食品检测应用的机器视觉趋势

长期以来，包装都是通过机器视觉技术来检测的。条形码读取器和机器视觉相机通常会验证盒子是否贴有正确的标签。最近，机器视觉在食品加工中变得越来越重要。例如，系统可以在不处理好产品的情况下检查一块水果是否有擦伤。

人们可以快速训练如何识别瘀伤，但这需要复杂的系统来让机器学习同样的东西。机器视觉检测需要照明和传感器，以便对食物进行正确成像，并确定深入的信息。

神经网络机器视觉检测

分析和图像处理通常通过使用神经网络来完成。机器从训练集中的图像中学习可接受和不可接受的质量。这种对生物系统的模拟为机器视觉增加了类似人类的能力。深度学习模拟了人类在做出关于质量的决定时所做的决策。

深度学习需要大量的计算能力。对于简单的视觉传感器来说，这是一个挑战。神经网络技术使设备能够处理食品大小和颜色的变化。在训练神经网络技术时必须小心——机器必须清楚地知道微分器是什么。大米分选机就是一个例子。他们采用神经网络机器视觉，传感器对大米进行成像，并利用一股空气排除不需要的污染物。

近红外(NIR)机器视觉检测

食品和饮料应用长期以来一直使用RGB传感器，但现在处理器希望包含近红外数据。NIR提供有关食物的有用信息。近红外光谱位于硅传感器仍然可以工作的光谱区域。可能需要近红外滤镜和照明，但一旦设置好，就像添加了一种新的颜色。生成了更多的数据，分析系统需要处理更多的数据。

三维机器视觉检测

3-D系统可以在微小的表面上发现微小的结构。3d系统可以检测产品的位置和方向。X, Y, Z测量值可以快速计算。由于3d实现带来的数据增加，可能需要使用工业级的帧捕获器和软件。

以每分钟10万颗的速度对冷冻豌豆这样的东西进行分类是非常需要处理的数据量。为了确定豌豆的质量或去除污染物，可能需要几张图像。帧捕捉器可以将响应速度提高十倍，从而提高质量和产量。

食品检测中的机器视觉使食品生产者能够确保产品之间的一致性和安全性。

本文原载于视觉在线。AIA是CFE Media内容合作伙伴推进自动化协会(A3)的一部分。Chris Vavra编辑，CFE Media制作编辑，cvavra@cfemedia.com。

原创内容可在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?您应该考虑为我们的CFE媒体编辑团队做出贡献，并获得您和您的公司应得的认可。点击在这里开始这个过程。