Anwendungen von Food-Scannern im Obst- und Gemüsesektor | Food-scanner applications in the fruit and vegetable sector

ألمانية. In den letzten Jahren haben mobile und Smartphone-basierte Diagnosetechnologien ihren Weg in die Agrar- und Lebensmittelbranche gefunden. Das Ziel dieser Forschungsarbeit war es, die Leistungsfähigkeit portabler Nah-Infrarot (NIR) Spektrometer, auch Food-Scanner genannt, auf die Vorhersagegenauigkeit wichtiger Qualitätsparameter von Obst und Gemüse hin zu evaluieren. An einer großen Bandbreite an Früchten aus dem Obst- und Gemüsesortiment wurden deshalb zerstörerischen Messungen der entsprechenden Qualitätsparameter (Zuckergehalt, Trockenmasse, relativer Wassergehalt) in Kombination mit Food-Scanner Messungen durchgeführt. In dieser Studie wurde der Trockenmassegehalt von Apfel, Avocado, Heidelbeere, Tafeltraube und Mandarine ausgewertet, was zu Korrelationen der Cross Validierung (r²) von bis zu 0,95, 0,87, 0,94, 0,92 und 0,92 führte. Des Weiteren ergab die Auswertung von Food-Scanner-Spektren zur Vorhersage des Zuckergehalts von Heidelbeere, Kiwi, Mango, Kaki, Tafeltraube, Mandarine und Tomate Cross Validierungs-Korrelationen (r²) von bis zu 0,95, 0,84, 0,80, 0,75, 0,95, 0,93 und 0,87. Außerdem erreichte der relative Wassergehalt von Ingwer eine Korrelation von r² = 0,91. Die Ergebnisse zeigen, dass diese Merkmale mit hoher Genauigkeit unter Verwendung von drei handelsüblichen Food-Scannern SCiO™, F-750 Produce Quality Meter und H-100F zerstörungsfrei vorhergesagt werden können. Food-Scanner können somit als objektive Messgeräte entlang der Wertschöpfungskette von Obst und Gemüse zur schnellen Ermittlung der Fruchtqualität eingesetzt werden. Darüber hinaus wird an einem Praxisbeispiel das Potential dieser Messgeräte für die zerstörungsfreie Qualitätsbewertung in Wareneingangskontrollen des Obst- und Gemüsegroßhandels aufgezeigt. Weiterhin werden mögliche Einsatzgebiete von Food-Scannern entlang der Wertschöpfungskette von Obst- und Gemüse diskutiert und praktische Einsatzmöglichkeiten aufgezeigt.

إنجليزي. In the past few years, portable and smartphone-based diagnostic technologies have found their way into the agri-food industry. The aim of this research was to evaluate the performance of portable near-infrared (NIR) spectrometers, so called food-scanners, with regard to their predictive accuracy of important quality parameters of fruit and vegetables. Food-scanner measurements were performed in combination with destructive measurements of the corresponding quality trait (sugar content, dry matter, relative water content) on a wide range of produce from the fruit and vegetable assortment. This study evaluated dry matter content of apple, avocado, blueberry, table grape and tangerine, which yielded cross validation results (r²) of up to 0.95, 0.87, 0.94, 0.92 and 0.92 respectively. Furthermore, the evaluation of food-scanner spectra for the prediction of sugar content of blueberry, kiwi, mango, persimmon, table grape, tangerine and tomato yielded cross validations (r²) of up to 0.95, 0.84, 0.80, 0.75, 0.95, 0.93, and 0.87. Furthermore, relative water content of ginger obtained a cross validation correlation of r² = 0.91. The results show that these traits can be predicted with a high degree of accuracy using non-destructive measurements performed with three commercially available food-scanners SCiO™, F-750 Produce Quality Meter, and H-100F. Consequently, food-scanners can be used as objective measurement tools along the supply chain of fresh produce to quickly determine fruit quality. In addition, a practical example shows the potential of these instruments for non-destructive quality assessment in incoming goods control at fruit and vegetable wholesalers over a time period of several weeks. Furthermore, possible areas of application of food-scanners along the supply chain of fresh produce are discussed, possibilities for practical applications are presented and time-saving means are highlighted.