeit analysieren und dutzende Mal pro Sekunde Entscheidungen treffen.

In dieser Phase begann die optische Sortierung, der Technologie zu ähneln, die wir heute kennen: Line-Scan-Kameras, Beleuchtung mit spezifischen Eigenschaften und pneumatische Düsen, die Verunreinigungen mit unglaublicher Präzision entfernten. Die Lebensmittelindustrie, die Obst- und Gemüseverarbeitung sowie die Recyclingbranche begannen zu erkennen, dass eine Maschine die Arbeit vieler menschlicher Augenpaare gleichzeitig verrichten konnte, ohne nach einer achtstündigen Schicht die Konzentration zu verlieren.

Sehen jenseits des menschlichen Auges

Der nächste Schritt bestand darin, über das hinauszugehen, was der Mensch sieht. Die Einführung von Kameras, die im Nahinfrarotbereich (NIR) arbeiten, sowie multispektrale und hyperspektrale Technologie ermöglichten es Maschinen, Unterschiede zu erkennen, die für das menschliche Auge unsichtbar sind – wie innere Produktschäden, frühe Schimmelstadien oder Unterschiede in der chemischen Zusammensetzung und Feuchtigkeit. Der Sortierer war nicht mehr nur ein „besseres Auge“, sondern ein Analysewerkzeug, das Informationen lieferte, die zuvor auf keine andere Weise erreichbar waren.

Dies war der Moment, in dem die optische Sortierung aufhörte, mit dem Menschen auf gleicher Ebene zu konkurrieren, und begann, ein völlig neues Kontrollniveau anzubieten – zuvor unerreichbar, unabhängig von der Erfahrung oder Aufmerksamkeit eines Mitarbeiters.

Künstliche Intelligenz und maschinelles Lernen

Die neueste, noch laufende Revolution ist der Einzug von Machine-Learning-Algorithmen. Frühere Systeme arbeiteten nach starr programmierten Regeln: „Wenn das Pixel dunkler als Wert X ist, wird das Objekt ausgeworfen.“ Heutige, auf neuronalen Netzen basierende Systeme „lernen“ aus tausenden Beispielen und erkennen Muster, die zu komplex sind, um mit einer einfachen Regel beschrieben zu werden.

Dadurch kann eine Maschine beispielsweise lernen, eine natürliche, akzeptable Verfärbung von einem Defekt zu unterscheiden, der eine Aussortierung erfordert – ein Unterscheidungsgrad, der zuvor ein erfahrenes menschliches Auge erforderte. Zudem können diese Systeme in Echtzeit trainiert werden und sich an eine wechselnde Rohstoffcharge oder eine neue Art von Verunreinigung anpassen, die zuvor noch nie aufgetreten ist.

Vom Steinesieben zu Entscheidungen im Millisekundenbereich

Betrachtet man diese Geschichte aus der Distanz, zeigt sich eine klare Entwicklungslinie: von der physikalischen Trennung über die einfache Kontrasterkennung bis hin zu intelligenten Systemen, die Bilder in einem für das menschliche Auge unzugänglichen Spektrum analysieren und Entscheidungen mit einer für Menschen unerreichbaren Geschwindigkeit treffen. Jede Phase dieser Entwicklung beantwortete dieselbe Frage, die sich der Bauer beim Durchsieben des Getreides mit den Händen stellte: Wie trennt man das Wertvolle von dem, was nicht weitergehen sollte? Der grundlegende Unterschied ist, dass Maschinen dies schneller, präziser und ohne Ermüdung tun können.

Was als schlichte Notwendigkeit begann, ist heute eines der fortschrittlichsten Felder der industriellen Automatisierung – eine Kombination aus Optik, Elektronik und künstlicher Intelligenz zu einem reibungslos funktionierenden Prozess.

Moderne Technologien im Dienst der optischen Sortierung

Was als einfacher optisch-elektrostatischer Aufbau begann, hat sich über die Jahrzehnte zu immer fortschrittlicheren Systemen entwickelt:

• Farbkameras und Line-Scan-Kameras ersetzten einfache Sensoren und ermöglichen die Erkennung deutlich feinerer Farb- und Texturunterschiede.
• Nahinfrarot-Technologie (NIR) ermöglicht es Maschinen, unter die Oberfläche des Produkts zu „blicken“, um Feuchtigkeit, chemische Zusammensetzung oder für das bloße Auge unsichtbare Schäden zu erkennen.
• Hyperspektralkameras erweiterten den Erfassungsbereich auf Dutzende oder sogar Hunderte von Lichtbändern gleichzeitig.
• Magnetschwebe-Auswerfer – neben den Kameras zählt auch der Auswurf selbst. Moderne Luftsysteme entfernen fehlerhafte Partikel präzise aus dem Strom, ohne gutes Material zu verschwenden.
• Künstliche Intelligenz und maschinelles Lernen, vorhanden in den neuesten Generationen von Sortierern, ermöglichen es der Maschine, selbstständig neue Fehlerarten anhand tausender analysierter Bilder zu „erlernen“, ohne dass jeder Parameter manuell programmiert werden muss.

Zusammenfassung

Die Geschichte der Sortierung ist im Grunde die Geschichte der schrittweisen Übertragung einer menschlichen Fähigkeit auf Maschinen: zunächst Kraft und Ausdauer, dann das Sehen, und heute die Fähigkeit zu lernen und Entscheidungen zu treffen. Von einem einzelnen Arbeiter, der Getreide mit der Hand siebte, über mechanische Siebe, Fotozellen und Kameras bis hin zu Systemen, die künstliche Intelligenz und präzise Luftauswerfer nutzen. Jede Phase dieser Reise beantwortete dieselbe Frage: Wie unterscheidet man Gutes von Fehlerhaftem schneller, genauer und in größerem Maßstab? Was als rein menschliche Aufgabe begann, ist heute eines der technologisch fortschrittlichsten Felder der industriellen Automatisierung.

The post Eine kurze Geschichte der Sortierung: Von der manuellen Auswahl bis zur künstlichen Intelligenz appeared first on Meyer Europe.

Der Pilz breitet sich besonders unter warmen und feuchten Bedingungen aus, während heiße und trockene Witterung die Bildung von Aflatoxinen zusätzlich fördert. Die Toxinproduktion ist im Wesentlichen ein Selbstschutzmechanismus des Pilzes, der vor allem durch plötzlich auftretende extreme Hitze ausgelöst wird.

Was früher hauptsächlich als Lagerpilz galt, tritt heute zunehmend bereits auf dem Feld auf. Dadurch verursachen Aspergillus-Pilze immer höhere Aflatoxinbelastungen in landwirtschaftlichen Kulturen. Aufgrund des Klimawandels sowie immer häufigerer heißer und trockener Sommer hat sich diese Entwicklung in den vergangenen Jahren deutlich verstärkt und wird voraussichtlich auch künftig an Bedeutung gewinnen.

Gemäß der Verordnung (EU) Nr. 165/2010 beträgt der zulässige Höchstgehalt an Aflatoxin B1 in Lebensmitteln 5 µg/kg (ppb), während für Futtermittel ein Grenzwert von 20 µg/kg (ppb) gilt.

Wie kann die optische Sortierung die Aflatoxinbelastung reduzieren?

Wie bei den meisten anderen Ackerkulturen lässt sich eine Infektion mit Aspergillus flavus am wirksamsten bereits auf dem Feld verhindern – beispielsweise durch den Einsatz speziell behandelter Saatgüter sowie widerstandsfähigerer Hybridsorten. Ist die Infektion jedoch bereits im Bestand vorhanden, können verschiedene Reinigungsverfahren die Kontamination erheblich reduzieren. Sowohl mechanische als auch optische Sortierverfahren sind in der Lage, den Aflatoxingehalt des Ernteguts auf die zulässigen Grenzwerte zu senken.

Die Kontamination kann sowohl auf der Oberfläche als auch im Inneren des Korns auftreten. Darüber hinaus befinden sich erhebliche Mengen an Pilzsporen und Toxinen häufig auf Pflanzenresten sowie im Staub, der während der Verarbeitung entsteht. Diese Kontaminationsquellen sollten deshalb im gesamten Reinigungsprozess besondere Aufmerksamkeit erhalten.

Wie bereits beschrieben, lässt sich ein Aflatoxingehalt unterhalb der gesetzlichen Grenzwerte nur durch einen mehrstufigen Reinigungsprozess zuverlässig erreichen.

Konventionelle mechanische Reinigungstechnologien – wie Flachsiebe, Schwerkraftseparatoren und leistungsfähige Entstaubungssysteme – entfernen zuverlässig Bruchkorn, Pflanzenreste sowie durch den Pilzbefall leichter gewordene Körner. Für das Erreichen der endgültigen Produktreinheit spielen jedoch moderne optische Sortiersysteme eine entscheidende Rolle.

In den meisten Fällen weisen infizierte Körner keine mit bloßem Auge erkennbaren Veränderungen auf. Befindet sich der Pilz jedoch auf der Kornoberfläche, reagiert die vom Pilz gebildete Kojisäure mit einem Peroxidase-Enzym des Korns. Dabei entsteht eine Verbindung, die unter UV-Licht (Wellenlängen unter 365 nm) charakteristisch grünlich-golden fluoresziert.

Auf Grundlage dieses physikalischen Effekts hat MEYER eine hochmoderne UV-Sortiertechnologie entwickelt und mit der CG.UV-Sorterserie auf den Markt gebracht.

Die CG.UV-Sortierer basieren auf der bewährten Maschinenplattform von MEYER und wurden durch speziell entwickelte UV-Beleuchtungssysteme, leistungsstarke Kameratechnologie sowie optimierte Sortieralgorithmen ergänzt. Zusätzlich verbessert moderne KI-basierte Deep-Learning-Technologie kontinuierlich die Erkennungsgenauigkeit.

Das System erkennt fluoreszierende, mit Aspergillus flavus infizierte Körner sowie Bruchkorn und entfernt diese mithilfe des patentierten MAGLEV-Auswurfsystems zuverlässig aus dem Produktstrom. Dadurch lässt sich die Aflatoxinbelastung des Eingangsmaterials erheblich reduzieren.

Um sowohl mittlere als auch sehr hohe Durchsatzleistungen abzudecken, sind die CG.UV-Sortierer in zwei Maschinenbaureihen mit 8 bzw. 13 Rutschen erhältlich.

Haben Sie Probleme mit Aflatoxin-Kontaminationen?

Kontaktieren Sie uns – unsere Experten beraten Sie gerne und finden gemeinsam mit Ihnen die optimale Sortierlösung für Ihre Anwendung.

The post Was ist Aflatoxin – und wie kann die optische Sortierung das Kontaminationsrisiko reduzieren? appeared first on Meyer Europe.