”NIRS er bare en mere effektiv og grøn måde at måle fødevarer igennem alle dets processer, i forhold til, hvad vi gør nu. Det kræver ingen prøveforberedelse, og så er der ingen kemikalier og ekstraheringsvæsker, der skal i brug, og hele processen kan optimeres med denne teknologi. I fødevaresystemet, som det er nu, bliver der hældt enorme mængder opløsningsmidler ud, fordi de har skulle bruges til at måle på stikprøver af fødevarer. Meget af det kan vi slippe for, hvis vi i højere grad bruger NIRS” siger Søren Balling Engelsen.
Han understreger dog også, at NIRS har sine begrænsninger i forhold til f.eks. klassiske analysemetoder. Måler man en råvare, fødevarestrøm eller den færdige fødevare med NIRS, så får man et meget komplekst og overlappende spektrum af alle de molekyler, der er til stede. Et sådant komplekst spektrum skal efterfølgende dechifreres med fx avanceret dataanalyse teknologi som machine learning.
Derfor kan man heller ikke afskaffe de klassiske og mest udbredte analysemetoder, selvom de bruger store mængder ekstrationsvæsker. De skal imidlertid bruges til at etablere en præcis baseline eller kalibrering, hvorfra NIRS kan benyttes til at måle ultrahurtigt og løbende forsyne os med data i realtid.
Det er særligt aktuelt nu, fordi machine learning kan integreres til at øge præcisionen af NIRS ved såkaldt multivariat kalibrering – hvor machine learning kan lære at kombinere de komplekse NIR-spektre der kommer ind, og lærer at adskille signalerne, som dertil kan bruges til at træffe informerede valg.
”Vi bruger så at sige machine learning til at dechifrere det her NIRS-spektrum, som for utrænede øjne ser overfladisk ud, fordi det gør os i stand til at træffe strategiske valg i alle dele af fødevareproduktionen i realtid. En sidegevinst af dette setup er at vi i højere grad digitaliserer og optimerer processerne,” siger Søren Balling Engelsen.
En langtidsinvestering
Mens argumenterne for i højere grad at integrere NIRS i alle led af fødevareproduktionen er rigelige, så er der sværere at kvantificere, hvor stor en positiv forskel NIRS kan gøre, erkender Søren Balling Engelsen. Til det skal der bruges livscyklusanalyser som beregner miljøpåvirkningen af et produkt eller en service lige fra udvinding af råmaterialer til bortskaffelse.
”Vi skal helt tilbage til 70’erne, for at finde den første grønne analytiske revolution i fødevareindustrien. Dengang som nu betaler man bønderne efter proteinindholdet i deres korn. Der gik man fra at måle proteinindholdet af korn med Kjeldahl metoden, en kvælstofanalyse som måler nitrogenindholdet i en prøve ved at opløse det i svovlsyre, til NIRS i stedet. Overgangen til NIRS var en formidabel forbedring i forhold til analyseeffektiviteten. Et dengang mere overset emne, nemlig bæredygtigheden af at erstatte svovlsyre med en simpel (nær)infrarød måling viser sig nu at være et centralt argument. Den udvikling som vi ser nu, er egentlig bare en slags forlængelse af det,” forklarer Søren Balling Engelsen.
Tænker man brugen af NIRS helt ud, kommer det til at lyde næsten helt sci-fi-agtigt. Hvis man f.eks. forestiller sig præcisionslandbrug på f.eks. en vinmark, kan man have droner monteret med NIRS sensorer, som flyver rundt og måler alt fra fugtindhold i jord, plante og drue, til sukkerindhold og anthocyanin indhold i druerne, som kan bruges til at finde det optimale høsttidspunkt. Senere kan man overvåge og optimere fermenteringsprocesserne og endeligt den færdige vin, fortæller Søren Balling Engelsen, som selv dyrker vin, når han ikke forsker i fødevarekemi.
”Hele pointen med at arbejde hen imod, at vi får al dette realtidsdata gennem NIRS, er i bund og grund at kunne træffe de bedst muligt informerede beslutninger, for både at gøre fødevareproduktion grønnere og mere effektiv. Med den viden, NIRS kan give os om udviklingen af planteafgrøderne på markerne, optimeringen af høsttidspunktet og forarbejdningen af råvarerne som f.eks. formaling, tørring, blanding, ekstrudering, bagning osv. gør, at vi kan lave vores fødevarer med højst mulig kvalitet og med mindst mulige processering og energiforbrug.
Læs hele perspektivartiklen her.
