Non-distruttive, di facile impiego, basate sull’analisi spettrale di immagini: ecco le nuove tecniche di monitoraggio e controllo qualità per il settore alimentare ideate da una giovane start-up milanese.
Caratterizzazione, classificazione e controllo qualità di materie prime, semilavorati e prodotti finiti, monitoraggio dei processi produttivi sono la routine di ogni azienda alimentare. Nuove tecniche che combinano spettroscopia e analisi di immagini digitali caratterizzano morfologia e morfometria di campioni eterogenei e facilitano l’identificazione di prodotti non conformi.
Da quasi cinque anni l’ingegnere Fabrizio Preda si occupa di questi temi e nel 2018 ha fondato NIREOS, spin-off del Politecnico di Milano. L’azienda progetta, produce e commercializza dispositivi spettroscopici innovativi, tra cui camere iperspettrali e multispettrali, spettrometri a larga banda e interferometri ultra-stabili.
Qual è stato il suo percorso scolastico prima dell’Università?
Ho frequentato, a Bergamo, il liceo scientifico – PNI (Piano Nazionale Informatica), una scuola sperimentale che si proponeva di potenziare l’apprendimento delle materie scientifiche.
Si studiava fisica fin dal primo anno. Informatica non era una materia a sé, ma i primi rudimenti di programmazione che venivano insegnati costituivano un supporto fondamentale per potenziare il ragionamento analitico e scientifico. Un approccio rivelatosi molto utile durante il mio percorso universitario.
Perché ha scelto il corso di studi in ingegneria fisica del Politecnico di Milano?
Fin da bambino ero affascinato dalla scienza, dalla tecnologia e di riflesso dalla fisica. Dopo la laurea triennale, mi sono iscritto alla Laurea Magistrale in Ingegneria Fisica con specializzazione in nano-ottica e fotonica, dove ho studiato a fondo le tecnologie per la generazione della luce (laser, LED) e per la sua rivelazione.
Durante la tesi sperimentale, per la prima volta ho applicato queste conoscenze, lavorando nei laboratori del Dipartimento di Fisica. Sono fra i migliori al mondo nel campo della spettroscopia ultraveloce, conducono esperimenti di fisica di base per lo studio e la caratterizzazione di materiali innovativi.
UN IMPRENDITORE GIOVANISSIMO
Cosa è successo dopo il master?
Mi hanno proposto un dottorato, ma non era la mia strada, desideravo lavorare in azienda. Ho comunque accettato un assegno di ricerca per terminare il mio progetto di tesi sulla spettroscopia bidimensionale elettronica. Come assegnista ho contribuito allo sviluppo di un innovativo sistema di misurazione della luce.
Era per uso scientifico ma, se debitamente adattato, avrebbe potuto trovare applicazione anche nella produzione industriale, settore agroalimentare incluso. Analizzando in modo opportuno la luce riflessa o trasmessa da un oggetto è possibile identificare la sua composizione o caratterizzare alcune sue proprietà (temperatura, presenza di difetti, stress meccanico).
La misurazione è rapida, senza contatto, non distruttiva. Nel 2018, con alcuni colleghi, ho fondato NIREOS, azienda innovativa e spin off del Politecnico di Milano. Il nostro scopo era ed è l’impiego, in chiave imprenditoriale, dei risultati della ricerca svolta presso i laboratori universitari.
Essere uno spin – off universitario ha dei vantaggi?
Offre grande visibilità, grazie alla levatura che contraddistingue il Politecnico di Milano. Lo stretto contatto con questa istituzione ci consente di collaborare con importanti centri di ricerca, facilitando sviluppo e validazione delle nostre tecnologie.
Siamo inoltre inseriti nell’ecosistema di start-up di Polihub, acceleratore di impresa, che supporta lo sviluppo del business e la definizione della strategia aziendale grazie all’esperienza di mentori e consulenti qualificati.
Come si porta al successo un’azienda che si occupa di tecnologie innovative?
Il team aziendale deve essere solido, coeso e completo. Deve annoverare tutte le competenze necessarie per attuare il business model. Una squadra che condivide passione, dedizione e impegno fa la vera differenza. I ruoli professionali in una startup sono diversi da quelli di un’azienda consolidata.
Nei primi anni tutto ruota su pochissime figure chiave, come il direttore tecnico e l’amministratore delegato, le cose da fare e i sacrifici sono tanti, mentre le risorse sono al minimo sindacale. Per un’azienda deep-tech è fondamentale sviluppare costantemente nuove idee e tecnologie, per rispondere alle esigenze del mercato.
Strumentazione innovativa
Il vostro prodotto di punta è HERA (Hyperspectral camERA) una camera iperspettrale, brevettata, risultato della tecnologia sviluppata con il Politecnico di Milano e il CNR. Su quali principi si basa?
HERA (Hyperspectral camERA) è una camera iperspettrale. L’imaging iperspettrale è una tecnica analitica basata sulla spettroscopia. Mentre l’occhio umano, così come le tradizionali fotocamere, ha solo tre recettori di colore: nel blu, nel verde e nel rosso, l’imaging iperspettrale misura l’intero spettro della luce per ogni pixel della scena (alle coordinate x, y) con un’elevata risoluzione spaziale e spettrale, dalla regione spettrale ultravioletto-visibile (UV-VIS) fino all’infrarosso (NIR e SWIR).
I dati raccolti formano la cosiddetta immagine iperspettrale: un dato “tridimensionale”, in funzione di x, y e lunghezza d’onda. Una volta misurato, questo ampio contenuto informativo è elaborato da algoritmi di intelligenza artificiale e machine learning, che consentono di analizzare l’immagine e, ad esempio, classificare o identificare in modo automatico i diversi oggetti o componenti della scena.
In cosa consiste l’unicità di HERA?
Rispetto alle camere iperspettrali concorrenti, HERA ha un approccio a “trasformata di Fourier”. La misura iperspettrale non è acquisita direttamente nel dominio delle frequenze, ma in quello del tempo, utilizzando un interferometro birifrangente posizionato davanti all’obiettivo e al sensore.
Sincronizzando la movimentazione dell’interferometro e l’acquisizione di una serie di immagini della scena, HERA misura per ogni pixel l’autocorrelazione della luce. La trasformata di Fourier dell’autocorrelazione, calcolata per tutti gli 1.3 Mpixel del sensore, fornisce lo spettro della luce ad ogni pixel, e quindi l’intera immagine iperspettrale.
Questa tecnica di misura consente di utilizzare una tecnologia che conferisce una sensibilità impareggiabile allo strumento, rendendolo adatto all’acquisizione di immagini iperspettrali di alta qualità anche a fronte di una bassa intensità di illuminazione della scena, spesso richiesta per la misura di campioni delicati, anche in campo alimentare.
HERA è sensibile alla luce al punto di poter acquisire anche immagini iperspettrali in fluorescenza, dove l’intensità luminosa è di diversi ordini di grandezza inferiore rispetto alle comuni lampade per illuminazione.
Quali sono i vincoli e le opportunità per il suo utilizzo nel comparto alimentare?
Ad oggi abbiamo sviluppato la camera iperspettrale per il range spettrale UV-VIS-NIR (da 400 nm a 1000 nm), e stiamo per proporre anche la versione infrarossa, che lavorerà nel range NIR-SWIR (da 800 nm a 1700 nm).
In base al tipo di applicazione o dalle caratteristiche del campione da studiare si potrà scegliere l’una o l’altra. HERA UV-VIS-NIR è tipicamente utilizzata per analizzare il colore di un oggetto (con molta più accuratezza rispetto a quanto avvenga con una fotocamera tradizionale), per misurare, per esempio, il contenuto di clorofilla e antociani in una foglia di insalata, il contenuto di emoglobina o di acqua in un tessuto.
La regione NIR-SWIR, invece, consente di fare un’analisi più “chimica” del campione. È utilizzata, tra l’altro, per analizzare la distribuzione e il contenuto di grassi in una fetta di carne, o lo spessore e l’integrità dei film plastici per il packaging. Per analizzare una mela (vedasi immagine), HERA acquisisce un’intera immagine iperspettrale, scattando una serie di circa 200 immagini in rapida sequenza, prese dalla stessa angolazione.
Analizzando le caratteristiche spettrali che accomunano diverse aree dell’immagine, l’algoritmo di machine learning elabora un’immagine in falsi colori, evidenziando le aree con diversa composizione della mela fotografata. Le potenzialità di HERA come strumento per i laboratori analisi sono enormi.
Questa tecnica permette infatti di individuare, in fase precoce, la presenza di fitopatologie, contaminazioni da muffe o ancora di caratterizzare i prodotti ortofrutticoli determinando il loro contenuto di clorofilla e di metaboliti. In sintesi, di controllare la qualità o monitorare lo stato di crescita. Stiamo sviluppando una versione che si estenderà ancora più nella regione infrarossa, fino a 2300 nm. La possibilità di operare in un range spettrale così ampio aprirà le porte a nuove applicazioni.
LE APPLICAZIONI NELL’INDUSTRIA
Il sistema è applicabile anche al controllo qualità sulle linee di produzione?
La camera iperspettrale HERA è stata sviluppata per essere utilizzata in laboratorio e laddove siano richieste accuratezza, qualità dell’immagine, larga banda ed elevata risoluzione spettrale. Stiamo però mettendo a punto anche una camera multispettrale adatta alle linee di produzione.
È un sistema più robusto, compatto, meno costoso, che permette misure rapidissime (meno di un decimo di secondo per una immagine). Rispetto all’iperspettrale, l’immagine multispettrale è caratterizzata da un numero minore di bande spettrali (nell’ordine della decina), mentre non cambiano la qualità del dato e l’elevatissima risoluzione spaziale.
Per le linee di produzione l’analisi iperspettrale sarebbe ridondante se non controproducente a causa della grande quantità dei dati raccolti. Un’immagine iperspettrale può pesare centinaia di megabyte e la sua acquisizione ed analisi spesso necessitano di un tempo superiore a quanto richiesto dalle linee di produzione che, per scartare o accettare prodotti, hanno bisogno di risposte in tempo reale.
Come vi proponete al mercato?
Offriamo alle aziende una doppia opportunità: inizialmente utilizziamo la camera iperspettrale per studiare in modo approfondito, in laboratorio, il loro prodotto/problema, individuando le bande spettrali di interesse. Le informazioni così acquisite ci permettono di sviluppare un sistema multispettrale ad hoc per la specifica categoria di alimenti o per ogni specifico caso.
Mi riferisco per esempio ad un sistema multispettrale ad hoc per il controllo qualità delle mele, un diverso sistema per il controllo della frutta secca, dell’insalata, della carne, del vino e così via. Alla fine del processo passiamo a produrre camere multispettrali da installare sulle linee di produzione, ottimizzate per ogni specifico prodotto/problema.
L’installazione richiede modifiche al lay out delle linee di produzione o un loro rallentamento?
Non è necessario. Prima di dedicarci allo sviluppo del nostro sistema multispettrale, abbiamo valutato in dettaglio le caratteristiche delle linee di produzione. Le abbiamo confrontate con i requisiti che consentono misurazioni efficaci, in funzione della geometria dei prodotti e dei tempi di attraversamento dell’area del controllo. Ne è derivato un sistema perfettamente integrabile in linee di produzione caratterizzate dalla presenza di oggetti in rapido movimento.
Che tipo di sorgente luminosa si utilizza?
Per il sistema iperspettrale si utilizzano lampade alogene, eventualmente integrate con dei LED quando si voglia misurare anche nella regione “blu” dello spettro (400-500 nm). Per il sistema multispettrale, abbiamo sviluppato un sistema di illuminazione dedicato, che emette flash di luce modulata di brevissima durata. Ad ogni flash, corrisponde l’acquisizione di una completa immagine multispettrale.
L’UTILIZZO DEL SISTEMA
Ogni alimento ha specifiche caratteristiche da valutare. È necessario ogni volta reimpostare il sistema e ricalibrarlo?
La camera iperspettrale è un sistema general purpose. Funziona benissimo in campi di applicazione molto diversi senza dover modificare o ricalibrare l’hardware. Ad esempio, abbiamo utilizzato la stessa camera nel settore dei beni culturali, per il remote sensing, per il riciclo delle materie plastiche, per la loro identificazione e separazione.
Nel comparto alimentare per determinare lo stato di maturazione della frutta, ed anche in biologia e microbiologia. Cambiano invece il modello e l’algoritmo di elaborazione specifici dell’applicazione, vale a dire gli elementi che permettono di tradurre il dato sperimentale grezzo in informazioni utili per l’applicazione in esame.
La camera multispettrale è pensata per essere facilmente adattata ad ogni specifica applicazione anche da un punto di vista hardware, in quanto è possibile modificare le bande spettrali di funzionamento.
Quali comparti del settore alimentare hanno mostrato il maggior interesse per questa nuova tecnologia?
Ad oggi la sperimentazione ha riguardato la filiera dei prodotti ortofrutticoli, con applicazioni volte a monitorarne lo stato di crescita o la qualità, rilevare la presenza di corpi estranei, monitorare e ottimizzare lo stato di conservazione dei prodotti nelle celle di stoccaggio al variare delle condizioni di climatizzazione.
Il sistema é stato anche impiegato per definire la shelf-life e ridurre gli sprechi. Un altro settore molto promettente è il vertical farming (fattoria verticale) dove le piante sono messe a dimora fuori dal suolo in strati impilati tra loro. I suoi grandi vantaggi sono risparmio di spazio e minor consumo di risorse. La coltivazione avviene utilizzando un’apposita illuminazione led e condizioni climatiche controllate (in termini di temperatura, umidità, ventilazione).
Le nostre camere spettrali sono utilizzate per il controllo qualità. Contribuiscono al miglioramento dei processi produttivi ed alla riduzione gli scarti. Altri comparti già consolidati sono il settore della frutta secca per la selezione dei prodotti, il loro smistamento in base a dimensioni e caratteristiche qualitative, la rimozione degli inevitabili corpi estranee (plastiche, frammenti di legno, gusci). Quanto ai prodotti ittici ed alla carne gli sviluppi più interessanti riguardano la composizione chimica e la valutazione del grado di tenerezza della carne.
Che rapporto c’è tra il nuovo sistema multispettrale e gli attuali controlli sulle linee? Mi riferisco per esempio ai metaldetector e ai sistemi a raggi X.
Grazie all’analisi spettrale e agli algoritmi di machine learning, è possibile individuare i corpi estranei con estrema facilità. L’algoritmo consente di identificare i materiali ed i corpi estranei in modo univoco, sulla base delle loro “impronte digitali” spettrali.
Queste tecniche consentono di analizzare solo la superficie degli oggetti. Sono quindi complementari e non sostituiscono i sistemi a raggi X, che riescono a vedere in profondità.
Progetti per il futuro?
Nell’immediato futuro proporremo le versioni infrarosse delle camere iper- e multi-spettrali, applicabili ai settori agroalimentare, farmaceutico e al riciclo dei rifiuti. Puntiamo anche a sviluppare sistemi analoghi ma “single-pixel”, più semplici, utilizzabili laddove non sia necessario avere risoluzione spaziale, perché il campione è omogeneo, come accade in vino, olio e altri alimenti liquidi.
Nel medio e lungo periodo, vogliamo crescere nel settore industriale. I risultati del nostro lavoro potrebbero aiutare a risolvere alcuni tra i problemi a maggiori ricadute sociali, come la riduzione degli sprechi, o tematiche ambientali di più ampio respiro.