{Project} OpLaMa: Reduktion der Lagerverluste bei ökologisch erzeugtem Obst und Gemüse durch ein optimiertes Lagerungsmanagement auf Basis von sensorgestützten und adaptiven Modellen zur Prognose der Qualitätsentwicklung und Haltbarkeit. [Minimization of losses of organically produced fruits and vegetables in storages by an optimized management strategy based on sensor data and an adaptive model for prediction of quality development and shelf live.] Runs 2020 - 2023. Project Leader(s): Meinken, Dr. Elke; Jakob, Dr. Eckhard and Kittemann, Dr. Dominikus, Hochschule Weihenstephan-Triesdorf .
Full text not available from this repository.
Summary
Das Projekt ist zweigleisig angelegt. Zum einen sollen Kalibrationsmodelle zur nicht-destruktiven Bestimmung unterschiedlicher Qualitäts- und Haltbarkeitsparameter von ökologisch erzeugtem Obst- und Gemüse mittels Nahinfrarotspektroskopie (NIRS) entwickelt werden. Dazu gehören klassische geschmacksbestimmende Parameter (Zucker, Säure), Kenngrößen für die sensorische Qualität (Fruchtfleischfestigkeit), Inhaltstoffe mit hohem gesundheitlichen Wert (Polyphenole, Antioxidantien) und Kenngrößen, mit denen sich die Haltbarkeit abschätzen lässt (metabolische N-Pools). Die Messungen sollen dabei einerseits mit einem Laborspektrometer sowie einem kompakten Gerät, das später in der Praxis für Vor-Ort-Messungen genutzt werden kann, durchgeführt werden. Der zweite Aspekt ist der Aufbau von flexiblen Sensorsystemen zur Überwachung der Umweltbedingungen im Lager (Temperatur, Luftfeuchte, Luftbewegung, Lageratmosphäre) sowie darauf aufbauend die Entwicklung von intelligenten Steuerungsalgorithmen. Diese Versuche erfolgen dabei zum einen in Versuchslägern an der Hochschule Weihenstephan-Triesdorf und zum anderen in den Lagerräumen der etepetete GmbH, einem StartUp aus München, das ein innovatives Abokisten-System für biologisch erzeugtes Obst und Gemüse betreibt. Abschließend sollen die Erkenntnisse der beiden Projektteile zusammengeführt werden und adaptive Modelle zur Prognose der Qualitätsentwicklung und der Haltbarkeit von ökologisch bzw. nachhaltig erzeugtem Obst und Gemüse entwickelt werden. Die Modelle basieren dabei zum einen auf den mittels NIRS gemessenen Qualitäts- und Haltbarkeitsparametern sowie den während der Lagerung laufend erfassten Umweltbedingungen. Die Prognosemodelle sollen ein intelligentes Lagermanagement ermöglichen, mit dem das bisher vielfach übliche starre "First In – First Out"-Prinzip durch ein flexibles "First Expired – First Out"-Management ersetzt und durch das die zum Teil erheblichen Verluste bei der Lagerung von Obst und Gemüse reduziert werden können.
Das Projekt ist in drei Aspekte gegliedert, die in mehreren aufeinander aufbauenden Arbeitspaketen bearbeitet werden sollen. Die erste Teilaufgabe beschäftigt sich mit der Entwicklung von NIRS-Kalibrationsmodellen zur schnellen und nicht-destruktiven Bestimmung von Parametern, die den sensorischen, geschmacklichen bzw. gesundheitlichen Wert von insgesamt vier Obst und Gemüsearten (Erdbeeren, Zucchini, Möhren, Brokkoli) definieren, sowie zur Abschätzung der bisherigen Lagerungsdauer bzw. der weiteren Lagerungsfähigkeit. In der zweiten Teilaufgabe wird ein an das Internet-of-Things (IoT) angelehnter Ansatz verfolgt: Es sollen flexible Sensorsysteme zur Überwachung der Temperatur im Lager sowie des Lagerguts, der relativen Luftfeuchte und der Ethylenkonzentration in der Lageratmosphäre entwickelt und die einzelnen Sensoren miteinander vernetzt werden. Dabei richtet sich der Hauptfokus auf kostengünstige Sensoren, die in größerer Anzahl an verschiedenen Stellen im Lager positioniert werden. Es sollen keine neuen Sensoren entwickelt werden, sondern etablierte Messprinzipien intelligent verknüpft werden. Basierend auf den Messwerten ist die Entwicklung intelligenter und adaptiver Steuerungsalgorithmen zur Optimierung der Haltbarkeit geplant. Die dritte Teilaufgabe baut auf den beiden ersten Teilaufgaben auf bzw. führt deren Erkenntnisse zusammen. Ziel der Teilaufgabe ist die Entwicklung von sensorbasierten Modellen zur Abschätzung der Qualitätsentwicklung. Im Rahmen dieser Teilaufgabe sollen zudem die Kalibriermodelle zur zerstörungsfreien Qualitätsbestimmung sowie die in der zweiten Teilaufgabe entwickelten Sensorsysteme und Steueralgorithmen unter Praxisbedingungen erprobt werden. Die vierte und letzte Teilaufgabe beinhaltet den Wissens- und Technologietransfer.Angaben zur Finanzierung des Projekts finden Sie im Förderkatalog des Bundes unter https://foerderportal.bund.de/foekat/jsp/StartAction.do. Bitte geben Sie in das Suchfeld eine 28 plus das Förderkennzeichen (FKZ) des BÖLN-Projektes ein, z.B. 2808OE212 für das BÖLN-Projekt mit der FKZ 08OE212.
Summary translation
The research project focus on two aspects: The first goal is the analysis the quality of organically produced fruits and vegetables by near-infrared spectroscopy (NIRS). Beside common organoleptic e.g. content of sugars and acids or firmness, also health-promoting ingredients such as polyphenols or antioxidants and parameters to predict shelf life (e.g. metabolic N pools) should be analyzed. The measurements are done with a laboratory spectrometer as well as with a portable hand-held device, which can be used for on-site measurements later. The second goal is the development of close-knit and flexible networks of low cost sensors to monitor environmental conditions (air and product temperature, moisture, atmosphere) in the storage. Based on the sensor data intelligent control algorithm to maintain optimal conditions will be build. The storage trials will be done in small-scale storage boxes, where temperature, humidity and atmosphere can be controlled exactly and secondly in the commercial storage facilities of the company etepetete GmbH. The Start Up is located in Munich and runs an innovative organic box scheme for fruits and vegetables, which does not match traditionally quality categories of the food retailing industry. Finally, the two aspects – non-destructive measurement of quality and monitoring of storage conditions will be fused to build adaptive and sensor-based models for the prediction of quality development of fruits and vegetables. This prediction models enable an intelligent management strategies, by which the current "First In – First Out" method can be replaced by a more flexible "First Expired – First Out" strategy. This might help to reduce food losses during storage.
| EPrint Type: | Project description |
|---|---|
| Location: | Freising |
| Keywords: | BÖL, BOEL, BÖLN, BOELN, FKZ 19OE039,Sensorik,, sensor technology, IoT, Qualitätskontrolle, quality control, Qualitätsmanagement, quality management, Inhaltsstoffe, ingredients, Monitoring, Modellierung, modeling, Nahinfrarotspektroskopie, near-infrared spectroscopy, NIRS |
| Subjects: | Food systems > Food security, food quality and human health |
| Research affiliation: | Germany > Federal Organic Farming Scheme - BOELN Germany > Other organizations |
| Research funders: | Germany > Federal Organic Farming Scheme - BOELN Germany > Federal Agency for Agriculture and Food - BLE |
| Related Links: | https://www.bundesprogramm.de, https://orgprints.org/perl/search/advanced?addtitle%2Ftitle=&keywords=19OE39&projects=BOEL&_order=bypublication&_action_search=Suchen, |
| Acronym: | OpLaMa |
| Project ID: | FKZ 19OE039 |
| Start Date: | 15 September 2020 |
| End Date: | 14 September 2023 |
| Deposited By: | Lohr, Dieter |
| ID Code: | 38268 |
| Deposited On: | 15 Sep 2020 05:10 |
| Last Modified: | 15 Sep 2020 07:54 |
Repository Staff Only: item control page
