使用人工智能视觉检测来冻结处理错误和异物

这篇文章最初发表在《冷藏和冷冻食品》杂志上。 点击此处访问该出版物网站上的文章。

所有冷冻和预制食品生产商每天都面临着类似的挑战：确保生产的每盘食品看起来都像包装上所示的食物。

许多冷冻食品都是通过自动化机械加工、组装和包装的，通常以人工检查员为主要防线，以检测质量缺陷、有害的本土材料和可能有害的异物，以免最终进入成品。这些角色的体力要求很高，再加上在寒冷或工业环境中长时间工作，很快就会导致职业倦怠。此外，仅依赖人工检查员会给整个过程带来主观性，无论是员工还是同一个员工，由于疲劳而在一次轮班中都是如此。

随着消费者对冷冻食品和预制食品需求的增加，更高的产品吞吐量要求开创了由人工智能 (AI) 驱动的自动视觉检测的新时代。

现代生产环境中的传统检测

几十年来，大多数冷冻食品加工公司主要依靠金属探测器和X射线系统进行异物检测。虽然这些技术可以有效检测金属或骨头等密集物体，但无法识别大多数低密度异物，例如塑料、纸张、橡胶和类似颜色的物体，这些物体也会对消费者构成风险。

食品生产公司——主要从事烘焙和蛋白质加工以及冷冻食品行业的多个用户——开始在其加工生产线中集成视觉检测技术。这些系统将高分辨率的二维和三维摄像机与先进的照明相机结合在一起，可以分析产品的各个方面，包括顶部和底部，以进行常见的质量测量，例如整体颜色、尺寸和形状，并进行详细测量，例如顶部分布、成分比例、成分的存在/不存在、预测的产品重量或产品上印记（例如印在饼干上的徽标）的准确性。

食品加工商需要知道，视觉检测技术是对X射线和金属探测器的补充，而不是它们的直接替代品。由于每个系统都针对特定产品进行了训练，因此它通过识别其他方法可能不会注意到的异常情况来提供额外的检测层。如果系统发现某些东西超出其规格，它可以提醒操作员采取行动或停止生产线。

一些公司已经整合了自动剔除方法来移除不合规格的产品，以确保在不导致生产线停机的情况下将有缺陷的产品从流程中清除。

当今食品加工中使用的大多数视觉检测技术都是基于规则的视觉系统。在基于规则的视觉系统中，当产品通过视觉系统时，该技术会拍摄产品的照片，并将图像与用户定义的测量标准进行比较。过去，公司一次只能测量几个简单的产品属性，例如产品尺寸、颜色或形状，而使用基于规则的系统更容易实现这一点。

新技术使得能够以全线速度同时检测更复杂的产品测量，包括异物。这些不断增长的需求已将基于规则的视觉系统推向了技术极限。

基于规则的系统将永远是食品生产商的选择，但是人工智能驱动的视觉检测系统最近取得的成功为取代基于规则的视觉并确保产品一致性和安全性提供了令人兴奋而强大的解决方案。

人工智能驱动的检查系统如何运作？

人工智能驱动的视觉检测技术应用人类定义的标准来区分食品特征和不需要的物体。可以开发人工智能模型来检测人类可以感知到的任何差异。

与基于规则的视觉检测系统一样，人工智能驱动的检测系统集成了高分辨率摄像头和高级照明配置，用于分析通过生产线的产品。人工智能系统能够有效地将单个食品及其成分从整体图像中区分出来，这使其比基于规则的愿景有效得多。人工智能系统不仅限于颜色检测或产品形状和厚度，还可以分析复杂系统的各种属性，例如人类的属性。

例如，一家冷冻晚餐制造商通过多台自动化机器将几种食材自动分配到产品托盘中，包括面条、蛋白质、酱汁等。虽然定期检查这些配料涂抹机，但它们在将产品分配到包装时可能会出现故障或干脆未打标。

对于基于规则的视觉检测系统而言，具有许多不同颜色、形状和质地的冷冻晚餐是具有挑战性的。但是，借助人工智能驱动的视觉检测系统，它可以像人工检查员一样立即识别整体膳食的每个组成部分，但精度和速度要高得多。该系统还可以立即收集这些数据以进行实时跟踪，或将其编译成易于遵循的报告。

同样，人工智能再次运用人类级精度来检测异物并在产品流中找到不属于的物体。例如，单个速冻（IQF）洋葱丁的制造商可能经常遇到硬洋葱皮进入产品流的问题，这将导致客户对质地不满意。洋葱皮的颜色通常与切碎的洋葱非常接近，因此即使是最敏锐的检查员也特别难以区分。

不可否认，人工智能有可能彻底改变冷冻食品生产的质量控制。Grand View Research的一项研究估计，食品和饮料市场的人工智能将从2023年的84.5亿美元增长，从2024年到2030年的复合年增长率为39.1％，收入预测为847.5亿美元。这种增长机会反映了整个行业越来越多地采用人工智能驱动的解决方案，这自然导致了新的人工智能检测系统开发人员数量的增加。

人工智能驱动的视觉系统的一个关键价值是其客观性。与人工检查员不同，训练有素的人工智能系统永远不会休息、疲劳或 “休息日”。它应用人工操作员定义的测量结果来分析产品以获得准确的质量标准。这种人工智能训练方式被称为 “监督学习”，这意味着人类影响力始终是系统功能的核心。

通过监督学习，AI 模型的基础是向系统显示 “好” 示例和 “不好” 示例。随着时间的推移，人工智能系统会学习特定产品特征或异物的容差。随着新产品样本进入训练集，模型可能会发生变化或演变，但人类操作员或操作员团队始终处于指挥状态。

“无监督” 的人工智能训练允许人工智能为产品或材料制定自己的容差。这种方法对食品生产构成了多种风险；由于人工智能一直在寻找数据，因此无人监督的人工智能系统可能会开始对产品质量做出错误的决策，从而引发潜在的灾难性结果。至关重要的是，人工智能供应商能够在系统的生命周期内为人工智能模型演示或提供持续的培训和支持。

智能系统确保食品安全，份量精度

在竞争激烈、利润紧张的行业中，采用人工智能驱动的视觉检测技术为冷冻食品制造商提供了显著的竞争优势。这些系统提高了安全性和效率，体现了对创新和质量的承诺，增强了品牌声誉和消费者忠诚度。

通过应对新出现的挑战和利用人工智能技术，冷冻食品生产商可以增强产品安全性，降低运营成本，并满足消费者和监管机构不断变化的期望。随着人工智能的进步，它将在塑造冷冻食品制造的未来方面发挥更加重要的作用，确保质量和效率齐头并进。

在竞争激烈且对安全至关重要的冷冻食品生产世界中，采用先进的人工智能技术不仅是一种选择，而且是必要的。

‍