Jak systemy kontroli wizualnej oparte na sztucznej inteligencji mogą usprawnić wykrywanie materiałów obcych
Obecność ciał obcych jest często główną przyczyną wycofywania żywności z rynku. Szkło, metal, plastik, drewno, papier – te zanieczyszczenia mogą dostać się do produktu na każdym etapie linii produkcyjnej, a presja na ich wykrywanie stale rośnie.
W tym artykule z Quality Assurance & Food Safety, Yuegang Zhao (Chief Commercial Officer w KPM Analytics) wyjaśnia, jak sztuczna inteligencja zmienia możliwości kontroli wizualnej. Tradycyjne systemy oparte na kolorach mają trudności, gdy wada wtapia się w tło – na przykład stwardniały kawałek ciasta na bułce lub czarny plastik ukryty pod krwią na kawałku mięsa. Ponieważ nie ma dwóch identycznych kawałków mięsa, systemy oparte na AI uczą się na rzeczywistych obrazach produktów i dostosowują do naturalnych różnic, wykrywając problemy, które umykają starszym metodom.
Głównym wnioskiem Zhao jest to, że systemy AI i tradycyjne najlepiej sprawdzają się w połączeniu, a nie jako wzajemne zastępstwo. AI wykrywa więcej, ale może też omyłkowo oznaczyć dobry produkt jako wadliwy, dlatego sprawdzona druga metoda pomaga potwierdzić decyzję.
Szczerze mówi również o tym, czego wymaga wdrożenie. Jak sam zauważa: „AI potrzebuje czasu na naukę”. Zakłady, które traktują to jako proces długoterminowy, a nie natychmiastowe rozwiązanie, osiągają najlepsze wyniki.
Przeczytaj artykuł na stronie internetowej magazynu Quality Assurance & Food Safety.
