Onderzoekoutput per jaar
Onderzoekoutput per jaar
Kunnen we via hyperspectrale metingen een methodologie uitwerken om de productkwaliteit van groenten en fruit te bewaken doorheen de volledige keten? Deze vraag hebben we beantwoord in het onderzoeksproject SpectroFood. De toenemende behoefte aan kwaliteitsproducten dwingt de agrovoedingsketen om te zoeken naar betrouwbare en kostenefficiënte oplossingen om de kwaliteit te bepalen tijdens verschillende fasen van de teelt, nl. op het veld, tijdens het transport en bij de bewaring van producten. Het doel was om robuuste inschattingen van relevante kwaliteitsparameters te kunnen maken met hyperspectrale sensoren verbonden met analysetechnieken op basis van o.a. artificiële intelligentie.
In de eerste plaats lag de focus van de Vlaamse onderzoekspartners op prei. Maar ook binnen andere teelten werden kwaliteitsparameters onderzocht, zoals witloof, broccoli, tomaten, aardappel, ajuin, appel, kers en champignons. De hyperspectrale sensoren zijn tijdens verschillende fasen van de teelt ingezet en gelinkt aan veldinformatie en kwaliteitsparameters.
Bij de afloop van het project blijkt het mogelijk om met de hyperspectrale metingen een objectief beeld te krijgen van de kwaliteit doorheen een volledige keten, en er is een aanzienlijke kennis- en competentieverhoging gerealiseerd. De onderzoeksresultaten kunnen leiden tot de verdere optimalisatie van de productieprocessen en tot de verbetering van de productkwaliteit. Er bestaat nu een volledig meetprotocol waarmee de meettoestellen na het project verder hun weg kunnen vinden naar de praktijk.
Acroniem | SPECTROFOOD |
---|---|
Status | Voltooid |
Effectieve start/einddatum | 1/01/21 → 31/12/23 |
Links | https://spectrofood.eu/ |
Onderzoeksoutput: Bijdrage aan tijdschrift › Artikel › peer review
Onderzoeksoutput: Bijdrage aan tijdschrift › Review › peer review
Ioannis, M. (Maker), Spyros, F. (Maker), Wout, V. (Maker), Jonathan, V. B. (Maker), Manuela, Z.-S. (Maker), Kai, Y. (Maker), Ming, Z. (Maker), Dimitrios, A. (Maker) & Eva, A. (Maker), Zenodo, 2023
DOI: 10.5281/zenodo.8362947, https://zenodo.org/record/8362947
Dataset