AI赋能X射线检测，引领食品生产智能化
时间：2024-08-15 阅读：143
X射线产品检测技术常应用于扫描和检测产品中可能存在的异物或污染物，如金属、玻璃或塑料，以避免对消费者的潜在危害，并保护制造商的品牌声誉。创新X射线技术确保生产工艺达到特定的视觉质量。
AI在制造业运用先进算法优化生产，实现感知、推理等智能任务，旨在提效降本、增强品质，融合机器学习、计算机视觉等。AI融入生产提升效率、安全，灵活应对市场变化。
赛默飞创新将AI与X射线检测软件集成
为食品制造赋能
X射线检测和AI
Thermo Scientific™ Xpert™ C系列和Xpert C HD系列是专为工业应用设计的先进X射线产品检测系统。这些系统利用前沿技术来提供优异且稳定的检测功能。
⭕ Xpert C专为袋装、盒装和其他包装产品而设计；
⭕ Xpert C HD是专为体积更大且更重的包装而设计的。
Xpert软件利用复杂的算法和图像处理技术对异物、污染物和缺陷进行检测和识别，该软件支持定制，适用于多种应用。
可采用新的AI模块来增强Xpert软件，以便对产品图像进行识别和分类。该AI软件模块与X射线仪器在同一台PC上运行。在将经过训练的模型加入X射线软件中后，该软件就能根据预定义的阈值对产品进行有效评估和分类，例如确定产品是否合规。
优化性能：软件中的AI模块详解
Thermo Scientific Xpert AI软件模块采用人工智能技术来增强成像算法。除了传统的图像处理技术外，该软件还利用先进的算法来分析传统软件中常见的像素和灰度级。AI系统会将扫描到的每张产品图像分为不同的类别，最少分为两类，最多分为五类。例如，可根据产品形状（如正方形、长方形、圆形、椭圆形或三角形）对产品进行分类，按形状分类可得到最大的类别数。另外，也可以按合规和不合规分类，这样可得到最小的类别数。
AI学习过程
该软件可针对机器中加载的每个产品文件或配方使用不同的模型。AI引导的Xpert软件的学习过程包括使用X射线图像数据集训练AI算法。该过程通常包括四个步骤：
向下滑动查看所有步骤
<<<
联系我们
了解更多
在一家奶酪生产商的奶酪产品分类应用中，AI 软件发挥了关键作用。该客户面临如下问题：如何根据奶酪孔洞的数量、形状、大小、分布和位置等因素，将奶酪分为成熟奶酪和未成熟奶酪。客户一开始使用一名人工检验员，通过目视检查大屏幕上的X射线图像，对产品进行人工评估。然而，鉴于产品本身的可变性和评估参数的复杂性，发现传统的分析检测方法不切实际。
为了应对这一挑战，我们对AI模块进行了训练，让其模仿人类操作员的角色，将奶酪分为五个不同的类别。这些类别为A1、A2和B（见下图1），代表尚未成熟且需要更多时间成熟的奶酪；以及C和D（见下图2），代表已完全成熟且可供食用的奶酪。
图1：图像A1、A2和B（从左到右）被归类为未完全成熟的奶酪。
图2：图像C和D（从左到右）被归类为完全成熟奶酪。
为了对人工智能算法进行初步评估，总共分析了500块奶酪。这500份奶酪样本包含五个类别(A1、A2、B、C、D)，每个类别各100 份样本。下表1列出了针对非常复杂的奶酪应用进行初步分类测试的结果。
表1：使用500张图像进行初步评估，总误差率为 1.2%。
通过利用AI技术，该奶酪公司突破了人工检测方法所的局限性，实现了奶酪分类过程的自动化和简化。这一技术提高了奶酪分类和成熟度评估过程中效率、准确度和一致性，从而确保只向客户提供最高质量的奶酪产品。这种对品质的承诺，有助于提高其品牌声誉并维持客户满意度。
一家烘焙食品生产商需要使用AI软件对包装中意式蛋糕的摆放位置进行进行分类。该项目的目标是识别出在纸盒内旋转90°的意式蛋糕，并判为不合格。由于产品具有不同的尺寸和形状，传统的方法并不可行，因为它无法考虑随时间推移而观察到的潜在变化。
为了应对这一挑战，我们对AI模型进行了训练，其将产品分为两类："A" 代表不符合标准的产品（表示产品旋转了 90°），"B" 代表符合标准的产品（表示产品在包装盒中的摆放位置正确）。下面的图3和图4展示了客户提供的图像示例，在AI学习过程中采用了这些影像。
图3：不符合标准的产品图像（旋转了 90°）。
图4：符合标准的产品图像（摆放位置正确）。
我们使用生产商提供的1,994张图像对AI算法进行了初步评估，并将结果汇总在下表2 中，显示评估误差率为0.11%。这一误差率与生产线中0.10%的误差率基本吻合。
表2：使用1,994张图像进行初步评估，总误差率为 0.11%。
X射线和AI技术的应用，在帮助意式蛋糕生产商缩短质量控制和检测时间方面发挥了关键作用。该技术可确保对产品质量进行有效且准确的评估，保证产品在进入市场时始终保持理想状态，从而维护了品牌声誉。