11/02/2013 - Detección automática de huevos defectuosos

Menéame

Los investigadores, pertenecientes a la Escuela Técnica Superior de Ingenieros Agrónomos de la Universidad Politécnica de Madrid y a la Facultad de Scienze Agrarie e Ambientali de la Università degli Studi di Milano, han desarrollado un sistema que detecta automáticamente los huevos de gallina con cáscara defectuosa para adaptarlo a una máquina de clasificación en línea.

La automatización del proceso de clasificación podría ayudar a controlar los costos, a reducir la carga de trabajo de los operadores y, sobre todo, a mejorar la calidad del producto.

La presencia de huevos de gallina con cascara defectuosa, con manchas de residuos orgánicos o grietas, constituye uno de los mayores problemas que pueden afectar a los productores y a los distribuidores de huevos de consumo, ya que, si la cascara presenta defectos superficiales, el producto pierde calidad.

Un producto de baja calidad no solo comporta consecuencias económicas negativas sino que puede causar una pérdida de confianza del consumidor. Además, los residuos que pueden encontrarse en la superficie externa de los huevos constituyen un riesgo de contaminación microbiológica que puede acarrear problemas de carácter higiénico-sanitario. Por tanto, es esencial que en la industria avícola la incidencia de huevos defectuosos en el proceso de producción y en la fase de comercialización sea la más baja posible. Los productores deben ser capaces de detectar y separar rápidamente de la línea los huevos defectuosos.

En Europa el proceso de producción de los huevos de aves destinados al consumo humano tiene tres etapas: recolección, clasificación y envasado. Si bien en los últimos años la fase de recolección y el envasado se han automatizado en gran parte, la fase de clasificación, durante la cual los huevos son clasificados e inspeccionados para detectar eventuales defectos, todavía se hace de forma manual.

Los investigadores autores de este estudio¹ han desarrollado un sistema off-line de clasificación de huevos de gallina para detectar automáticamente los huevos con cáscara defectuosa (cáscara con residuos de heces, sangre, plumas, etc.) con el fin último de adaptar el sistema a una máquina de clasificación en línea.

El sistema está constituido por un dispositivo de visión artificial que emplea un algoritmo basado en una combinación de imágenes digitales tomadas en apropiadas longitudes de onda (del rojo y del azul). A través del algoritmo propuesto se han segmentado las imágenes de las muestras analizadas (n =384), obteniendo, en el caso de huevos con cascara defectuosa, una imagen binaria en grado de evidenciar los defectos presentes en la superficie del huevo.

Sobre la base de las características geométricas de las manchas detectadas (área en píxeles), el sistema pudo clasificar correctamente el 98% de las muestras (clasificación interna) con un tiempo de procesamiento muy bajo (0,05 segundos). La robustez de la clasificación propuesta se confirmó gracias a una validación externa de un segundo conjunto de muestras, obteniendo un alto porcentaje de muestras correctamente clasificadas.

Dado que el sistema emplea un algoritmo basado en dos longitudes de onda (rojo y azul) que, con la verde, constituyen el filtro RGB de una común cámara digital, este método constituye una técnica sencilla, rápida, barata, y no destructiva para la clasificación automática de huevos de consumo y podría ser considerada como un primer importante paso hacia la automatización del entero proceso.

------------------------------------------------

1 Lunadei, L.*; Ruiz-Garcia, L.*; Bodria, L.; Guidetti, R. Automatic Identification of Defects on Eggshell Through a Multispectral Vision System. FOOD AND BIOPROCESS TECHNOLOGY 5 (8): 3042-3050. Nov 2012.

* Estos investigadores, en la fecha de publicación de este artículo, trabajaban en el grupo de investigación LPF-TAGRALIA de la UPM.

------------------------------------------------

Imagen: Ejemplos de imágenes monocromáticas de cáscaras de huevos defectuosos (izq) y de las mismas imágenes segmentadas (dcha) donde es posible apreciar los defectos. Fuente: Loredana Lunadei

El Colegio Oficial de Graduados e Ingenieros Técnicos Industriales de Madrid (COGITIM) ha presentado hoy el VIII Barómetro Industrial de la Comunidad de Madrid 2025, elaborado por el COGITI-Cátedra Internacional COGITI de Ingeniería y Política Industrial (UCAM), con la colaboración del Consejo General de Economistas de España (CGE). El estudio, realizado con la participación de ...

El próximo 15 de abril se celebrará en el Espacio Beatriz de Madrid (C. de José Ortega y Gasset, 29) el ‘III Foro de Innovación Industrial Marítima 2026’, una cita de referencia para el ecosistema naval, logístico, tecnológico y de defensa bajo el lema ‘Tecnologías de Uso Dual para la Autonomía Estratégica Europea’.

Más información

E&M Combustión ha desarrollado un sistema contenerizado de caldera de biogás para producir agua caliente, que se empleará en el calentamiento del digestor de una planta de biogás en la localidad de Artajona, Navarra, y cuya finalidad es la producción de biometano.

Este sistema térmico contenerizado forma parte de una instalación completa ...

La Universidad de Valladolid y el Clúster de Hábitat Eficiente de Castilla y León, AEICE, han presentado la Cátedra ‘Construyendo un Hábitat de Vanguardia’, la primera que existe en España para conectar a los universitarios con las necesidades reales de talento en el sector, con el objetivo de contribuir a la mejora competitiva de la ...

Prosolia Energy, destacado Productor Independiente de Energía (IPP), ha cerrado 380 millones de euros en financiación para apoyar el desarrollo de su cartera global, que incluye activos de energía fotovoltaica, eólica y almacenamiento con baterías. Este importante hito de financiación representa un avance significativo en los planes de expansión de la compañía y proporciona una ...