Mit Infrarotlicht die Haltbarkeit messen

Mit Infrarotlicht die Haltbarkeit messen

Fraunhofer-Physiker haben einen Food-Scanner für die Hosentasche entwickelt, der mittels Infrarotlicht und intelligenten Algorithmen die Haltbarkeit von Lebensmitteln bestimmt.

Am Beispiel von Tomaten und Hackfleisch haben Fraunhofer-Forscher den intelligenten Algorithmus ihres Food-Scanners trainiert. Der kann nun an den gemessenen Werten die Haltbarkeit der Lebensmittel ablesen.

Angesichts der stetig wachsenden Weltbevölkerung bei gleichzeitig schwindenden Ressourcen können wir es uns nicht mehr leisten, Lebensmittel einfach wegzuwerfen. Und doch landen einer Studie der Umweltstiftung WWF Deutschland zufolge, hierzulande jährlich zehn Millionen Tonnen Lebensmittel im Müll – oft aus Angst vor verdorbener Ware. Dabei sind viele Nahrungsmittel meist weitaus länger genießbar, als das Mindesthaltbarkeitsdatum vermuten lässt. Um dieser Verschwendung entgegenzuwirken, haben Fraunhofer-Forscher gemeinsam mit Partnern einen Food-Scanner im Hosentaschenformat entwickelt: Er prüft, ob Lebensmittel verdorben sind. Für Anfang 2019 ist bereits eine Testphase in Supermärkten geplant, um zu erfahren, wie Verbraucher das Gerät annehmen.

17 Maßnahmen gegen die Lebensmittelverschwendung

Allein in Bayern landen rund 1,3 Millionen Tonnen Nahrungsmittel jährlich im Abfall. Dieser Verschwendung will das Bayerische Staatsministeriums für Ernährung, Landwirtschaft und Forsten mit insgesamt 17 Maßnahmen entgegenwirken. Dazu gehört auch der Food-Scanner. An der Entwicklung beteiligt sind das Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB, das Fraunhofer-Institut für Verfahrenstechnik und Verpackung IVV, die Technische Hochschule Deggendorf sowie die Hochschule Weihenstephan-Triesdorf.  

Infrarotlicht misst Zusammensetzung

Der Food-Scanner liegt derzeit als Demonstrator mit Daten für zwei Lebensmittel vor und kann auch deren Haltbarkeit abschätzen. Mithilfe eines Nahinfrarot (NIR)-Sensors kann das Gerät den Frischegrad von Lebensmitteln feststellen, aber auch welche und wie viele Inhaltsstoffe das jeweilige Produkt enthält. Dabei ist es egal, ob die Ware verpackt ist oder nicht. „Infrarotlicht wird punktgenau auf das zu untersuchende Produkt geschickt, anschließend misst man das Spektrum des reflektierten Lichts. Die absorbierten Wellenlängen lassen Rückschlüsse auf die chemische Zusammensetzung der Ware zu“, erklärt Robin Gruna, Projektleiter und Wissenschaftler am Fraunhofer IOSB. Ein weiterer Vorteil des Scanners: Damit lassen sich auch gefälschte oder gepanschte Nahrungsmittel erkennen, beispielsweise, wenn Lachsforellen als Lachs verkauft werden oder Olivenöl gepanscht ist. Doch der Infrarotscanner hat Grenzen: Den Herstellern zufolge erkennt er ausschließlich homogene Lebensmittel. Heterogene Produkte, also solche mit vielen verschiedenen Zutaten, lassen sich mit dieser Methode nicht überprüfen.

Intelligente Algorithmen erkennen Frischegrad

Zusätzlich haben die Wissenschaftler intelligente Algorithmen entwickelt, die erkennen, was die Infrarotsensoren gemessen haben. Am Beispiel von Tomaten und Hackfleisch hat das Team um Gruna die Algorithmen „trainiert“. So wurden die Infrarotspektren von Hackfleisch mithilfe statistischer Verfahren mit dem mikrobiellen Verderb korreliert und die weitere Haltbarkeit des Fleisches davon abgeleitet. Der Scanner sendet die gemessenen Daten dann zur Analyse per Bluetooth an eine eigens entwickelte Cloud-basierte Datenbank, in der die Auswerteverfahren hinterlegt sind. Die Messergebnisse werden anschließend an eine App übertragen, die dem Verbraucher die Ergebnisse anzeigt und darstellt, wie lange das Lebensmittel bei den jeweiligen Lagerbedingungen noch haltbar ist oder ob es zu lange gelagert wurde. Zusätzlich bietet die App auch Informationen darüber, wie die Lebensmittel alternativ verwendet werden können, sollte die Lagerdauer tatsächlich bereits abgelaufen sein.

Das Ziel der Entwickler ist ein breiter Einsatz entlang der Wertschöpfungskette zur Reduzierung etwaiger Verluste. Und auch ein Einsatz abseits der Lebensmittelindustrie ist denkbar. Beispielsweise könnte das System genutzt werden, um damit Kunststoffe, Holz, Textilien oder Mineralien voneinander zu unterscheiden und zu klassifizieren. „Der Einsatzbereich des Gerätes ist vielseitig, es muss nur entsprechend trainiert werden“, so Gruna.

jmr