Die Verarbeitung von Naturprodukten macht jedes Produkt individuell. Unterschiedlichste Merkmale, wie Abmessungen, Farben, spezifische Fehlstellen und vieles mehr, führen zu einer qualitativen Bewertung und anschließender Klassifizierung der Produkte. Die korrekte Qualitätserkennung von Lebensmitteln ist in vielen Verarbeitungsprozessen essentiell, um die Produkte ideal einzusetzen bzw. am Markt zu platzieren.

Entsprechende Klassifizierungsprozesse werden nach aktuellem Stand der Technik in vielen Fällen noch manuell durch optische Kontrolle von Mitarbeitern durchgeführt. In Zuge dieser Arbeit soll die Möglichkeit der Detektion spezifischer Qualitätsmerkmale mittels optischer Bilderkennung (Laserscanner, RGB-Kamera, Spektralkamera) am Beispiel von Fleisch und Gemüse aufgezeigt werden.

Raps wird nach der Ernte zunächst geschält, um anschließend bspw. Speiseöle hieraus zu gewinnen. Die Qualität des Schälprozesses korreliert hierbei mit der Qualität des Endproduktes, da Schalenanteile in der Weiterverarbeitung Bitterstoffe in die Produkte einbringen. Somit spiegelt der Schalengrad nach dem Schälprozess die Qualität des Endproduktes wider. Entsprechende Kontrollen des Schälprozesses oder der Anlieferung zur Weiterverarbeitung erfolgen nach aktuellem Stand rein manuell anhand von Mustertafeln.

Im Zuge der dargestellten Arbeit soll nun der manuelle Prozess durch ein automatisiertes System ersetzt werden, welches den Schalengrad von Proben auf einem Fördersystem bestimmen soll. Grundlage hierzu dient eine mobile APP, die auf Basis neuronaler Netze bereits im stationären Zustand grundsätzlich Klassifizierungen von Proben vornehmen kann. Dieses System soll erweitert, auf eine Industrielösung mit entsprechender Kameratechnik überführt und in ein gesamtheitliches Steuersystem eingebunden werden.  

Viele Lebensmittel haben spezifische Merkmale, die einen Rückschluss auf die Qualität und den zeitlichen Rahmen der Haltbarkeit zulassen. Ein Beispiel hierfür ist die Farbe von Früchten oder Gemüse, die oftmals bereits den aktuellen Reifegrad und das zeitliche Fenster für den Verzehr der Produkte widerspiegeln.  

Im Zuge der dargestellten Arbeit soll nun eine mobile APP entwickelt werden, die die Aufnahme einer Frucht oder eines Gemüses über die Kamera eines Mobiltelefons ermöglicht, sowie anschließend eine Bewertung des aktuellen Reifezustandes und die Einschätzung des zukünftigen zeitlichen Verzehrfensters zulässt. Die Bewertung der Produkte soll hierbei mittels neuronaler Netze vorgenommen werden.