El proyecto SpecTUNA avanza hacia la automatización de las etapas preparatorias de la materia prima en la industria conservera
Gracias al desarrollo de una celda robotizada que sincroniza procesos de bin-picking, corte y clasificación nutricional del pescado de forma automatizada, permitiendo además un análisis no destructivo pieza por pieza antes de la cocción, el proyecto SpecTUNA mejorará sustancialmente la capacidad de control de la calidad y la homogeneidad del producto.
El proyecto europeo SpecTUNA, “Sistema modular automatizado para el corte y la clasificación de atún congelado utilizando caracterización hiperespectral”, liderado por ANFACO-CECOPESCA, continúa con éxito su desarrollo mediante la aplicación combinada de tecnologías como la robótica avanzada y la tecnología de visión hiperespectral de cara a la automatización de los procesos de posicionamiento, corte y clasificación del atún congelado
El objetivo general del proyecto es construir la primera unidad de demostración a escala real de la maquinaria SpecTUNA (unidad de demostración SpecTUNA) y ejecutar una prueba piloto en dos pasos, primero en las instalaciones de ANFACO y después en las instalaciones de LA GONDOLA, para su validación en un entorno real, una industria conservera de atún, y obtener datos reales de rendimiento que allanarán el camino hacia su lanzamiento al mercado.
SpecTUNA podría revolucionar la industria de conservas de atún al conseguir automatizar y optimizar etapas preparatorias de la materia prima.
Un primer robot, se apoyará en herramientas de visión artificial avanzadas gobernadas por algoritmos de Deep Learning para extraer de forma autónoma piezas de pescado congelado de unos 15 kg de un contenedor, donde se ubican al azar (bin-picking). Este paso representa todo un reto, ya que no hay dos atunes iguales, y actualmente se está entrenando al sistema de Inteligencia Artificial con Machine Learning para que sea capaz de interpretar cada uno de los atunes y seleccione el más favorable para la cogida. Una vez que el robot ha seleccionado la materia prima, automáticamente lo pesa y controla la temperatura. Mientras se repite este ciclo, un segundo robot procederá a cortar la cabeza y la cola, para posteriormente clasificarla mediante parámetros de medición basados en tecnología de visión hiperespectral, como la cantidad de grasa, sal, proteína o humedad. De esta manera, el pescado puede clasificarse con vista a los procesos de producción posteriores.
Por otra parte, de cara a obtener una clasificación nutricional fiable de la materia prima congelada, se sigue muestreando con atunes de distintos lotes de pesca para mejorar el entrenamiento del modelo matemático. Lo que se busca es poder correlacionar la marca espectral con los resultados de laboratorio, y obtener así la “imagen química” del alimento que refleje los porcentajes de proteína, humedad, grasa y sal.
En el año 2018 se capturaron mundialmente unos 7,9 millones de toneladas de túnidos, alcanzando sus niveles más altos hasta la fecha (FAO 2020). Centrándonos en la producción de conservas y preparados de atún, la producción mundial del año 2016 (últimos datos disponibles de la FAO) fue de más de 2 millones de toneladas. La UE abarca el 19% de esa producción y a su vez España ocupa un lugar destacado, con el 67% de la producción europea de conservas y preparados de atún. Además, la creciente demanda de este tipo de alimentos también tiene un efecto positivo en el mercado europeo de maquinaria de procesamiento de alimentos, del que se estima que alcanzará los 20 millones € en el año 2021.
En este contexto, el desarrollo del proyecto SpecTUNA supone un salto disruptivo en la industria actual y contribuirá a aumentar la competitividad del sector europeo de conservas de pescado, formado principalmente por pymes, y a posicionarlo mejor frente a otros competidores.
El proyecto, de 3 años de duración, ha alcanzado el ecuador cumpliendo los ambiciosos retos que se proponían hasta la fecha. Se han desarrollado los distintos módulos de picking, caracterización hiperespectral y módulo de corte. Ahora se está en fase de sincronización, afino de las automatizaciones y depuración de los modelos matemáticos en desarrollo.
