Aflatoxina y fragmentos de cáscara en frutos secos

Fecha de publicación:2026-11-19     Número de visitas:0    Autor:JIACUI Team

Los defectos más difíciles en el procesamiento de frutos secos son los que se ven pero no se distinguen, y los que no se ven en absoluto. Un fragmento de cáscara de nuez tiene el mismo color que la pulpa de nuez. Una piedra que llegó con la cosecha parece un fruto seco a una cámara de color. Un grano con moho interno puede verse perfectamente uniforme y claro en la superficie mientras lleva aflatoxina en su interior. No son casos límite: son exactamente los defectos que convierten un contenedor sano en un rechazo fronterizo de la UE, un reclamo de cliente o un retiro del mercado.

Una clasificadora de color convencional está ciega ante los tres. Este artículo explica por qué, qué detectan realmente las tecnologías que sí los resuelven (la IA de forma/textura y la visión de infrarrojo cercano (NIR) InGaAs), y cómo la clasificación óptica se convirtió en un punto de control nombrado para la aflatoxina en el comercio internacional de frutos secos.

Módulo de cámara de alta resolución utilizado en sistemas de clasificación óptica de frutos secos

Las cámaras de luz visible leen el color; los sensores infrarrojos leen de qué está hecho el objeto.

Los tres desafíos de clasificación más difíciles en frutos secos

1. Materia extraña del mismo color

Después del descascarado, la corriente de residuos está llena de material que comparte el color de la pulpa: fragmentos de cáscara y médula (el diafragma leñoso dentro de la nuez), astillas de cáscara de almendra y cacahuete, chips de cáscara de pistacho, tallos y piedras traídas del campo. Para una cámara de luz visible (RGB), un fragmento fino de cáscara sobre un grano es una coincidencia de color. Este es el fallo más común de la clasificación «barata» de frutos secos: la máquina reporta más del 99 % de pureza en color y aun así embarca cáscara.

El estándar AFI usado en todo el comercio internacional de frutos secos especifica materia extraña por debajo del 0,1 % y granos defectuosos por debajo del 4 % para los grados de grano entero. Alcanzar un 0,1 % de materia extraña es imposible solo con color cuando la materia extraña es el color del fruto seco.

2. Moho interno, daño por insectos y arrugamiento

Algunos granos defectuosos fallan por su sustancia, no por su superficie: un agujero de perforación de insecto, un grano arrugado o gemelo o, peor aún, un grano con crecimiento de moho interno y las micotoxinas que lo acompañan. El color superficial puede ser normal. La contaminación por aflatoxina impulsada por Aspergillus está fuertemente ligada al daño por insectos (por ejemplo, la polilla navel orangeworm en almendras), y el moho crece en granos ya abiertos por insectos que se alimentan, así que un grano que parece «casi bien» puede llevar el problema.

3. Contaminantes densos y de baja densidad ajenos

Vidrio, plástico duro, fragmentos de metal y materia extraña más ligera, como trozos de cuerda o palitos, entran desde la cosecha y el procesamiento. Algunos coinciden en color con el fruto seco, y son precisamente los elementos que causan el daño más grave a la marca y a la responsabilidad civil cuando llegan a un consumidor.

Granos de anacardo después de la clasificación, con fragmentos de cáscara y defectos eliminados

Los fragmentos de cáscara, la médula y las piedras del mismo color son invisibles para una máquina que solo ve color.

Por qué la clasificación por color no puede resolver esto, y qué hace InGaAs / NIR

La clasificación por color lee luz visible reflejada: rojo, verde, azul. Responde a la pregunta «¿qué tono tiene este objeto?». Los defectos del mismo color son invisibles a esa pregunta por definición.

La visión de infrarrojo cercano responde a otra pregunta: «¿de qué está hecho este objeto?»

Los sensores InGaAs (arseniuro de galio e indio) forman imágenes en la banda de infrarrojo de onda corta, donde los enlaces moleculares del producto absorben y reflejan la luz de forma diferente. La consecuencia práctica para los frutos secos:

  • Las pulpas de frutos secos son ricas en aceite. La cáscara, la médula, la piedra, el vidrio y la mayoría de los plásticos no lo son. En la banda SWIR la diferencia entre una pulpa grasa y un contaminante leñoso o mineral es grande e inequívoca, incluso cuando ambos son idénticos a la vista. Así logran las clasificadoras InGaAs la eliminación de fragmentos de cáscara y de piedras/vidrio del mismo color que las máquinas de color no pueden.
  • Las diferencias subsuperficiales y de humedad revelan defectos que no han decolorado la superficie: moho oculto, daño interno por insectos y aflatoxina en etapa temprana que las cámaras visibles dejan pasar.
  • Los canales NIR (infrarrojo cercano) son la familia más amplia; InGaAs es la implementación de sensor de gama alta usada para la clasificación de defectos «invisibles» y «del mismo color» en frutos secos y semillas.

Esto no es marketing especulativo ni específico de un proveedor: es la arquitectura establecida de la categoría de clasificación de frutos secos. Los principales fabricantes de clasificadoras documentan exactamente estos mecanismos: la plataforma MultiVision de Bühler combina longitudes de onda visibles e infrarrojas más detección de formas específicamente para eliminar materia extraña del mismo color y micotoxinas, incluida la aflatoxina, en cacahuetes y frutos secos de árbol. Alapros afirma que InGaAs «permite la separación de defectos que no pueden distinguirse visualmente… [y] cáscaras de pulpas de frutos secos». Hefei Meyer lista series infrarrojas dedicadas (CI/KI) para «separación de cáscara y pulpa de frutos secos» y eliminación de vidrio, piedra y metal, y una serie CG que usa NIR/InGaAs/UV para impurezas nocivas. Toda la categoría converge en el mismo punto: para defectos del mismo color y subsuperficiales, necesita detección infrarroja de materiales, no más píxeles de color.

Cómo la IA añade la capa de forma y textura

Junto al hardware espectral, las clasificadoras modernas superponen aprendizaje profundo de IA / visión artificial para manejar defectos que no son puramente de color ni puramente de material: pieles arrugadas, pequeños agujeros de perforación de insectos, granos arrugados y de lóbulo gemelo, y el contorno característico de una mitad frente a un chip.

Esto importa para el equilibrio rendimiento/pureza de una manera específica. Una clasificadora de color basada en reglas, ajustada con suficiente agresividad para atrapar un grano pálido con moho, también rechazará granos pálidos buenos: alta pureza, arrastre terrible. La clasificación por IA mejora la separación entre ambos, de modo que puede mantener un umbral de defectos estricto sin desechar producto vendible. Nuestra plataforma de imagen ValueSort ejecuta clasificación por aprendizaje profundo que reconoce producto bueno y defectuoso combinando color, forma y textura, con detección documentada de hasta manchas de enfermedad de 0,03 mm, y almacena los perfiles aprendidos para que los mismos criterios se mantengan de lote en lote.

Una nota de honestidad práctica para compradores: la IA de color + forma (lo que hace una clasificadora RGB de gama alta) y la detección de materiales InGaAs/NIR (lo que hace una clasificadora de composición química) son niveles de capacidad diferentes. Muchos procesadores necesitan ambos: IA para defectos de forma y superficie, NIR/InGaAs para cáscara del mismo color, piedra y moho interno. Cuando compare cotizaciones, pregunte explícitamente qué canales espectrales tiene la máquina y pruebe en su propia muestra los defectos que le importan. (Pregúnenos qué configuraciones espectrales están disponibles como estándar u opcionales en su modelo.)

La clasificación óptica como punto de control de seguridad alimentaria

El argumento más sólido para invertir en clasificación espectral y por IA es regulatorio, y está bien documentado.

La Unión Europea fija el listón práctico más estricto. Según el Reglamento (UE) 2023/915 de la Comisión, los niveles máximos de aflatoxina para frutos secos comercializados para el consumidor final son ajustados: para almendras, pistachos y huesos de albaricoque, 8 µg/kg de AFB1 y 10 µg/kg para la suma de B1+B2+G1+G2; para avellanas y nueces de Brasil, 5 µg/kg de AFB1 y 10 µg/kg en total. De manera crucial, el mismo reglamento permite un límite más alto para frutos secos «que deban someterse a clasificación u otro tratamiento físico» antes de llegar al consumidor, una señal clara de que la ley trata la clasificación mecánica/óptica como el paso que lleva un lote al cumplimiento.

La industria de la almendra de California convierte la clasificación en un CCP explícito. Su Voluntary Aflatoxin Sampling Program (VASP) y el diagrama de flujo HACCP del sector enumeran la clasificación mecánica / óptica / manual como Punto Crítico de Control n.º 1 para la aflatoxina, y exigen que un lote rechazado sea «procesado adicionalmente con medios electrónicos, manuales u otros de clasificación para retirar las nueces dañadas y reducir los niveles de aflatoxina» antes de poder retestarse para un envío destinado a la UE. En otras palabras: la clasificación no es un refinamiento de calidad, es la intervención designada que salva un contenedor entero del rechazo.

El mecanismo se entiende bien porque el contaminante se concentra en los defectos. Como los granos portadores de aflatoxina son de manera desproporcionada los dañados por insectos, los mohosos y los decolorados, retirar una pequeña fracción de rechazos marcados visual y espectralmente extrae del lote una fracción mucho mayor de la aflatoxina total. El sector de frutos secos de California informa que la clasificación electrónica y manual rutinaria reduce significativamente la aflatoxina en un lote determinado, y InGaAs/NIR extiende esa eliminación a los granos contaminados que aún no se han decolorado, los que la clasificación por color sola deja pasar.

Incorporar el caso de cumplimiento en su línea

Para un exportador de frutos secos, el paso de clasificación debe especificarse para producir evidencia, no solo producto:

  • Una lista de defectos nombrados por producto: negro/mohoso, insecto, arrugado, cáscara, médula, piedra, vidrio, plástico, con la tasa de eliminación objetivo para cada uno.
  • Eliminación documentada en su propia muestra, incluidos los defectos del mismo color que una demostración de color no puede mostrar.
  • Una pasada de reclasificación sobre la corriente de rechazo para recuperar grano bueno: aquí es donde una máquina multigrado (nuestra CS-LA1200D de cubierta doble, que separa tres grados en una pasada) protege el rendimiento al tiempo que mantiene la pureza.
  • Un sistema óptico estable que no derive a mitad del turno con granos aceitosos y polvorientos, para que los números de calidad que firma sean los números que embarca.

Un lote que supera sus defectos de color pero todavía lleva fragmentos de cáscara y un grano mohoso no decolorado no es un lote conforme, y esa es exactamente la brecha que InGaAs/NIR y la IA fueron creadas para cerrar.

Conclusión

La cáscara del mismo color, el moho interno oculto y los contaminantes de piedra/vidrio son los defectos que realmente dañan a una marca de frutos secos, y una clasificadora que solo ve color no puede verlos. La categoría ha convergido en la respuesta: IA para forma y superficie, infrarrojo (InGaAs/NIR) para composición del material y defectos subsuperficiales, y una pasada de reclasificación para recuperar rendimiento, y por eso la clasificación óptica está escrita en la lógica europea de aflatoxina y en el HACCP de la industria de la almendra como punto de control, no como opción.

Si enfrenta un alto arrastre de fragmentos de cáscara o riesgo de rechazo en la UE, hable con nosotros sobre una configuración de clasificación multiespectral de frutos secos y pruebe sus defectos más difíciles en una prueba de muestra gratuita: Solicite una prueba de eliminación de defectos en frutos secos.

Preguntas frecuentes

¿Puede una clasificadora de color eliminar fragmentos de cáscara de las pulpas de frutos secos?

Una clasificadora solo de color generalmente no puede, porque los fragmentos de cáscara comparten el color de la pulpa. La eliminación de cáscara del mismo color se hace con detección infrarroja de materiales (InGaAs/NIR), que detecta la diferencia entre una pulpa rica en aceite y un fragmento de cáscara leñoso y sin aceite, a menudo combinada con reconocimiento de formas por IA.

¿Puede la clasificación óptica reducir la aflatoxina en frutos secos?

Sí. La aflatoxina se concentra en granos mohosos, dañados por insectos y decolorados, así que retirar esos rechazos baja la aflatoxina del lote. La industria de la almendra de California trata la clasificación mecánica/óptica/manual como un Punto Crítico de Control para la aflatoxina, y el Reglamento (UE) 2023/915 permite un límite más alto antes de la clasificación precisamente porque la clasificación es el paso de cumplimiento. Además, NIR/InGaAs alcanza los granos contaminados que aún no se han decolorado.

¿Cuál es la diferencia entre la clasificación NIR y la InGaAs?

El infrarrojo cercano (NIR) es la familia espectral más amplia utilizada para leer la composición en lugar del color. InGaAs es un sensor específico de gama alta para la banda de infrarrojo de onda corta, usado para los defectos «del mismo color» y subsuperficiales más difíciles, como la separación de cáscara y pulpa y el moho interno. InGaAs es generalmente el nivel de capacidad superior.

¿Cuáles son los límites europeos de aflatoxina para frutos secos?

Para frutos secos vendidos al consumidor final, el Reglamento (UE) 2023/915 fija 8 µg/kg de AFB1 y 10 µg/kg en total (B1+B2+G1+G2) para almendras, pistachos y huesos de albaricoque, y 5 µg/kg de AFB1 y 10 µg/kg en total para avellanas y nueces de Brasil. Se aplican límites más altos solo a frutos secos destinados a clasificación/tratamiento físico adicional. Confirme siempre el límite vigente y las reglas de muestreo con su mercado de destino.