Automatic Xray Inspection System: Forskningsprojekt skal udvikle bedre røntgenscannere til at kvalitetssikre alt fra pålæg til avokadoer – Niels Bohr Institutet - Københavns Universitet

Niels Bohr Institutet > Nyheder > Nyheder 2018 > Automatic Xray Inspect...

12. oktober 2018

Automatic Xray Inspection System: Forskningsprojekt skal udvikle bedre røntgenscannere til at kvalitetssikre alt fra pålæg til avokadoer

ERHVERVSSAMARBEJDE:

Med en investering fra Innovationsfonden på 9 millioner kroner, og et samlet budget på 17 millioner kroner, skal forskere fra Niels Bohr Institutet ved Københavns Universitet sammen med tre virksomheder udvikle udstyr og software i et fireårigt projekt, der kan finde fejl og mangler i en række produkter. Projektet har specielt fokus på fødevarer, og vil kunne reducere behovet for at tilbagekalde produkter.

Her ses prototypen i kælderen på HC Ørsted Institutet. Den er bygget af projektets partnere og baseret på en optisk scanner fra Newtec, hvor den optiske enhed er fjernet og erstattet af en røntgenkilde.

Røntgeninspektion af forskellige produkter, også fødevarer, er en gammel og veletableret teknologi, men eksisterende teknologier kræver, at der laves unikke løsninger til hvert produkt der skal testes for hver enkelt mulig fejl og mangel.

For eksempel bruges en løsning til at opdage om en kartoffel er hul, mens der bruges en anden løsning til at finde ud af om pålæg er forurenet med metalspåner. Blandt andet derfor er det fortrinsvis dyre produkter med kendte typer af fejl, der i dag bruger røntgeninspektion.

I fremtiden vil producenter, forhandlere og forbrugere kunne slippe for at skulle destruere pålæg, der er forurenet med metalspåner, eller avocadoer der er blevet rådne. Det nye danske projekt vil udvikle ny dynamisk røntgenteknologi, der let varierer røntgenenergi og tilpasset kamerateknologi.

Udfordrende at undersøge store mængder på kort tid

Øverst: En avokado som snart vil rådne. Nederst: En vandmelon solgt som kernefri, kernerne ses tydeligt.

”Vi udvikler algoritmer med kunstig intelligens, som selv kan vælge den optimale røntgenenergi og det rigtige kamera med den rigtige opløsning. Målet er at eliminere behovet for at udvikle unikke softwareløsninger for hvert enkelt produkt, men blot lade systemet automatisk lære at genkende korrekte fra fejlbehæftede produkter” fortæller Professor Brian Vinter, der er leder af eScience gruppen ved Niels Bohr Institutet.

”En af de helt store udfordringer er at få røntgenkilder og kameraer til at kommunikere med vores algoritme i meget høj hastighed. Vi arbejder eksempelvis med at detektere hule kartofler, hvor der skal inspiceres 22 ton i timen. Vores plan er at lave en hardware løsning, så billedgenkendelsen foregår direkte i FPGA-chips, så vi ikke skal have en stor server stående ude i produktionen”, fortæller Brian Vinter og fortsætter.

”Når et røntgeninspektionssystem kan håndtere mange typer fødevarer, bliver prisen også lavere. Derfor håber han, at det færdigudviklede inspektionssystem på længere sigt også kan finde vej til supermarkederne, som så kan lave en ekstra kvalitetskontrol, inden varerne ender på hylderne.”

Røntgenbillede af kartofler: Først fire kartofler med nåle i, derefter fire med hul i, og til sidst fire kartofler der er helt perfekte.

Det er muligt at gennemføre projektet, da de deltagende parter dækker alle de nødvendige kompetencer fra produktion af røntgenkilder over røntgenkamera til systemintegration og kunstig intelligens. Det Århus baserede Magnatek skal stå for udvikling af en ny type røntgenkilde, mens QTechnology fra Valby skal udvikle en række kameraer til projektet. Newtec i Odense står for systemintegration, og eScience gruppen på Niels Bohr Institutet ved Københavns Universitet står i spidsen for softwareudviklingen. Teknologisk Institut står for at validere den endelige løsning.