Research Evolution and Emerging Trends in Fruit and Vegetable Quality Assessment and Sorting: A Bibliometric Analysis of Analytical and Intelligent Sensing Technologies

Jedes Jahr bewegen sich Milliarden Tonnen Obst und Gemüse von den Feldern zu den Märkten – eine Reise, auf der die Erzeugnisse Handhabung, Transport und Lagerung überstehen müssen, ohne Druckstellen oder zu verfaulen. Lange Zeit beruhte die Sortierung dieses Erzeugnisses stark auf dem menschlichen Auge und den Händen, ein Prozess, der langsam, inkonsistent und oft zu grob für empfindliche Artikel wie dünnhäutige Tomaten oder weiche Pfirsiche ist. Da die weltweite Nachfrage nach qualitativ hochwertigen Lebensmitteln gestiegen ist, hat sich die Agrarindustrie Maschinen zugewandt, die Obst und Gemüse mit der Geschwindigkeit eines Förderbands und der Präzision eines Wissenschaftlers sehen und beurteilen können. Diese Maschinen nutzen Kameras, um Farbe und Form zu betrachten, sowie spezielle Sensoren, die in eine Frucht hineinsehen können, um deren Zuckergehalt oder Festigkeit zu prüfen, ohne sie aufzuschneiden. Das Ziel ist einfach, aber schwierig: Tausende von Artikeln pro Stunde zu sortieren, um sicherzustellen, dass nur die besten den Verbraucher erreichen, während gleichzeitig Abfall und Schäden minimiert werden.

Ein Forschungsteam der Guizhou Normal University in China hat kürzlich einen Schritt zurückgetreten, um die gesamte Geschichte dieses technologischen Wandels zu betrachten. Anstatt eine neue Maschine zu bauen oder eine bestimmte Frucht zu testen, analysierten sie tausende wissenschaftliche Arbeiten, die zwischen 2000 und 2025 veröffentlicht wurden, um zu verstehen, wie sich das Feld entwickelt hat. Durch das Studium der Muster in diesen Texten kartierten sie, wie sich Wissenschaftler von einfacher mechanischer Sortierung hin zu komplexen, intelligenten Systemen bewegt haben, die in der Lage sind, über das, was sie sehen, zu „nachdenken“. Ihre Arbeit zeigt eine klare Geschichte des Fortschritts: eine Reise von der einfachen Beobachtung zur anspruchsvollen, automatisierten Entscheidungsfindung, die die Art und Weise, wie wir unsere weltweiten Lebensmittelbestände handhaben, neu gestaltet.

Die Forscher sammelten Daten aus zwei massiven Bibliotheken wissenschaftlicher Erkenntnisse: einer, die englischsprachige Studien aus der ganzen Welt enthielt, und einer weiteren, die chinesischsprachige Studien enthielt. Sie durchsuchten mehr als 1.300 Publikationen, um die wichtigsten Trends zu finden. Was sie fanden, war ein Bereich, der in den letzten zwei Jahrzehnten stetig gewachsen ist, mit einem besonders starken Anstieg der Aktivität seit 2021. In den frühen 2000er Jahren war die Forschung spärlich und konzentrierte sich auf grundlegende mechanische Designs. In den 2010er Jahren verlagerte sich der Fokus auf die Nutzung von Computern zur Analyse von Bildern. In den letzten Jahren wurde die Explosion neuer Forschung durch fortschrittliche künstliche Intelligenz vorangetrieben, die es Maschinen ermöglicht, Defekte und Qualitätsstufen mit einer Raffinesse zu erkennen, die zuvor unmöglich war.

Die Studie hebt hervor, dass die Forschungsbemühungen der Welt nicht gleichmäßig verteilt sind. China hat die meisten Arbeiten zu diesem Thema produziert, gefolgt von Indien, den Vereinigten Staaten, Spanien und dem Iran. Dieser Anstieg der chinesischen Forschung spiegelt die massive Obst- und Gemüseindustrie des Landes und seinen schnellen Vorstoß zur Modernisierung der Landwirtschaft mit intelligenten Maschinen wider. Während Länder wie die USA und China an einigen Projekten zusammenarbeiten, stellten die Forscher fest, dass die internationale Zusammenarbeit stärker sein könnte. Derzeit ist das Netzwerk der Kooperation etwas fragmentiert, da viele Länder isoliert arbeiten, anstatt ihre Ressourcen zu bündeln, um gemeinsame Probleme zu lösen.

Als die Forscher betrachteten, was Wissenschaftler tatsächlich untersuchen, traten zwei Hauptpfade hervor. Der erste Pfad befasst sich mit der Sortierung basierend darauf, wie eine Frucht äußerlich aussieht. Dies beinhaltet die Verwendung von Kameras, um Farbe, Größe und Form zu messen oder um Druckstellen und Makel aufzuspüren. Der zweite Pfad befasst sich mit der Prüfung der Qualität im Inneren der Frucht, ohne diese zu beschädigen. Hier wird die Technologie komplexer. Wissenschaftler nutzen Lichtwellen, die das menschliche Auge nicht sehen kann, wie etwa Nahinfrarotlicht, um die Schale einer Frucht zu durchdringen und deren Zucker, Säure oder inneren Verderb zu messen. Die Analyse ergab, dass die frühe Forschung stark auf diese zwei getrennten Pfade fokussiert war, die spannendsten Entwicklungen jedoch dort stattfinden, wo sie sich treffen. Die Zukunft der Sortierung liegt in der Kombination dieser Methoden – unter Verwendung von Kameras, um das Äußere zu sehen, und spezieller Sensoren, um das Innere zu sehen, und das alles gleichzeitig.

Die Werkzeuge, um dies zu erreichen, haben sich im Laufe der Zeit drastisch verändert. In der Vergangenheit verließen sich Computer auf einfache, von Menschen geschriebene Regeln, um einen roten Apfel oder ein grünes Blatt zu identifizieren. Heute nutzen die effektivsten Systeme Deep Learning, eine Art der künstlichen Intelligenz, die sich selbst beibringt, worauf sie achten muss, indem sie tausende von Beispielen studiert. Die Forscher fanden heraus, dass die populärsten Fachzeitschriften in diesem Bereich jene sind, die der Agrartechnik und den Ernährungswissenschaften gewidmet sind, was bestätigt, dass es sich um eine praktische, industriegetriebene Wissenschaft handelt. Die am häufigsten zitierten Arbeiten befassen sich oft mit der Nutzung von maschineller Bildverarbeitung zur Erkennung von Defekten oder mit der Nutzung von Spektralbildgebung zur Vorhersage der Reife.

Trotz dieser Fortschritte weisen die Forscher darauf hin, dass die Technologie noch nicht perfekt ist. Maschinen haben weiterhin Schwierigkeiten, wenn sich die Beleuchtung ändert, wenn Früchte übereinandergestapelt sind oder wenn es um sehr empfindliches Erzeugnis geht, das leicht Druckstellen erleidet. Die Systeme sind zudem teuer und benötigen leistungsstarke Computer, was ihre Nutzung auf kleineren Farmen oder in Entwicklungsländern erschwert. Die Studie legt nahe, dass der nächste große Sprung aus der Entwicklung günstigerer, schnellerer und anpassungsfähigerer Systeme resultieren wird. Wissenschaftler arbeiten nun an „leichtgewichtigen“ Versionen dieser intelligenten Systeme, die auf kleineren Geräten laufen können, und erforschen Wege, Maschinen beizubringen, aus sehr wenigen Beispielen zu lernen, anstatt Millionen von Bildern zu benötigen, um anzufangen.

Das Paper schließt mit der Feststellung, dass sich das Feld einer Zukunft zuwendet, in der Sortierung nicht nur bedeutet, eine Frucht anzusehen, sondern sie vollständig zu verstehen. Durch die Verschmelzung von Daten aus Kameras, Lichtsensoren und sogar Geruchssensoren wird die nächste Generation von Sortiermaschinen in der Lage sein, Entscheidungen zu treffen, die so nuanciert sind wie die eines menschlichen Experten, aber mit der Geschwindigkeit und Konsistenz eines Roboters. Diese Evolution verspricht, Lebensmittelabfälle zu reduzieren und sicherzustellen, dass das Erzeugnis, das wir essen, sicher und von hoher Qualität ist. Die Forscher mahnen jedoch, dass diese Zukunft davon abhängt, die aktuellen Hürden in Bezug auf Kosten, Komplexität und die Fähigkeit dieser Maschinen, in der unordentlichen, unvorhersehbaren Realität eines Bauernhofs oder einer Verpackungsstation zuverlässig zu arbeiten, zu überwinden. Der Weg nach vorn ist klar, aber er erfordert kontinuierliche Innovation, um diese kraftvollen Ideen in alltägliche Werkzeuge für Landwirte und Lebensmittelproduzenten überall zu verwandeln.