人工智能驱动的检测助力肉类加工商取得成功

本文最初发表于《MEATing Point》杂志。点击此处访问该刊物网站阅读原文（文章位于第 18 页）。

对于肉类和禽类加工商及包装商而言，质量控制和食品安全从未像现在这样至关重要且充满挑战。尽管整个行业仍面临劳动力留存难题，但企业在应对日益增长的产量需求时，运营已接近极限。

当质量保证团队难以满足这些需求时，生产速度必然会放缓。此外，出现检测失误、过度浪费或不必要浪费，以及有害异物混入生产流程的风险也会随之增加。

这仅仅是众多加工企业投资人工智能（AI）视觉检测技术以满足日益增长的需求并加强食品安全工作的部分原因。旨在简化产品分级和异物检测的新应用层出不穷，对于企业而言，现在正是实现运营现代化并获得竞争优势的绝佳时机。

检测技术的演进

近年来，用于改善检测和异物识别的可用技术格局发生了巨大变化。几十年来，肉类和禽类加工企业一直将在线 X 射线和金属检测系统作为重要的质量控制工具。

然而，这些系统的主要用途是检测金属、石块等高密度物体。它们对于纸张、塑料和薄膜等软性异物的检测能力较弱，而这些异物可能会损坏加工设备或导致代价高昂的召回事件。

传统技术存在局限性且缺乏精确的工艺洞察，因此，自动化的规则驱动型视觉检测系统已成为满足肉类和禽类工厂质量保证需求的热门选择。视觉检测系统采用卫生设计，结合高分辨率摄像头、先进照明和强大的分析软件，无论是在线旁、安装在生产线上方，还是直接集成到输送系统中，都能测量各种产品特征。系统测量范围涵盖产品的二维尺寸和形状、三维厚度、颜色和纹理，以及更高级的测量指标，如生鲜产品的血斑或纹理检测、加工产品的面包糠覆盖率、修整精度、预测产品重量等。

视觉检测系统可在生产过程中提供实时分析。当系统检测到缺陷或污染物时，可以提醒操作员或自动停止生产线。对于某些产品，企业可以集成自动剔除装置，将不合格产品移除，从而保持生产流程顺畅。这种即时警报或操作实现了安全且一致的质量控制流程，确保缺陷产品或有害异物不会进入后续加工环节。

如今的视觉检测系统可以配备高光谱成像技术，用于更高级的异物检测和分类。高光谱成像结合了光谱学和成像技术，能够获取产品在不可见波段的图像，从而增强系统发现产品表面潜在有害异物的能力。

最近，视觉检测系统还引入了先进的 AI 驱动机器学习功能，以提高易用性、实现更精细的测量，并以极高的准确度检测异物。对产品特征和规格的自动学习显著降低了系统复杂性，并促进了连续化作业，使系统能够在减少人工干预的情况下运行更长时间。AI 视觉检测系统不会休假或请病假。只要保持运行，或者在针对不同生产线或 SKU 进行训练之前，它都能提供始终如一的精度和准确度。工厂还可以根据需要将收集到的数据集成到工厂控制软件中，以形成反馈闭环。

‍

尽管如此，许多使用先进视觉检测系统的企业在获得比以往任何时候都多的检测和过程控制数据后，可能并未完全发挥其视觉技术投资的全部潜力。

利用检测数据优化生产流程

当集成到生产流程中时，自动化的 AI 驱动视觉检测技术允许企业对 100% 的产品进行分析。这些宝贵的数据有助于支持组织内各个部门的工作。

生产线层面的影响

作为其最初的用途，集成式 AI 视觉系统使生产车间的操作员能够做出更明智的食品质量和安全决策。例如，一家每天生产 300 万个鸡块的企业必然会产生一定比例的浪费。在全速生产状态下，仅依靠人工检查产品的整体尺寸、形状、面包糠颜色和覆盖率或其他特征是一项极具挑战性的任务。此外，当发现质量问题时（例如，由于油炸油需要更换导致面包糠颜色过深），往往已经有大量产品被浪费了。

由于在线检测系统可以与现有的 MES 和 SCADA 系统对接，它们能够帮助检测产品在离开油炸机后是否开始出现颜色过深的情况，并立即采取纠正措施或向操作员发出警报。

对于一家日产 300 万个鸡块的生产商而言，将浪费减少哪怕 0.5%（约 15 万个鸡块，每个鸡块 1 美分），随着时间的推移也能节省大量成本，因为操作员可以借助视觉数据做出更明智的工艺控制决策。许多公司仅凭减少浪费所节省的成本，就已迅速收回了视觉检测系统的投资。

工厂层面的影响

人工智能视觉检测可以通过多种方式影响工厂级流程的准确性和决策制定。首先，该技术有助于确定常见工艺问题的根本原因。

以汉堡肉饼制造公司为例，所有肉饼必须成型为特定的尺寸或形状，以确保其彻底煮熟并能正确放入产品包装中。如果工厂有多台成型机向后续生产阶段输送产品，集成视觉检测系统并持续测量离开成型机的产品，将有助于检测双层重叠、边缘缺陷、肉饼过度凹陷、成型设备磨损等各种问题。

利用这些数据，公司可以清楚地识别出经常出现产品一致性问题的成型机。如果所有工艺调整均告失败，工厂经理可以根据数据做出决策，对设备进行维修或更换，以防止进一步的浪费。

原料供应商评估是另一个有用的应用场景。公司出于各种原因更换原料供应商，因此，在生产过程中测试新原料的客观方法是保障供应商选择的经济有效途径。

回到鸡块生产商的例子，假设公司正在更换裹粉供应商，并收到了多家供应商的样品以测试其生产流程。无论是通过在线系统测试单个产品，还是使用安装在产品流上方的过线系统，工厂经理都能快速评估裹粉是否烹饪得当、在整个过程中是否附着在产品上、是否保持了质地以及其他视觉属性。能够将产品外观与预设值进行比较，而不是依赖色卡或操作员的主观判断，是确保顺利过渡到新原料供应商的有效方法。

企业层面的影响

对于大型肉类和禽类加工公司而言，人工智能视觉检测技术在分析多个地点的绩效趋势方面大有裨益。一些视觉检测系统提供软件模块，允许用户生成涵盖全厂的绩效报告，内容涵盖从产品剔除率到产品颜色或视觉属性呈现等各个方面。

获取这些数据不仅有助于公司在全公司范围内实施更高的产品一致性标准，还有助于决定投入资本资源以解决全球性挑战。对于拥有多个生产基地的公司来说，这一优势尤为突出；如果所有生产线都配备了视觉系统，那么对全公司的绩效进行基准测试并解决潜在的生产问题将变得容易得多。

监管合规性和可追溯性对于肉类和禽类加工公司至关重要。视觉检测技术提供的数据证明了整个组织始终保持着质量和安全措施。这些技术可以帮助公司兑现提供优质、安全食品的承诺。每一次因检查员疏忽而避免的召回，都将帮助公司保护利润并避免随之而来的公关危机。

利用强大的检测数据改善整个组织的决策制定

产品一致性是客户品牌忠诚度的重要因素。公司在协调各地的质量保证工作方面做得越多，就越有能力满足全球范围内日益挑剔的客户需求。

来自人工智能视觉检测技术的数据有助于量化产品质量、工艺绩效、对监管要求的遵守情况以及食品安全工作的成效。公司在运营中利用这些宝贵检测数据的途径越多，就越能从容应对日益增长的需求，并在竞争中脱颖而出。