Detección automática de huevos defectuosos

Investigadores de la Universidad Politécnica de Madrid (UPM) y de la Universidad de Milán  han conseguido detectar, a través del análisis de imágenes digitales  tomadas en oportunas longitudes de onda, huevos de gallina defectuosos  no aptos para la venta.

Los investigadores, pertenecientes a la ETSI 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 cáscara 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 cáscara presenta defectos superficiales, el  producto pierde calidad.

Un producto de baja calidad no sólo  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 estudio 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 cáscara  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.