Mithilfe der visuellen KI-Inspektion können Verarbeitungsfehler und Fremdkörper eingefroren werden

Dieser Artikel erschien ursprünglich im Refrigerated & Frozen Foods Magazine. Klicken Sie hier, um zum Artikel auf der Website der Publikation zu gelangen.

Alle Hersteller von Tiefkühlkost und Fertiggerichten stehen täglich vor einer ähnlichen Herausforderung: sicherzustellen, dass jede Schale mit produzierten Lebensmitteln so aussieht, wie die Lebensmittel auf der Verpackung abgebildet sind.

Viele Tiefkühlprodukte werden mithilfe automatisierter Maschinen verarbeitet, montiert und verpackt, wobei häufig ein menschlicher Inspektor die wichtigste Verteidigungslinie ist, um Qualitätsmängel, unerwünschtes einheimisches Material und potenziell schädliche Fremdstoffe zu erkennen, die nicht in die Endprodukte gelangen. Der körperlich anstrengende Charakter dieser Rollen, kombiniert mit langen Arbeitszeiten in kalten oder industriell Umgebungen, kann schnell zum Burnout führen. Darüber hinaus führt das ausschließliche Vertrauen auf menschliche Inspektoren zu Subjektivität in den Prozess, sowohl von Mitarbeiter zu Mitarbeiter als auch von demselben Mitarbeiter während einer einzigen Schicht aufgrund von Müdigkeit.

Angesichts der steigenden Nachfrage der Verbraucher nach Tiefkühlprodukten und Fertiggerichten hatten höhere Anforderungen an den Produktdurchsatz zu einer neuen Ära der automatisierten visuellen Inspektion geführt, die auf künstlicher Intelligenz (KI) basiert.

Konventionelle Inspektion in modernen Produktionsumgebungen

Seit Jahrzehnten verlassen sich die meisten Unternehmen, die Tiefkühlkost verarbeiten, hauptsächlich auf Metalldetektoren und Röntgensysteme zur fremdkörpererkennung. Diese Technologien sind zwar effektiv bei der Erkennung dichter Objekte wie Metall oder Knochen, können aber die meisten Fremdstoffe niedriger Dichte wie Kunststoff, Papier, Gummi und gleichfarbige Objekte, die ebenfalls ein Risiko für die Verbraucher darstellen, nicht identifizieren.

Lebensmittelhersteller — hauptsächlich in den Bereichen Backen und Proteinverarbeitung sowie mehrere Anwender in der Tiefkühlkostindustrie — begannen, visuelle Inspektionstechnologien in ihre Verarbeitungslinien zu integrieren. Diese Systeme verfügen über hochauflösende 2D- und 3D-Kameras mit fortschrittlicher Beleuchtung zur Analyse aller Seiten des Produkts, einschließlich der Ober- und Unterseite — für gängige Qualitätsmessungen wie Gesamtfarbe, Größe und Form, mit detaillierten Messungen wie Verteilung der Oberfläche, Verhältnis der Inhaltsstoffe, Vorhandensein/Fehlen von Komponenten, Vorhersage des Produktgewichts oder der Genauigkeit von Aufdrucken auf einem Produkt (wie ein Logo, das auf ein Cookie gestempelt wird).

Lebensmittelverarbeiter müssen wissen, dass visuelle Inspektionstechnologien Röntgen- und Metalldetektoren ergänzen und nicht deren direkter Ersatz sind. Da jedes System für ein bestimmtes Produkt trainiert wird, bietet es eine zusätzliche Erkennungsebene, indem es Anomalien identifiziert, die mit anderen Methoden möglicherweise nicht bemerkt werden. Wenn das System etwas außerhalb seiner Spezifikationen feststellt, kann es den Bediener warnen, zu handeln oder die Produktionslinie anzuhalten.

Einige Unternehmen haben automatische Ausschleusungsmethoden integriert, um Produkte zu entfernen, die nicht den Spezifikationen entsprechen, um sicherzustellen, dass die defekten Produkte aus dem Prozess entfernt werden, ohne dass es zu Produktionsausfällen kommt.

Die meisten optischen Inspektionstechnologien, die heute in der Lebensmittelverarbeitung eingesetzt werden, sind regelbasierte Bildverarbeitungssysteme. In einem regelbasierten Bildverarbeitungssystem macht die Technologie beim Durchlaufen der Produkte ein Bild des Produkts und vergleicht das Bild mit den benutzerdefinierten Messkriterien. Früher maßen Unternehmen nur wenige einfache Produktmerkmale gleichzeitig, wie Produktgröße, Farbe oder Form, was mit einem regelbasierten System viel besser möglich war.

Die neue Technologie ermöglicht die gleichzeitige Prüfung komplexerer Produktmessungen, einschließlich Fremdmaterialien, bei voller Liniengeschwindigkeit. Diese steigenden Anforderungen haben regelbasierte Bildverarbeitungssysteme an ihre technologischen Grenzen gebracht.

Regelbasierte Systeme werden für Lebensmittelhersteller immer eine Option sein, aber die jüngsten Erfolge von KI-gesteuerten optischen vision inspektionslösungen bieten eine spannende und leistungsstarke Lösung, die regelbasierte Bildverarbeitung ersetzt und die Produktkonsistenz und -sicherheit gewährleistet.

Wie funktioniert ein KI-gesteuertes Inspektionssystem?

KI-gestützte visuelle Inspektionstechnologien wenden vom Menschen definierte Kriterien an, um Lebensmittelmerkmale von unerwünschten Objekten zu unterscheiden. Ein KI-Modell kann entwickelt werden, um jeden Unterschied zu erkennen, den ein Mensch wahrnehmen kann.

Wie ein regelbasiertes vision inspektionssystem umfasst ein KI-gesteuertes Inspektionssystem hochauflösende Kameras und fortschrittliche Beleuchtungskonfigurationen zur Analyse der Produkte, die die Linie passieren. Die Fähigkeit des KI-Systems, einzelne Lebensmittel und ihre Inhaltsstoffe effektiv vom Gesamtbild abzugrenzen, macht es weitaus effektiver als regelbasiertes Sehen. Ein KI-System geht über die Farberkennung oder die Form und Dicke von Produkten hinaus und analysiert komplexe Systeme auf verschiedene Eigenschaften, wie es ein Mensch tun würde.

Beispielsweise lässt ein Hersteller von Tiefkühlgerichten mehrere Zutaten automatisch von mehreren automatisierten Maschinen in die Produktschale geben — Nudeln, Protein, Soßen usw. Obwohl diese Geräte zur Zutatenapplikation regelmäßig überprüft werden, kann es zu Fehlfunktionen kommen oder einfach ihre Markierung verfehlen, wenn ein Produkt auf die Verpackung gegeben wird.

Ein Tiefkühlgericht mit seinen vielen verschiedenen Farben, Formen und Texturen stellt für ein regelbasiertes vision inspektionssystem eine Herausforderung dar. Mit einem KI-gesteuerten visuellen vision inspektionssystem kann es jedoch sofort jede einzelne Komponente der gesamten Mahlzeit identifizieren, wie ein menschlicher Inspektor, jedoch mit viel höherer Präzision und Geschwindigkeit. Das System kann diese Daten auch sofort sammeln, um sie in Echtzeit zu verfolgen, oder sie in einem leicht verständlichen Bericht zusammenfassen.

In ähnlicher Weise verwendet die KI erneut Präzision auf menschlichem Niveau, um Fremdstoffe zu erkennen und Objekte innerhalb des Produktstroms zu finden, die nicht dazugehören. Beispielsweise kann ein Hersteller von einzeln gewürfelten Zwiebeln, die schnell gefroren sind (IQF), häufig auf das Problem stoßen, dass harte Zwiebelschalen in den Produktstrom gelangen, was zu Unzufriedenheit der Kunden mit der Textur führt. Die Zwiebelschale hat in der Regel eine ähnliche Farbe wie die gehackte Zwiebel, was es selbst für den schärfsten Inspektor besonders schwierig macht, sie zu unterscheiden.

Das Potenzial der KI, die Qualitätskontrolle in der Tiefkühlkostproduktion zu revolutionieren, ist unbestreitbar. Eine Studie von Grand View Research schätzt, dass KI auf den Lebensmittel- und Getränkemärkten von 8,45 Milliarden US-Dollar im Jahr 2023 mit einer jährlichen Wachstumsrate von 39,1% von 2024 bis 2030 wachsen wird, wobei der Umsatz voraussichtlich 84,75 Milliarden US-Dollar betragen wird. Diese Wachstumschance spiegelt die zunehmende Akzeptanz von KI-gestützten Lösungen in der gesamten Branche wider, was natürlich zu einem Anstieg der Zahl neuer Entwickler von KI-Inspektionssystemen geführt hat.

Ein wichtiger Wert von KI-gesteuerten Bildverarbeitungssystemen ist ihre Objektivität. Im Gegensatz zu menschlichen Inspektoren macht ein gut trainiertes KI-System niemals eine Pause, ermüdet nicht oder hat einen „freien Tag“ auf der Strecke. Es wendet Messungen an, die der menschliche Bediener definiert, um Produkte nach genauen Qualitätskriterien zu analysieren. Diese Art des KI-Trainings wird als „überwachtes Lernen“ bezeichnet, was bedeutet, dass der menschliche Einfluss immer im Mittelpunkt der Systemfunktion steht.

Durch überwachtes Lernen werden KI-Modelle erstellt, die darauf basieren, dem System sowohl „gute“ als auch „schlechte“ Beispiele zu zeigen. Im Laufe der Zeit lernt das KI-System die Toleranzen für ein bestimmtes Produktmerkmal oder Fremdmaterial kennen. Modelle können sich ändern oder weiterentwickeln, wenn neue Produktmuster in das Trainingsset aufgenommen werden, aber der menschliche Bediener oder das Bedienerteam behält immer das Kommando.

„Unbeaufsichtigtes“ KI-Training ermöglicht es der KI, ihre eigenen Toleranzen für Produkte oder Materialien zu entwickeln. Diese Methode birgt mehrere Risiken in Bezug auf die Lebensmittelproduktion. Da die KI ständig nach Daten sucht, können unbeaufsichtigte KI-Systeme anfangen, falsche Entscheidungen über die Produktqualität zu treffen, was zu potenziell katastrophalen Ergebnissen führen kann. Es ist von entscheidender Bedeutung, dass ein KI-Anbieter während der gesamten Lebensdauer des Systems eine konsistente Schulung und Unterstützung für die KI-Modelle nachweisen oder anbieten kann.

Intelligente Systeme sorgen für sichere Lebensmittel und Portionspräzision

Die Einführung KI-gestützter optischer Inspektionstechnologien bietet Tiefkühlkostherstellern einen erheblichen Wettbewerbsvorteil in einer Branche mit hartem Wettbewerb und engen Margen. Diese Systeme erhöhen die Sicherheit und Effizienz und zeigen ein Bekenntnis zu Innovation und Qualität, wodurch der Ruf der Marke und die Kundenbindung gestärkt werden.

Durch die Bewältigung neuer Herausforderungen und den Einsatz von KI-Technologien können Tiefkühlkosthersteller die Produktsicherheit verbessern, die Betriebskosten senken und die sich ständig ändernden Erwartungen von Verbrauchern und Aufsichtsbehörden erfüllen. Mit dem Fortschritt der KI wird sie eine noch größere Rolle bei der Gestaltung der Zukunft der Tiefkühlkostherstellung spielen und sicherstellen, dass Qualität und Effizienz Hand in Hand gehen.

In der wettbewerbsintensiven und sicherheitskritischen Welt der Tiefkühlkostproduktion ist der Einsatz fortschrittlicher KI-Technologien nicht nur eine Option, sondern eine Notwendigkeit.