Tuoteväärennöksiä esiin infrapunaspektroskopialla

EU kannustaa yrityksiä ja tutkimuslaitoksia kehittämään uusia ratkaisuja ruuan aitouden, turvallisuuden ja laadun varmistamiseen sekä kasvavan ylipaino-ongelman vähentämiseen. Infrapunaspektroskopialla voidaan paljastaa tuoteväärennöksiä ja mitata ravintosisältöjä.

Horizon 2020 -ohjelmassa järjestetyn Horizon Prize Food Scanner -kilpailun pääpalkinnon, 800 000 euroa, voitti suomalainen Spectral Engines Oy. Sen Food Scannerilla voidaan mitata helposti ja edullisesti ruuan pääravintosisältö (energia, rasva, proteiini ja sokeri) ja tarjota tietoa potentiaalisista allergeeneista tai kemikaalijäämistä.

Ideana on mitata ruuan sisältö, eikä vain arvioida sitä kuvan perusteella tai lukea pakkauksesta tuotetietoja viivakoodin avulla. Tavoitteena on varmistaa, että ruoka on turvallista ja todella sitä, mitä pakkauksessa ilmoitetaan. Toisaalta on haluttu tehdä sisältömääritys helpoksi niillekin, jotka eivät jaksa laskea ravintosisältöjä pakkausten kyljestä.

Food Scanner -kilpailussa arvioitiin teknisen ratkaisun valmiusaste, mittausluotettavuus ja -herkkyys sekä käyttäjäkokemuksen peruspilarit: käyttöliittymä, mittausaika, kannettavuus ja älykkyys. Kilpailun finalistien piti mitata 50 tuntematonta ruokaa arviointipaneelin edessä, keskustella ratkaisusta ja vastata kysymyksiin.

Kilpailun voittajat julkistettiin Hannoverissa CeBIT-messuilla keväällä 2017. Toiseksi ja kolmanneksi sijoittuivat Israel-lähtöinen Consumer Physics (SCIO) ja Tellspec, joka on alkujaan Kanadasta. Molemmat ovat useita vuosia kehittäneet pelkästään ruokaan liittyviä ratkaisuja. Tämä teki Spectral Enginesin voitosta vielä arvokkaamman, sillä yritys rakensi ruokasovelluksensa kolmessa kuukaudessa.

Ruuan mittaus ei ole läpihuutojuttu

Kaikki Food Scanner -kilpailun finalistit käyttävät samantyyppistä teknologiaa: infrapunaspektroskopiaa. Laitteiden koon pienentäminen on vahvassa kiidossa maailmalla, ja tavoitteena on lopulta saada kyseinen teknologia kännykkään. Spectral Engines on maailmassa pisimmällä, kun pitää yhdistää halpa hinta ja pieni koko luotettavaan mittaukseen. Kilpailevat ratkaisut joutuvat yleensä tinkimään jommastakummasta.

Spektrisensori mittaa kohteesta heijastuvan valon ja määrittää uniikkien infrapunasormenjälkien avulla kohteen koostumuksen. Sensori täytyy kuitenkin ensin ”opettaa”, eli ratkaisuun liittyy aina ns. spektrikirjasto ja kehittyneet algoritmit. Käytännössä sensorille pitää opettaa kaikki maailman ruokavariaatiot allergeenitietoineen.

Ratkaisuna tähän voidaan käyttää pilvipohjaista järjestelmää, jossa tekoäly oppii louhimaan datamassasta oikean vastauksen, kuten rasvaprosentin. Kyseessä on eräänlainen hakukone, joka etsii isosta määrästä tunnettuja mittauksia oikean tuloksen nopeasti ja ilmoittaa käyttäjälle kännykän ruudulla tuloksen.

Teknologialla on helppo tehdä rajattuja sovelluksia, kuten online-kosteusmittaus jauholinjalle tai proteiinimittaus jyville. Ruoka on vain yksi sovellusalue. Kyseessä on materiaalisensori, jolla voi mitata vaikkapa vaatekappaleen ja saada vastauksena pesuohjeet, tai viranomaiset voivat tunnistaa huumeita ja räjähteitä.

Sensorit eivät tunnista pieniä määriä

Infrapunaspektroskopiset sensorit ovat lupaavia helppoon ja nopeaan mittaukseen, mutta kaikkeen nekään eivät vielä sovellu. Spectral Enginesin ratkaisu pystyy mittaamaan pääravintoaineet noin 5‒10 prosenttiyksikön tarkkuudella, mutta kovin pieniä pitoisuuksia sekään ei vielä pysty mittaamaan.

Iso osa allergeeneistä ei ole havaittavissa ensimmäisen sukupolven ratkaisuilla, eivätkä myöskään pienet lannoitejäämät tai vastaavat. Lisäksi jos ruoka on hyvin kerrostunutta, esimerkiksi lihapullan sisällä on manteli, mittari ei pysty havaitsemaan sitä. Jotkin lihalaadut kyetään erottamaan toisistaan, mutta muun muassa eri nautalajien infrapunasormenjälki on lähes identtinen keskenään.

Pienien määrien mittaus ja suurin osa ruokaväärennösepäilyjä tarvitsevat jatkossakin tarkat laboratoriomenetelmät. Toisaalta on helppo selvittää, onko melamiinia lisätty maitojauheeseen tai yritetäänkö myydä muoviriisiä. Sama koskee lääkeväärennöksiä. Jos lääkkeessä on sama vaikuttava aine, brändejä ei pysty erottamaan mittaamalla. Sen sijaan on helppo selvittää, myydäänkö lääkkeen sijasta plaseboa tai myrkyllisiä aineita.

Jarkko Antila
toimitusjohtaja
Spectral Engines
jarkko.antila(at)spectralengines.com
www.spectralengines.com

VTT-lähtöinen kasvuyritys

  • Spectral Engines Oy on VTT-lähtöinen, nuori, materiaalisensoriteknologiaa kaupallistava kasvuyritys.
  • NIRONE-teknologia- alustaan kuuluvat modulaariset spektrisensorit ja ohjelmistoratkaisut. Näillä työkaluilla on nopeaa tehdä uusia, kokonaisia mittausratkaisuja uusille alueille.
  • Spectral Enginesin toimintamalli on hakea kaupallistamispartnereita eri markkina-alueille, joista ruoka on yksi.
  • Sensorit avaavat uuden sivun digitalisoituvassa maailmassa tarjoamalla edullisen, kytketyn ratkaisun älykkäästä maanviljelyksestä älykkään teollisuuden kautta kuluttajiin saakka.