2023-10-02
pj
1.3k
市售的雞塊、麵包、鳳梨酥...可以各個外型、口感做到近乎一致又漂亮,現在利用AI+自動光學檢測(AOI)來取代雙眼檢測已經可行啦! 快來看看科技是如何協助食品製造業做好品管的吧!
越來越多停車場在出入時已改成車牌辨識,駕駛探出車窗,吃力投、拿磁扣的畫面漸漸走入歷史,節省了車道的通暢;而這樣「用科技取代雙眼」的模式,是否能同樣幫助到,需高度眼力進行QC作業的食品製造業呢?
隨著人工智能(AI)技術在食品行業中的應用不斷有所突破,也為生產、品管到供應鏈管理等領域皆帶來巨大的改變。在這樣的背景下,將AI辨識技術結合自動光學檢測(AOI)應用於食品投料攪拌情境中,就相當於用更精細的科技眼睛,幫忙人員進行食品製造的生產與檢驗,有望實現更高效、準確和可持續的生產過程。除此之外,產線中的半成品及最終的成品,也可以應用AI+AOI瑕疵檢測,透過尺寸、外型、成色,剔除不良品,提高出貨品質。
以下就帶您一同深入了解AI+AOI在食品製造的應用:
AI辨識技術可以通過攝像頭或視覺感測器,實時監測食品投料和攪拌過程。
1. 透過影像處理和深度學習模型,系統能夠辨識不同食材的形狀、顏色和數量,確保投料的準確性
2. 搭配IoT設備收集製程中攪拌的速度、均勻性和時間等數據,經由AI分析及演算得到最佳攪拌效果
食品製程中,系統便開始檢測異常狀況,而AI+AOI在每個環節中檢測的重點項目不同,例如:投料不均或出現異物、半成品品質瑕疵,甚至是規格不符、成品外觀瑕疵及包裝不良等。舉例來說,若在雞塊製成過程中,就能透過系統將不符合形狀、大小規格的雞塊挑出排除,便能避免在最後一關才檢測出品質缺陷,浪費生產成本。
AI透過大量數據取得後的訓練,將影像辨識模型辨識度提升。透過機器學習演算法,系統能夠識別潛在的優化機會,例如優化投料比例、攪拌時間和速度,以提高生產效率和品質。透過類神經網路,訓練系統能辨識到複雜或不規則的瑕疵檢測,降低傳統自動光學檢測AOI易誤判的類別,有效提升瑕疵辨識率。
傳統的檢測透過人工目測的方式,除了耗費大量人力成本外,也會因為視覺疲勞造成誤判影響品質。AI+AOI讓大部分已知的瑕疵問題先行揀出,減少人為誤判的可能,最後再由經驗專家複檢做品質的把關。這有助於降低人力成本,同時減少發生人為錯誤的可能性,確保生產品質的一致和可追溯性。
然而,這種應用情境也可能面臨一些挑戰,其一便是影像數據的標註和模型訓練。
1. 建立準確的辨識模型需大量標註的影像數據,並進行模型的不斷迭代和優化
2. 確保攝像頭設置的適當位置和光線條件亦為關鍵,方能保持影像質量
總體而言,將AI辨識技術結合AOI自動光學檢測,應用於食品投料攪拌與成品瑕疵檢測的情境中,有望提高食品生產的效率和品質,同時降低成本和人為錯誤的風險。通過克服潛在的挑戰,這個應用情境將為食品行業帶來更多的創新和進步。
看到這裡,是不是很好奇AI+AOI實際是怎麼辦到的呢?
現在,我們想向您介紹一個眼見為憑的機會,立即預約參觀:
流通全視界
1,205 Followers
實體參訪報名
5GAIoT體驗基地流通專場
5GAIoT體驗基地坐落臺中軟體園區,以「智能+應用」打造實際體驗場域,賦能企業加速邁向數位轉型。
流通全視界
1,205 Followers
我們使用本身的Cookie和第三方的Cookie進行分析,並根據您的瀏覽習慣和個人資料向您展示與您的偏好相關的廣告。如欲瞭解更多資訊,您可以查閱我們的隱私權政策。