В январе 2025 года Институт технологического центра ITCL, расположенный в испанском автономном сообществе Кастилия-Леон, приступил к реализации инновационного проекта под названием PRISMA. В феврале 2026 года работа была успешно завершена. Основная цель инициативы заключалась во внедрении технологии гиперспектральной визуализации для автоматизации контроля качества и безопасности мясных продуктов. Эта разработка позволяет оценивать состав, свежесть и дефекты сырья в реальном времени без разрушения образца.
Искусственный интеллект и компьютерное зрение 2026: от разговоров к действию в мясной промышленности
Когда алгоритмы встречаются с конвейером: практические кейсы внедрения нейросетей, автоматизация контроля качества и переход от теории к реальной прибыли в мясопереработке.
Читать далее ▸Как работает гиперспектральная технология для мясной отрасли
Гиперспектральная визуализация (HSI), это метод, который фиксирует десятки спектральных каналов для каждого пикселя изображения. Каждый материал, будь то мышечная ткань, жировая прослойка, костный фрагмент или посторонний полимер, обладает уникальным спектральным «отпечатком» в инфракрасном диапазоне. Промышленные системы на базе таких камер, как Specim, сканируют продукт на конвейерной ленте со скоростью до 400 миллиметров в секунду. Специальный алгоритм сравнивает спектр каждой точки с эталонными значениями. При обнаружении инородного тела пневматический выталкиватель мгновенно удаляет загрязненный участок без остановки производства.
От субъективной оценки к точному анализу
Традиционный арсенал технолога на мясоперерабатывающем предприятии долгие годы ограничивался ножом, вилкой и термометром. Методика оценки включала визуальный осмотр, анализ запаха и консистенции. При подозрениях образец отправляли в лабораторию для определения уровня аммиака и летучих жирных кислот. Однако с ростом производительности линий стало очевидно: человеческий глаз физически не успевает фиксировать отклонения. Кроме того, органолептика бессильна против микроорганизмов вроде сальмонеллы, которые невозможно идентифицировать без специального оборудования.
Ключевые результаты внедрения PRISMA
Проект PRISMA доказал эффективность гиперспектральной технологии для решения двух главных задач мясопереработчиков.
Первая задача, обнаружение физических загрязнителей. Рентгеновские аппараты и металлодетекторы часто пропускают органические материалы и тонкий пластик. Гиперспектральные камеры, напротив, успешно идентифицируют кости, хрящи, фрагменты деревянных поддонов и полимерной упаковки прямо в толще продукта. Вторая задача — оценка свежести и состава сырья. Нейросетевые архитектуры, обученные на тысячах изображений, улавливают изменения структуры мышечных волокон, которые предшествуют появлению запаха или изменению цвета. Точность классификации «свежее/несвежее» в лабораторных испытаниях приближается к 100%.
Интеграция в производственные линии
При планировании модернизации линии технологи должны учитывать несколько важных нюансов. Гиперспектральные камеры требуют точной настройки под конкретный тип продукта и упаковки. Необходимо предусмотреть место для монтажа на существующем конвейере и согласовать скорость съемки со скоростью движения ленты. Системы на базе искусственного интеллекта нуждаются в обучении на реальных образцах с конкретного производства. «Коробочное» решение может не учитывать особенности породы скота или типа кормления. Однако при грамотной калибровке эти инструменты окупаются за один-два года.
Современная инспекция мяса перестала быть просто контрольной точкой. Она превратилась в источник данных для управления качеством на всех этапах: от входного контроля сырья до отгрузки готовой продукции. Российские производители также адаптируют подобные решения. Например, на «Уфимском мясоконсервном комбинате» интеграция сканеров и аппликаторов в упаковочную линию позволила автоматически фиксировать коды в системе «Честный ЗНАК» и исключить ручные ошибки.
Перспективы развития
Технология PRISMA создает основу для полностью автоматизированных линий контроля качества. В ближайшие годы можно ожидать появления компактных и более доступных гиперспектральных систем, пригодных для небольших предприятий. Другим перспективным направлением станет объединение спектральных данных с информацией о происхождении сырья для сквозной прослеживаемости от фермы до прилавка.
