人工智能驱动的检查推动肉类加工商走向成功（Meating Point 杂志）

这篇文章最初发表在《Meating Point》杂志上。 点击这里 访问该出版物网站上的文章（文章出现在第18页）。

对于肉类和家禽加工商和包装商来说，质量控制和食品安全从未像现在这样关键或具有挑战性。尽管留住劳动力仍然是整个行业的问题，但为了应对不断增长的吞吐量需求，各公司仍被迫达到运营极限。

当然，当质量保证团队难以满足这些要求时，运营必须放缓。检查失误、过多或可能不必要的浪费或有害异物进入生产流程的可能性也更高。

这些只是许多加工公司投资人工智能（AI）视觉检测技术以满足这些不断增长的需求并扩大其食品安全工作的部分原因。简化产品分级和异物检测的新应用每天都在出现，这使公司实现运营现代化并获得竞争优势的激动人心的时刻。

检测技术的发展

近年来，改善检查和异物探测工作的现有技术格局发生了巨大变化。几十年来，肉类和家禽加工公司一直使用在线X射线和金属探测器系统作为重要的质量控制仪器。

但是，它们的主要用途是检测金属、石头和类似材料等密集物体。它们不太适合处理纸张、塑料和薄膜等软质异物，这些材料可能会损坏加工设备或导致代价高昂的召回。

传统技术存在局限性，缺乏准确的过程洞察力，因此基于规则的自动化视觉检测系统已成为满足肉类和家禽厂质量保证需求的热门选择。视觉检测技术经过卫生设计，结合了高分辨率摄像头、先进的照明和强大的分析软件，可以测量各种产品特征，无论是在生产线上使用、安装在生产线上还是直接集成到输送机系统中。系统测量包括与产品的二维尺寸和形状、三维厚度、颜色和大理石花纹相关的任何测量，还包括更高级的测量，例如原产品的血斑或条纹检测、加工产品的包子覆盖率、修剪精度、预测产品重量等。

视觉检测系统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，它可以提醒操作员或自动停止生产线。对于某些产品，公司可以集成自动拒绝方法来删除不合规格的产品，从而保持流程顺利进行。即时警报或行动可实现安全和一致的质量控制流程，确保有缺陷的产品或不需要的异物不会进入加工线太远的地方。

当今的视觉检测系统可以配备高光谱成像技术，用于先进的异物检测和分类。高光谱成像结合使用光谱学和成像技术来采集不可见波长的产品图像，从而增强了系统在产品表面发现潜在有害异物的能力。

最近，已经部署了具有先进的人工智能驱动机器学习功能的视觉检测系统，以提高易用性，实现更详细的测量，并以惊人的精度检测异物。自动学习产品功能和规格可显著降低系统复杂性并促进持续运行，从而在减少人为干预的情况下延长系统的运行时间。人工智能视觉检测系统从不休假或病假。如果它继续运行，或者直到为不同的生产线或SKU进行培训之前，它可以提供相同的精度和准确性。如果需要，设施可以将其收集的数据集成到工厂控制软件中，以创建反馈回路。

左：通过人工智能分割的单块牛排有助于自动进行产品质量评估和分级。
右：人工智能在牛肉修剪线上识别出手套。

‍

尽管如此，由于可以获得比以往更多的检查和过程控制数据，许多使用先进视觉检测系统的操作可能无法充分发挥其视觉技术投资的全部功能。

利用检测数据优化生产流程

人工智能驱动的自动化视觉检测技术使公司能够分析集成到其流程中的100％的产品。这些宝贵的数据有助于支持组织内各个团体的努力。

生产线层面的影响

作为最初的用途，集成的人工智能视觉系统使加工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300万块鸡块的鸡块公司将产生一定比例的浪费。在满负荷生产的情况下，仅仅依靠人工检查产品的整体尺寸、形状、包裹颜色和覆盖范围或其他产品特性是一项艰巨的任务。此外，当发现质量问题（例如，由于油炸机油需要更换，面包屑颜色变得太暗）时，已经有几种产品被浪费了。

由于在线检测系统可以与现有的MES和SCADA系统接口，因此它们可以帮助检测产品在退出油炸炉后何时开始变得太暗，并立即采取纠正措施或提醒操作员。

对于这家日产300万块鸡块生产商来说，将其浪费减少低至0.5％（约15万块金块，每块鸡块1美分）等于随着时间的推移节省了大量资金，因为运营商可以借助视觉数据在过程控制方面做出更明智的决策。许多公司仅通过节省浪费就迅速为其视觉检测系统付费。

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。首先，该技术有助于确定常见流程问题的根本原因。

以汉堡肉饼制造公司为例；所有肉饼都必须成型为特定的大小或形状，以确保它们经过彻底煮熟并正确地装入产品包装。如果工厂有多台成型机将产品送到后期生产阶段，那么拥有一个集成的视觉检测系统来持续测量出成型机的产品，有助于检测任何问题，例如双层肉饼、边缘缺陷、肉饼杯过多、成型设备磨损等等。

利用这些数据，该公司可以清楚地识别经常出现产品一致性问题的成型机。如果所有流程调整继续失败，工厂经理可以根据数据做出决定，对设备进行维修或更换，以防止进一步浪费。

原料供应商评估是另一个有用的应用程序。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一种具有成本效益的方式。

回到鸡块生产商，假设该公司正在更换面包供应商，并已收到来自多家供应商的样品来测试其生产工艺。无论是在生产线系统上测试单个产品，还是使用位于产品流上方的上线系统，工厂经理都可以快速评估面包是否正确烹饪、在整个过程中是否粘附在产品上、保持质地以及其他视觉特性。能够将产品外观与编程值进行比较，而不是依赖于颜色表或操作员的解释，是帮助确保无缝过渡到新原料供应商的有效方法。

企业层面的影响

对于大型肉类和家禽加工公司而言，人工智能视觉检测技术在帮助分析多个地点的性能趋势方面大有帮助。一些视觉检测系统提供软件模块，允许用户生成全厂性能报告，从产品拒收率到产品的颜色或视觉属性的存在。