供需大厅

登录/注册

公众号

更多资讯,关注微信公众号

小秘书

更多资讯,关注荣格小秘书

邮箱

您可以联系我们 info@ringiertrade.com

电话

您可以拨打热线

+86-21 6289-5533 x 269

建议或意见

+86-20 2885 5256

顶部

荣格工业资源APP

了解工业圈,从荣格工业资源APP开始。

打开

如何选择基于视觉的食品加工检测系统

来源:荣格-《国际食品加工及包装商情》 发布时间:2021-09-24 830
食品饮料及个护食品与饮料食品及饮料配料食品加工及设备饮料加工及设备包装设备及材料其他 食品安全
收藏
提升对外来污染物的检测效果将有助于减少食品浪费,降低成本和召回风险。

防止异物污染是食品加工商越来越重视的问题。根据美国农业部的数据,在2019年美国食品安全和检查局召回的食品总量中,异物污染占了75%以上。然而,污染并不是一个新问题,许多加工商正在寻找创新的解决方案,从而更加有助于实现自动化检测,并提升发现异物的可能性。造成这一趋势的原因之一是,塑料和橡胶等材料的出现频率越来越高,而金属探测器和X射线往往会漏掉这些材料。


提升对外来污染物的检测效果将有助于减少食品浪费,降低成本和召回风险。许多加工商希望尽早识别污染物,以便能够快速解决问题,并将对生产的影响降至最低。


QQ截图20210924113740.jpg


好消息是检测技术正在迅速发展。基于视觉的系统是加工行业不断创新的一个很好的例子。但是,食品加工中的视觉系统都涵盖哪些方面呢?


虽然X射线和金属探测器在加工过程中很常见,但视觉系统这一概念相对较新。“视觉系统”是一个总括性术语,是许多不同系统的总称,具有广泛不同能力和特征。在这篇文章中,我们将比较不同的视觉系统的功能,它们的具体属性,以及它们如何使食品加工商受益。

视觉的科学


为了理解不同类型的视觉系统之间的差异,记住光是如何工作的是很有必要的,我们需要看清事物背后的科学原理。


我们的眼睛只能看到三个色带:红色、绿色和蓝色,也就是所谓的可见光谱。然而,光实际上是由数千种不同的波长组成的。每种波长表现不同,与各种材料的相互作用也不同。我们可以利用可见光谱内外不同波长的光来收集不同材料或物体的信息。


在比较视觉系统时,需要考虑三个主要差异:光带的数量,即系统能够看到的颜色数量(也称为波长);光谱分辨率——分辨率越高,每种颜色或波长之间的“差距”越小;视觉系统在图像的每个像素上所能看到的信息量。像素是构成图片的最小信息单位。


这三个特征共同定义了视觉系统能够考虑的细节水平、该系统检测各种不同材料的能力,以及系统的“可训练性”,它是否能够从它所收集的信息中学习。

观察的艺术


最原始的视觉系统就是我们的眼睛。当发生污染事件时,我们经常会指派或增加检查人员。然而,来自其他行业的研究表明,在完成一项检查任务仅仅 15 分钟后,人类的表现就会急剧下降。在完成一项任务 30 分钟后,发现问题的概率平均降低 50% 以上,这意味着检查员有一半的可能性错过他们应当发现的异物材料。


出现这种情况,可能是由多种因素造成的,包括生产线速度、培训或经验水平、疲劳或疾病,甚至是背景噪音或照明条件等外部因素。其他行业的研究表明,仅仅增加更多的检查人员并不一定会提高检测效率。


自动化检测对这种重复性任务提供了更好、更一致的结果。随着自动化技术的迅猛发展,各领域对于视觉检测系统的认识更加深刻,视觉检测系统在智能制造自动化领域的作用越来越重要,基于自动化的视觉检测技术的应用能更大程度地提高产品质量、降低生产成本,它还将有价值的员工解放出来,从事更重要、更安全、更需要人类专业知识的任务。自动化视觉检测相对应人工检测具有更高的使用价值,从而受到越来越多企业的关注与重视。

基于成像的检测系统


基于相机的系统是最容易理解的视觉系统类型。相机已经问世了一个多世纪,我们大多数人总是随身携带。基于摄像头的检测系统在性能上最接近人眼,这意味着它们只能看到可见光谱三种颜色内的物体。它们相对于人工检查员的优势是更高的一致性;它们也不会感到疲倦或失去注意力。然而,当被检查的物体与他们所寻找的材料之间的对比度很小时,相机就无法有效检测到污染物,例如,鸡肉脂肪块上或碎猪肉上的白色塑料。


在检测污染物时,相机很可能会漏掉透明塑料或任何与产品颜色相似的物体。生产线的速度和光照条件也会影响相机的性能,因为相机很难在混乱或多变的背景上看到东西。图 1 显示了当背景单一时,相机如何更容易地看到物体。


基于摄像头的系统非常适合评估产品的大小和形状,例如块状或肉饼。

在可见光谱之外


光谱分析法是利用物质发射、吸收电磁辐射以及物质与电磁辐射的相互作用而建立起来的一种方法,通过辐射能与物质组成和结构之间的内在联系及表现形式,以光谱测量为基础形成的方法。


多光谱系统被用于早期的天基成像,以绘制地球上的景观细节。这些系统中的检测是基于系统期望看到的材料。在天基成像的情况下,该系统被设置为探测水、土地和植被。与基于相机的系统只能看到三种颜色不同,多光谱系统能够看到3到15个光谱波段,并能看到可见光谱之外的颜色。这使它们能够看到被检查物体的一些化学性质。


QQ截图20210924113758.jpg


光谱分析是一种无损的快速检测技术,分析成本低。其中,拉曼光谱、红外光谱、近红外光谱以及荧光光谱等在食品安全检测中应用较为广泛。


由于这些类型的系统使用一定数量的光谱波段,所以随着时间的推移,它们从所看到的东西中学习的能力有限。而且,与基于摄像头的系统一样,多光谱系统无法评估质量指标。

从多光谱到高光谱


高光谱系统集图像信息与光谱信息于一身。顾名思义,高光谱系统通过电磁光谱收集信息。它们通过可见和不可见光谱测量连续的波段,因此它们可以看到成百上千个连续的波段。这意味着高光谱系统可以收集到有关被检测材料的非常可靠的数据,甚至可以达到化学水平。因此,目前已在农畜产品、食品的品质与安全性检测中有着广泛的应用。


高光谱成像系统在它们检查的每一件产品上都能产生难以置信的丰富数据。在食品加工厂,这意味着你不仅可以根据外来物质的化学特征找到它们,而且可以识别它们,通过指明污染物的可能来源,从而减少解决问题的时间。


高光谱成像系统可不仅仅是寻找外来物质。与多光谱或基于相机的系统不同,高光谱系统可以评估质量指标,如牛排的嫩度或香肠中的脂肪/瘦肉比例,并可发现家禽的肌瘤,如木质性胸肌、意大利面条状/孔状胸肌等胸深肌病。


高光谱系统在另一个方面也很特殊:这些系统可以利用人工智能(AI),从它们长期收集的化学数据中学习。这使得这些系统在识别新的或意外的污染物方面非常有效。这也意味着这些系统可以随着加工厂需求的变化而不断增长和变化,而不需要投资新的设备。


计算机和计算机处理技术的最新进展,使这些高光谱系统能够实时运行。


如何选择基于视觉的系统


视觉系统在食品加工方面具有巨大优势,但了解哪种系统适合您的工厂非常重要。提出正确的问题将有助于您的选择过程。


首先,要求查看该系统的检测曲线。检测曲线是一种显示对象大小与检测概率的图表,可以非常清楚地表明系统在检测任何大小的物体方面的成功程度。图2显示了由高光谱成像系统识别的不同材料的检测曲线示例。
检测曲线提供了比简单询问系统,包括更有用的洞察力可以检测到的最小对象大小。例如,一个声称能找到微观物体的系统,可能只在极少数情况下才能找到它们。


其次,了解误报率。使用相同的样本,系统可能声称找到了大量的微小物体。但是,如果这些检测中有许多是误报,这意味着实际上没有污染物存在呢?许多有价值的产品可能会被不必要地丢弃。


最后,了解系统是否能够面向未来。随着时间的推移,它是否具有扩展功能以检测新型污染物?您将来是否需要评估质量指标?工厂在不断发展,新的加工技术或产品类型带来了新形式的污染物和不断变化的质量问题。


系统能否适应这些变化?


食品加工行业正以前所未有的速度拥抱创新。但是,与任何不断发展的技术一样,关键是理解现有检测系统之间的差异。对您的企业来说,正确的方法可能是不同系统的组合。


提出正确的问题将帮助您进行选择,并有助于提高工厂的效率和安全性,同时从长远来看减少食物浪费和成本。


摘自:Food quality and safety杂志


来源:荣格-《国际食品加工及包装商情》


原创声明:
本站所有原创内容未经允许,禁止任何网站、微信公众号等平台等机构转载、摘抄,否则荣格工业传媒保留追责权利。任何此前未经允许,已经转载本站原创文章的平台,请立即删除相关文章。

收藏
推荐新闻