Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

NIRS basierte Detektion und Entfernung Pyrrolizidinalkaloid-haltiger Unkräuter aus Kulturpflanzen nach der Ernte - PA-NIRSort

NIRS-based detection and removal of pyrrolizidine alkaloid containing weeds in crop plants after harvest - PA-NIRSort
 
: Tron, Nanina; Maier, Georg; Schulte, Henning; Krähmer, Andrea

:
Fulltext urn:nbn:de:0011-n-5958462 (1.7 MByte PDF)
MD5 Fingerprint: 04a38e666cf3242814c3af1dff47525a
(CC) by
Created on: 14.7.2020


Journal für Kulturpflanzen = Journal of cultivated plants 72 (2020), No.4, pp.88-98
ISSN: 1867-0911
ISSN: 1867-0938
German
Journal Article, Electronic Publication
Fraunhofer IOSB ()
Nahinfrarotspektroskopie; Bildauswertung; Pyrrolizidinalkaloide; Arzneipflanzen; Gewürzpflanzen; Sortiertechnik; Reduktion PA-Belastung

Abstract
Pyrrolizindinalkaloide (PAs) sind lebertoxisch wirkende, sekundäre Pflanzeninhaltsstoffe, die den Pflanzen zum Schutz vor Fraßfeinden dienen. In den letzten Jahren sind PAs verstärkt in den Fokus gerückt, da sie als ungewollte Beiernte besonders in Bio- und Kindertees zu zum Teil sehr hohen Alkaloid-Belastungen führten. Inzwischen wurden strenge PA-Grenzwerte vom Bundesinstitut für Arzneimittel und Medizinprodukte (BfArM) publiziert, denn Arzneipflanzen können mit PA-haltigen Unkräu­tern wie verschiedenen Kreuzkraut-Arten, Gemei­nem Natternkopf, Ackervergißmeinnicht, Gewöhnlicher Hundszunge, Wasserdost oder Borretsch verunreinigt sein und so über Arznei- oder Aroma-Tees Menschen potenziell gefährden (BfArM, 2016). Durch diese strengen Grenzwerte genügen unter Umständen vier bis fünf PA-bildende Pflanzen des Gemeinen Greiskrauts (Senecio vulgaris) je Hektar Anbaufläche, um die Verkehrsfähigkeit einer Tonne Medizinaldroge zu gefährden. Dies zu verhindern erfordert eine engmaschige regelmäßige Feldkontrolle und mechanisches Unkrautentfernen, das unter ökonomischen Aspekten kaum realisierbar ist. Daher kommt einer, der Ernte nachgelagerten Qualitätskontrolle zum Entfernen potentieller PA-Beikräuter eine besonders wichtige Rolle zu.Ziel des im März 2019 gestarteten, von der Fachagentur für Nachwachsende Rohstoffe (FNR) geförderten Verbundprojekts des Julius Kühn-Instituts Berlin (Institut für Ökologische Chemie, Pflanzenanalytik und Vorratsschutz) und des Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung (IOSB) ist die Entwicklung einer leistungsfähigen Detektionsmethode auf Basis von Hyperspektral-Nah-Infrarot-Spektroskopie (hyper­spektral-NIRS) zur Erkennung von Verunreinigungen durch PA-haltige Pflanzen(teile) im Erntegut von Arznei- und Gewürzpflanzen. In Kombination mit einer gekoppelten Sortiereinheit (beispielsweise über Druckluftimpulse) soll so eine Abtrennung unerwünschter und poten­tiell toxischer Beikräuter erzielt werden. Am Ende des Projektes soll ein Prototyp zur echtzeitfähigen Rei­nigung der Erntechargen verschiedener Arznei- und Gewürz­pflanzen vorgestellt werden. Ähnliche Systeme sind bereits in der Kunststoff-Abfallsortierung bzw. der Qualitätskontrolle von Weinbeeren auf Basis des Oechsle-Grades etabliert (Freund et al., 2015). Angestrebt wird ein Durchsatz von bis zu 1,5 t/h. Mit einer solchen automatisierten Sortiertechnik ließen sich die gesundheitlichen Risiken durch PA-verunreinigte Arzneipflanzenprodukte für die Anbauer und Verarbeiter von Arzneipflanzen ökologisch und ökonomisch effizient reduzieren. Dies würde auch eine Sicherung der qualitativ hochwertigen und konkurrenzfähigen Produktion pflanzlicher Arzneimittel in Deutschland bedeuten.Erste Ergebnisse zeigen, dass eine Klassifizierung der Pflanzenarten mittels NIR-Spektroskopie zuverlässig möglich ist. Um solche Bildanalysen auch in Echtzeit durchführen zu können, werden die zu verarbeitenden Datenmengen mittels multifaktorieller Datenanalyse auf entscheidende spektrale Merkmale (Faktoren) reduziert.

 

The general objective of the project is the development of an efficient sorting system based on hyperspectral near-infrared spectroscopy (NIRS) for the detection and separation of impurities by pyrrolizidine alkaloid (PA)-containing plant-derived contaminations in cultural plants, e.g. medicinal and aromatic plants. PAs are liver-toxic secondary metabolites that protect plants from predators and have drawn more attention in recent years after harmful concentrations were found in medicinal teas. By now, the German Federal Institute for Drugs and Medical Devices (BfArM) has published strict PA limit values because medicinal plants can be contaminated with PA-containing weeds such as various types of ragwort, groundsel, common viper's head, field forget-me-not, common dog's tongue, water-east or borage and thus, potentially endanger people with medicinal or aromatic teas (BfArM, 2016). Four to five PA-containing plants e.g of Senecio vulgaris per hectare are sufficient to contaminate one ton of the drug by exceeding the critical value of maximum uptake of 0,007 μg PA/kg body weight per day published by HMPC.
The planned process will analyze fresh and dried plant material on a flat-conveyer using hyperspectral NIR spectroscopy to detect impurities in the crop. After identification, contaminants should be removed by a sorting technique, e.g. using compressed air pulses. Similar systems have already been established in plastic waste sorting and quality control, for example for grapes (Freund et al., 2015). The aim is to achieve a high throughput of up to 1.5 t/h with such an automated sorting technology, the health risks posed by PA-contaminated medicinal plant products could be reduced ecologically and economically efficient for cultivation and processing of medicinal plants. This would also mean safeguarding high-quality and competitive plant-derived drug production in Germany.
First results show that a classification of target plant species and contaminating groundsel using NIR spectroscopy succeeds for various medicinal plants. To be able to carry out such image analyses in real-time, the amount of data to be processed will be reduced to the decisive factors using multifactorial data analysis.

: http://publica.fraunhofer.de/documents/N-595846.html