Intelligentere Augen auf der Linie: KI-Inspektion sieht, was Menschen übersehen

Dieser Artikel erschien ursprünglich in Essen & Trinken Technology. Klicken Sie hier, um zum Artikel auf der Website der Publikation zu gelangen.

Die steigenden Anforderungen an Lebensmittelverarbeiter, mehr Produkte in höheren Mengen ohne Qualitätseinbußen herzustellen, werden nicht verschwinden.

Jetzt, einige Jahre nach der Covid-19-Ära, ist der Umsatz in der Lebensmittelherstellung hartnäckig hoch geblieben, sodass viele Verarbeiter nach besseren Lösungen suchen, um diesen Anforderungen gerecht zu werden.

Herkömmliche Methoden zur Produktinspektion, sei es durch routinemäßige Probenentnahme oder durch Beobachtung von Produktreihen, die auf Förderbändern laufen, lassen sich bei den heutigen Verarbeitungsgeschwindigkeiten kaum noch aufrechterhalten. Die manuelle Inspektion ist arbeitsintensiv, alltäglich und hängt stark von der Erfahrung des Bedieners ab, was die Konsistenz selbst bei optimalem Betrieb erschwert.

Wie viele Lebensmittelmarken festgestellt haben, übertreffen die heutigen KI-gestützten optischen Inspektionstechnologien die rein menschliche Inspektion in mehrfacher Hinsicht. Erstens ermüdet ein KI-Bildverarbeitungssystem nie; es behält seine hohen Standards bei, alle Produkte objektiv zu analysieren, den ganzen Tag, jeden Tag. Darüber hinaus untersuchen menschliche Inspektoren in der Regel nur die Oberseite von Produkten.

Ein vision inspektionssystem, das mit Kameras von oben, unten und von der Seite ausgestattet ist, gewährleistet eine hundertprozentige Produktinspektion. Die Implementierung eines KI-Systems ermöglicht auch eine Produktinspektion, die über das hinausgeht, was Menschen sehen können. Die multispektrale und hyperspektrale Bildgebung ermöglicht eine Analyse der Zusammensetzung jenseits des sichtbaren Spektrums.

Obwohl sie in irgendeiner Weise seit mehr als einem Jahrzehnt in Lebensmittelprozessen eingesetzt werden, wirft die KI-gestützte visuelle Inspektion bei Küchenverarbeitern, die ihren Fähigkeiten und Anwendungsfällen skeptisch gegenüberstehen, immer noch viele Fragen auf.

Drei Möglichkeiten, wie Küchenmaschinen heute von KI-gestützter visueller Inspektion profitieren

1) Weniger Produktrückrufe aufgrund von Fremdstoffen

Fremdstoffe kommen in vielen Formen vor. Förderbandstücke oder Metallsplitter von Maschinen, Kunststoff- oder Folienflecken von Verpackungen oder ein unaufmerksamer Mitarbeiter, der seine PSA versehentlich auf der Verarbeitungslinie liegen lässt, können zu massiven Produktrückrufen führen.

Die meisten Lebensmittelverarbeitungsbetriebe verwenden Röntgen- oder Metalldetektoren, um Fremdkörper in kritischen Prozessstadien zu untersuchen. Diese Inspektionssystemtypen sind jedoch nur wirksam, wenn feste Objekte erkannt werden. Das bedeutet, dass weiche Fremdstoffe wie Papier, Folien, Kunststoffe, Holz oder kosmetische Defekte wie aufgebackener Teig auf Backwaren unentdeckt vorübergehen können.

Die heutigen KI-gestützten optischen Inspektionstechnologien sind gut gerüstet, um herkömmlich schwierige Fremdstoffe von Produktoberflächen zu erkennen. Ein KI-Bildverarbeitungssystem kann Produkte mit natürlichen Abweichungen von fremden Anomalien unterscheiden, die selbst dem eifrigsten Bediener möglicherweise übersehen werden, wie z. B. durchsichtiges Plastik auf einem Bett mit geriebenem Käse oder ein Stück weißes Gummi auf einem Haufen Hackfleisch.

Moderne KI-gestützte visuelle Inspektionsmodelle können jetzt weiche Fremdstoffe wie Papier und Kunststoff erkennen, die sich normalerweise der Röntgen- und Metallerkennung entziehen.

Jeder vermiedene Produktrückruf spart Lebensmittelmarken Millionen von Dollar. Wenn das KI-Bildverarbeitungssystem nur ein potenziell gefährliches Fremdmaterial aus der Verarbeitungslinie findet, kann sich allein dieser Aufwand die Systeminvestition um ein Vielfaches lohnen.

2) Konsistentere Produktqualitätskontrolle im großen Maßstab

Die ersten vision inspektionslösungen an Produktionsstätten von Lebensmitteln wurden im Allgemeinen verwendet, um einfache Produktmerkmale wie Größe, Form, Farbe und andere grundlegende Merkmale zu messen. Die Rechenleistung sowie die Kamera- und Beleuchtungstechnologien konnten zu dieser Zeit nur eine begrenzte Menge an Eingaben verarbeiten, aber als die Anwender begannen, die technologischen Grenzen zu überschreiten, um komplexere Produktmerkmale zu messen oder mehr über ihren Prozess zu erfahren, begannen die Entwickler von visuellen Inspektionen, KI als Methode zur Bereitstellung weiterer Messfunktionen zu untersuchen.

Nehmen wir zum Beispiel Hamburgerbrötchen; für Marken von Schnellrestaurants (QSR) waren einheitliche Größe, Volumen und Backfarbe früher ausreichende Qualitätskriterien. In den letzten Jahren haben sich einige QSRs auf andere und tiefere Produktmessungen spezialisiert, wie z. B. die Samenverteilung oder die Analyse des Glanzes auf dem Brötchen. Dank fortschrittlicher Kamera- und Beleuchtungstechnologie kann ein KI-gestütztes System diese Besonderheiten bei voller Liniengeschwindigkeit quantifizieren, sodass die Bediener die notwendigen Anpassungen vornehmen können, um die Konsistenz bei jedem Produktionslauf sicherzustellen.

Ein weiterer Qualitätssicherungswert von KI-gestützten visuellen Inspektionstechnologien ist ihre Fähigkeit, subtile Anomalien und Mängel an Produkten zu erkennen. Nehmen wir zum Beispiel eine Produktionslinie für Tiercracker. Jeder Cracker hat detaillierte Merkmale, die ihn mit einem bestimmten Tier identifizieren. Zu viele kaputte Cracker wirken sich schlecht auf die Marke aus.

Mit einem KI-Bildverarbeitungssystem, das darauf trainiert ist, 100% der Cracker zu überprüfen, die den Ofen oder die Kühlzone verlassen, können diese Funktionen zur Formerkennung und Defekterkennung sehr zuverlässig sein und zur Steuerung eines Ausschleusmechanismus verwendet werden, um fehlerhafte Produkte aus einer Linie zu entfernen. Wenn einem Elefanten sein Rüssel fehlt oder einem Vogel der Schnabel fehlt, trifft das KI-System diese Feststellung schneller und konsistenter als ein durchschnittlicher Produktinspektor.

Ein KI-gestütztes Inspektionssystem, das für die Qualitätskontrolle verwendet wird, spart Arbeit, reduziert Verschwendung und verbessert die betriebliche Effizienz. Es bietet eine schnelle Investitionsrendite in mehrfacher Hinsicht.

3) Optimierung des Produktionsprozesses und Ertragsverbesserung

Jedes visuelle vision inspektionssystem mit künstlicher Intelligenz kann zu einer wahren Datenquelle für Unternehmen der Lebensmittelverarbeitung werden. Auf Bodenebene können Bilddaten dabei helfen, die Ursachen von Prozessinkonsistenzen aufzudecken. Nehmen wir als Beispiel eine Anlage zur Herstellung von Hühnernuggets: Eine einzelne Anlage kann über mehrere Chargenfritteusen verfügen, in denen das panierte Produkt zubereitet wird. Nachdem das Produkt gegart ist und über Förderbänder in die Kühlzone gelangt, kann ein Inline-Inspektionssystem Verfärbungen an Produkten aus einer bestimmten Fritteuse erkennen, was darauf hindeuten kann, dass das Öl gewechselt oder die Temperatur angepasst werden muss.

Auf Anlagenebene können Bilddaten dabei helfen, Produktionstrends aufzudecken, anhand derer Bediener ihre Entscheidungen proaktiver treffen können. Wenn beispielsweise ein bestimmter Qualitätsfehler während einer Produktionsschicht häufiger auftritt als in anderen, oder wenn die Fehler auf die Charge eines bestimmten Lieferanten zurückzuführen sind, können Bilddaten den Qualitätsmanagern viel Zeit bei der Fehlerbehebung ersparen.

Zieht Ihr Unternehmen eine KI-Inspektion in Betracht?

KI-gestützte visuelle Inspektionen ersetzen nicht die Bedeutung erfahrener QA-Teams, sondern verstärken sie stattdessen, indem sie eine konsistente Inspektion in Echtzeit durchführen, sodass sich die Teammitglieder auf andere, wichtigere Aufgaben in der Anlage konzentrieren können. Für Verarbeiter in den Bereichen Backwaren, Fleisch und Frischprodukte bedeutet das weniger Überraschungen, eine bessere Einhaltung der Vorschriften und ein größeres Vertrauen, dass jedes Produkt die höchsten Qualitäts- und Lebensmittelsicherheitsstandards erfüllt.