机器视觉在食品和饮料行业看到增长，挑战

食品和饮料生产商面临着持续的压力，需要验证产品质量，确保安全和准确的包装，并提供完全可通过供应链追溯的耗材。在过去二十年的大部分时间里，机器视觉一直在帮助行业实现这些目标。随着政府监管的收紧和消费者对食物成分的要求更加透明，在食品检验中采用视觉和成像系统的情况正在增加——尽管有少数部分对这项技术表现出犹豫。

安全第一

尽管美国《食品安全现代化法案》(FSMA)已于2011年生效，但一些食品加工商和包装商仍在制定最终解决方案，以满足该法律对产品跟踪和追踪的要求。康耐视食品和饮料行业全球客户经理比利·埃弗斯表示:“FSMA迫使食品行业拥有更好的记录和报告系统，因此更多的食品和饮料制造商正在使用二维条形码读取来跟踪和序列化数据。”

更迫切的需求是推动条形码和视觉技术在食品加工设施中的采用。埃弗斯说:“现在作为一个社会，我们的食物过敏处于历史最高水平。”“业界对确定基于过敏原的污染物的正确标签有了更高的认识。”

不正确或不完整的过敏原标签可能导致客户生病，昂贵的召回，并损害食品生产商的品牌。埃弗斯说，虽然一些制造商正在使用条形码阅读器进行标签验证，但其中许多制造商“拥有已经存在了60或70年的传统艺术品，并且不想在包装上放置二维代码来破坏他们的品牌。”

在这种情况下，公司将使用光学字符识别(OCR)和验证(OCV)标签上现有的字母数字字符，或模式匹配来跟踪字体或检查某些单词的缺失/存在。食品生产商也在使用条形码阅读器和视觉系统，以遵守2016年美国一项法律，该法律要求含有转基因成分的食品必须贴上标签。

有时，对条形码扫描的需求来自供应链本身。埃弗斯举了一个例子，一家食品公司要求供应商保证他们的条形码可以从装条形码的托盘的几乎每个部分读取，这样工人就不会浪费时间在配送中心或商店后面的仓库里扭曲单个盒子来扫描条形码。

宠物项目

就像其他依赖机器视觉进行检测的行业一样，食品和饮料制造商希望系统能事出无因。在过去的十年里，许多饮料灌装设施一直在现场生产PET塑料瓶，而不是依靠转换器来制造、码垛和运输它们。Pressco技术公司开发了视觉系统，可以对生产线进行上下检查，不仅包括吹进PET瓶的预成型件，还包括填充水平、瓶盖和填充容器上的标签。

Pressco市场、销售和新业务开发副总裁Tom O 'Brien表示:“一个控制就能完成所有这些工作的好处是，你不必为三到四个不同的检测系统培训操作员或购买备件。”

O 'Brien指出，塑料瓶行业有两个相互竞争的挑战，可以从机器视觉检测中受益。其一是PET容器和瓶盖的轻量化，以降低成本，提供更可持续的包装。“当你把东西做得更轻时，你使用的塑料就更少，出现缺陷的机会就更大，”他说。

其次，通过使用消费后重新研磨的材料来制造新的饮料瓶，视觉系统可以检查污染物，如污垢，这些污染物可以进入生产过程，因为回收的PET被熔化并挤压成颗粒。

为了满足客户对其机器视觉产品中更多智能的要求，Pressco提供了模具、主轴和传输臂的吹塑机以及灌装阀和盖头的填料中的缺陷相关性。O 'Brien说:“如果这些机器中的一台出现了重复的缺陷，机器视觉系统就会识别出产生缺陷的部件，从而精确定位该机器的部件，这样客户就可以采取纠正措施。”

对高密度聚乙烯(HDPE)和聚丙烯等不透明塑料进行成像是另一个挑战，因为这些材料需要x射线、伽马射线或高频单元来测量填充线。“我们主要是一家基于机器视觉的公司，但由于市场需求，我们正在选择性地开发这些技术，”O 'Brien说。

保护和提供安全的食品

当食品召回发生时，面临风险的不仅仅是一家公司的品牌或声誉。北卡罗来纳州的一家肉类加工公司最近召回了超过4900磅的碎牛肉，因为这些牛肉含有泡沫聚苯乙烯包装碎片。

机器视觉集成商Integro Technologies的高级销售工程师史蒂夫·德林(Steve Dehlin)在阅读了有关召回的报道后，联系了这家肉类加工商。“我已经联系了许多质量和工厂管理职位的人，并告诉他们，我们可以使用机器视觉技术，特别是使用高光谱成像技术，帮助防止未来的召回，”Dehlin说。“事实上，我们正在接触一些食品制造商，希望在影响消费者健康、成为公司的财务和公关问题之前解决这个问题。”

肉制品的多光谱和高光谱成像已经得到了很好的证明。2009年，美国农业部农业研究局成功地使用高光谱成像技术检查了一家商业家禽工厂中被污染的鸡尸体。像Integro这样的机器视觉公司也安装了许多高光谱成像系统，使用RGB来检查肉的颜色差异，并使用红外波长来检查表面以下的污染物。

尽管有这些证据，肉类加工商还是不愿采用这种技术。“食品行业对成本非常敏感，虽然机器视觉大大降低了质量控制风险，但它需要规划、设计、安装和培训，这可能是他们犹豫的原因，”Dehlin说。“由于肉类或任何食物都在高速加工，产品会有自然的变化和颜色变化。定制的机器视觉检测系统是检测质量问题的理想应用。”

通常情况下，这种不情愿源于肉类加工工厂的工程师缺乏对高光谱成像的了解。食品工业的其他部门也可以从这项技术中受益。例如，根据Dehlin的说法，如果高光谱成像用于检测病原体，2016年哈密瓜中的沙门氏菌爆发可能是可以预防的。

Dehlin预计，美国食品和药物管理局最终将要求对食品样品进行光谱分析，以检测病原体，但在更大范围内采用多光谱和高光谱成像技术的推动可能来自沃尔玛等食品企业集团。机器视觉在食品行业的机遇已经成熟。

韦恩哈丁是AIA的特约编辑。本文最初发表于视觉在线．友邦保险是先进自动化协会(A3)．A3是CFE Media的内容合作伙伴。由CFE媒体制作编辑克里斯·瓦夫拉编辑，cvavra@cfemedia.com．

原始内容可以在www.visiononline.org．

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。