4
AI賦能X射線檢測，引領食品生產智能化
X射線產品檢測技術常應用于掃描和檢測產品中可能存在的異物或污染物，如金屬、玻璃或塑料，以避免對消費者的潛在危害，并保護制造商的品牌聲譽。創新X射線技術確保生產工藝達到特定的視覺質量。
AI在制造業運用先進算法優化生產，實現感知、推理等智能任務，旨在提效降本、增強品質，融合機器學習、計算機視覺等。AI融入生產提升效率、安全，靈活應對市場變化。
賽默飛創新將AI與X射線檢測軟件集成
為食品制造賦能
X射線檢測和AI
Thermo Scientific™ Xpert™ C系列和Xpert C HD系列是專為工業應用設計的先進X射線產品檢測系統。這些系統利用前沿技術來提供優異且穩定的檢測功能。
? Xpert C專為袋裝、盒裝和其他包裝產品而設計；
? Xpert C HD是專為體積更大且更重的包裝而設計的。
Xpert軟件利用復雜的算法和圖像處理技術對異物、污染物和缺陷進行檢測和識別，該軟件支持定制，適用于多種應用。
可采用新的AI模塊來增強Xpert軟件，以便對產品圖像進行識別和分類。該AI軟件模塊與X射線儀器在同一臺PC上運行。在將經過訓練的模型加入X射線軟件中后，該軟件就能根據預定義的閾值對產品進行有效評估和分類，例如確定產品是否合規。
優化性能：軟件中的AI模塊詳解
Thermo Scientific Xpert AI軟件模塊采用人工智能技術來增強成像算法。除了傳統的圖像處理技術外，該軟件還利用先進的算法來分析傳統軟件中常見的像素和灰度級。AI系統會將掃描到的每張產品圖像分為不同的類別，最少分為兩類，最多分為五類。例如，可根據產品形狀（如正方形、長方形、圓形、橢圓形或三角形）對產品進行分類，按形狀分類可得到最大的類別數。另外，也可以按合規和不合規分類，這樣可得到最小的類別數。
AI學習過程
該軟件可針對機器中加載的每個產品文件或配方使用不同的模型。AI引導的Xpert軟件的學習過程包括使用X射線圖像數據集訓練AI算法。該過程通常包括四個步驟：
向下滑動查看所有步驟
<<<
聯系我們
了解更多
在一家奶酪生產商的奶酪產品分類應用中，AI 軟件發揮了關鍵作用。該客戶面臨如下問題：如何根據奶酪孔洞的數量、形狀、大小、分布和位置等因素，將奶酪分為成熟奶酪和未成熟奶酪。客戶一開始使用一名人工檢驗員，通過目視檢查大屏幕上的X射線圖像，對產品進行人工評估。然而，鑒于產品本身的可變性和評估參數的復雜性，發現傳統的分析檢測方法不切實際。
為了應對這一挑戰，我們對AI模塊進行了訓練，讓其模仿人類操作員的角色，將奶酪分為五個不同的類別。這些類別為A1、A2和B（見下圖1），代表尚未成熟且需要更多時間成熟的奶酪；以及C和D（見下圖2），代表已完全成熟且可供食用的奶酪。
圖1：圖像A1、A2和B（從左到右）被歸類為未完全成熟的奶酪。
圖2：圖像C和D（從左到右）被歸類為完全成熟奶酪。
為了對人工智能算法進行初步評估，總共分析了500塊奶酪。這500份奶酪樣本包含五個類別(A1、A2、B、C、D)，每個類別各100 份樣本。下表1列出了針對非常復雜的奶酪應用進行初步分類測試的結果。
表1：使用500張圖像進行初步評估，總誤差率為 1.2%。
通過利用AI技術，該奶酪公司突破了人工檢測方法所的局限性，實現了奶酪分類過程的自動化和簡化。這一技術提高了奶酪分類和成熟度評估過程中效率、準確度和一致性，從而確保只向客戶提供最高質量的奶酪產品。這種對品質的承諾，有助于提高其品牌聲譽并維持客戶滿意度。
一家烘焙食品生產商需要使用AI軟件對包裝中意式蛋糕的擺放位置進行進行分類。該項目的目標是識別出在紙盒內旋轉90°的意式蛋糕，并判為不合格。由于產品具有不同的尺寸和形狀，傳統的方法并不可行，因為它無法考慮隨時間推移而觀察到的潛在變化。
為了應對這一挑戰，我們對AI模型進行了訓練，其將產品分為兩類："A" 代表不符合標準的產品（表示產品旋轉了 90°），"B" 代表符合標準的產品（表示產品在包裝盒中的擺放位置正確）。下面的圖3和圖4展示了客戶提供的圖像示例，在AI學習過程中采用了這些影像。
圖3：不符合標準的產品圖像（旋轉了 90°）。
圖4：符合標準的產品圖像（擺放位置正確）。
我們使用生產商提供的1,994張圖像對AI算法進行了初步評估，并將結果匯總在下表2 中，顯示評估誤差率為0.11%。這一誤差率與生產線中0.10%的誤差率基本吻合。
表2：使用1,994張圖像進行初步評估，總誤差率為 0.11%。
X射線和AI技術的應用，在幫助意式蛋糕生產商縮短質量控制和檢測時間方面發揮了關鍵作用。該技術可確保對產品質量進行有效且準確的評估，保證產品在進入市場時始終保持理想狀態，從而維護了品牌聲譽。