Objectives
This project examined whether the quality check of sausage products made from white meat (on the example of turkey meat) using near infrared (NIR) spectroscopy is basically possible. The objective was to create the basics and a data set for the development of an NIR-based measurement system for quality monitoring in sausage production. For this purpose, preliminary investigations were carried out on the spectral properties of turkey meat as well as sausage and delicatessen products in the near infrared range (wavelengths between 950-2850 nm). The end device was developed in the following project.
Objectives
In diesem Projekt wurde geprüft, ob die Qualitätskontrolle von Wurstwaren aus Weißfleisch (am Beispiel von Putenfleisch) mittels Nahinfrarot (NIR)- Spektroskopie grundsätzlich möglich ist. Ziel war es die Grundlagen und einen Datensatz für die Entwicklung eines NIR-basierten Messsystems für die Qualitätsüberwachung bei der Wurstherstellung zu bilden. Hierfür erfolgten Voruntersuchungen zu den spektralen Eigenschaften von Putenfleisch sowie Wurst- und Feinkostprodukten im nahen Infrarotbereich (Wellenlängen zwischen 950-2850 nm). Das Endgerät wurde in einem Nachfolgeprojekt entwickelt.
Activities
In the project, more than 140 sausage and meat samples were spectrally examined and in comparison wet-chemically analyzed. The analyses focused the parameters of the BIG7 (nutrition declaration), pH value, water activity (aw-value), connective tissue free protein meat protein content (BEFFE) and the total bacterial count. The collected data was used to develop calibration models for the individual parameters using mathematical methods (artificial neural networks (ANN)).
Activities
Im Projekt wurden mehr als 140 Wurst- und Fleischproben spektral untersucht und zum Vergleich nass-chemisch analysiert. Der Fokus der Analysen lag auf den Parameter der BIG7 (Nährwertkennzeichnung), dem pH-Wert, der Wasseraktivität (aw-Wert), dem bindegewebseiweißfreien Fleischeiweiß (BEFFE) sowie der Gesamtkeimzahl. Mittels der Daten konnten durch den Einsatz von mathematischen Methoden (künstlichen neuronalen Netzen (KNN)) Kalibrationsmodelle für die einzelnen Parameter entwickelt werden.
Project details
- Main funding source
- Rural development 2014-2020 for Operational Groups
- Rural Development Programme
- 2014DE06RDRP023 Germany - Rural Development Programme (Regional) – Thuringia
Emplacement
- Main geographical location
- Saale-Holzland-Kreis
- Other geographical location
- Unstrut-Hainich-Kreis
EUR 55168.6
Total budget
Total contributions from EAFRD, national co-financing, additional national financing and other financing.
Project keyword
Contacts
Project coordinator
-
Stefan Lüdke
Project coordinator
Project partners
-
Forschungszentrum für Medizintechnik und Biotechnologie GmbH (fzmb)
Project partner
-
Gönnatal-agrar eG
Project partner