‘Voorspellen van het heden’

‘Voorspellen van het heden’ komt meer in zicht, bijvoorbeeld met de techniek Near Infrared Reflectance.

Cabaretier Wim Kan zei het al: “Voorspellen is moeilijk, vooral als het de toekomst betreft”. De toekomst is per definitie onbekend. Toch kunnen we op basis van beschikbare gegevens gefundeerde uitspraken over de toekomst doen. Denk aan de weersvoorspelling.

Kwaliteit versproducten voorspellen

Zo zullen we ook steeds beter in staat zijn het toekomstige verloop van de kwaliteit van versproducten te voorspellen. Door (historische) gegevens en kennis bij elkaar te voegen (big data) en deze op slimme wijze te analyseren in zelflerende systemen, zullen we met steeds hogere nauwkeurigheid kunnen voorspellen wanneer het juiste moment van oogsten is, hoelang de producten bewaard kunnen worden en hoe groot de kans is dat er inwendige afwijkingen zullen ontstaan.

Deze discipline zal op termijn zeker worden ingezet bij het nemen van beslissingen in agrologistieke ketens en het voorspellen van toekomstige ontwikkeling van kwaliteitskenmerken, zoals inwendige afwijkingen (bijvoorbeeld hol en bruin in peer). Dergelijke afwijkingen kunnen een partij onverkoopbaar maken, maar zijn op het moment dat het fruit de bewaring of het transport in gaat nog niet waarneembaar.

Vrucht inwendig ‘bekijken’ met licht

‘Voorspellen van het heden’ komt meer in zicht. Een apparaat om een onzichtbaar stukje heden toch te kunnen zien, is de Near Infrared Reflectance spectrometer. Bij NIR wordt het product aangestraald met een felle lichtbundel. Het licht dat terug wordt gekaatst (gereflecteerd) wordt geanalyseerd. Dit levert een spectrum op. Het apparaat ziet de vrucht deels in het zichtbare gedeelte van het licht en deels in golflengten die met het oog niet zichtbaar zijn. Golflengten die niet gereflecteerd worden zijn door de vrucht geabsorbeerd. Dit kan absorptie zijn door bijvoorbeeld pigmenten zoals lycopeen, anthocyaan of chlorofyl. Ook door verstrooiing blijft er licht in de vrucht achter.

Het teruggekaatste licht vertelt ons dus iets over de kleur, samenstelling en structuur van de vrucht zonder dat we de vrucht open hoeven te snijden. Licht dringt maar een paar millimeter in de vrucht door en kan dus in principe alleen maar iets over de schil en een stukje onderliggend vruchtvlees vertellen. Desondanks kan het teruggekaatste licht toch voorspellen dat er binnenin de vrucht een afwijking zit. Blijkbaar heeft de interne afwijking ook een effect op samenstelling van schil en onderliggend weefsel.

Zo zijn er al mooie resultaten behaald in de voorspelling van inwendige afwijkingen in tal van vruchten via een NIR-meting en kunnen met hoge snelheid de goede producten van de slechte gescheiden worden. Dat scheelt een hoop snijwerk.

Je moet het systeem wel eerst leren hoe het spectrum van een aangetaste vrucht eruitziet. Hier komt dan de big data weer om de hoek kijken: als we het systeem langere tijd met spectra van gezonde en aangetaste vruchten gaan voeden, zal het steeds beter gaan voorspellen.