賽默飛世爾科技智能制造與過程分析

AI賦能X射線檢測,引領(lǐng)食品生產(chǎn)智能化

時間:2024-8-15 閱讀:209
分享:

X射線產(chǎn)品檢測技術(shù)常應(yīng)用于掃描和檢測產(chǎn)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(hù)制造商的品牌聲譽。創(chuàng)新X射線技術(shù)確保生產(chǎn)工藝達(dá)到特定的視覺質(zhì)量。


AI在制造業(yè)運用先進(jìn)算法優(yōu)化生產(chǎn),實現(xiàn)感知、推理等智能任務(wù),旨在提效降本、增強品質(zhì),融合機器學(xué)習(xí)、計算機視覺等。AI融入生產(chǎn)提升效率、安全,靈活應(yīng)對市場變化。

 

 

賽默飛創(chuàng)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(yè)應(yīng)用設(shè)計的先進(jìn)X射線產(chǎn)品檢測系統(tǒng)。這些系統(tǒng)利用前沿技術(shù)來提供優(yōu)異且穩(wěn)定的檢測功能。

? Xpert C專為袋裝、盒裝和其他包裝產(chǎn)品而設(shè)計;

? Xpert C HD是專為體積更大且更重的包裝而設(shè)計的。

Xpert軟件利用復(fù)雜的算法和圖像處理技術(shù)對異物、污染物和缺陷進(jìn)行檢測和識別,該軟件支持定制,適用于多種應(yīng)用。

 

可采用新的AI模塊來增強Xpert軟件,以便對產(chǎn)品圖像進(jìn)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(jīng)過訓(xùn)練的模型加入X射線軟件中后,該軟件就能根據(jù)預(yù)定義的閾值對產(chǎn)品進(jìn)行有效評估和分類,例如確定產(chǎn)品是否合規(guī)。


 

優(yōu)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(shù)來增強成像算法。除了傳統(tǒng)的圖像處理技術(shù)外,該軟件還利用先進(jìn)的算法來分析傳統(tǒng)軟件中常見的像素和灰度級。AI系統(tǒng)會將掃描到的每張產(chǎn)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(jù)產(chǎn)品形狀(如正方形、長方形、圓形、橢圓形或三角形)對產(chǎn)品進(jìn)行分類,按形狀分類可得到最大的類別數(shù)。另外,也可以按合規(guī)和不合規(guī)分類,這樣可得到最小的類別數(shù)。


 

AI學(xué)習(xí)過程

 

該軟件可針對機器中加載的每個產(chǎn)品文件或配方使用不同的模型。AI引導(dǎo)的Xpert軟件的學(xué)習(xí)過程包括使用X射線圖像數(shù)據(jù)集訓(xùn)練AI算法。該過程通常包括四個步驟:

 

1

 

數(shù)據(jù)采集

客戶會提供不同的X射線圖像數(shù)據(jù)集。這些圖像通常分為二到五個不等的類別。這些類別是根據(jù)具有特定細(xì)節(jié)的不同圖像來劃分的。例如,如果是根據(jù)雞肉部位進(jìn)行分類,則類別可能會是“整雞”、“雞胸”、“雞翅”或“雞腿”。這個數(shù)據(jù)集就是訓(xùn)練AI模型的基礎(chǔ)。

 

2

 

機器學(xué)習(xí)過程

隨后會使用采集到的數(shù)據(jù)集,通過一個“機器學(xué)習(xí)”的過程來訓(xùn)練AI模型。這包括為AI算法提供已打上標(biāo)簽的X射線圖像示例,這些圖像中已識別出所需的特征或缺陷。AI模型將學(xué)習(xí)這些示例,并調(diào)整其內(nèi)部參數(shù),以便在全新且未見過的X射線圖像中識別出類似特征或缺陷,并將其分類。

3

 

客戶測試

客戶收到AI軟件模型并在生產(chǎn)線上進(jìn)行測試后,將向我們的工程團(tuán)隊提供更多圖像,以提高圖像準(zhǔn)確度。

 

4

 

優(yōu)化軟件

軟件將“學(xué)習(xí)”上一步中提供的其他圖像。我們將最終確定一個優(yōu)化后的生產(chǎn)用軟件模型,然后提供給客戶。

 

學(xué)習(xí)過程旨在優(yōu)化AI模型的準(zhǔn)確度和性能,使其能夠在實時檢測過程中有效識別X射線圖像中的特定特征或異常,并進(jìn)行分類。

 

 

向下滑動查看所有步驟

 

 

 

 

 

圖片

<<<

聯(lián)系我們

了解更多

 

 



01 奶酪評估應(yīng)用

 

在一家奶酪生產(chǎn)商的奶酪產(chǎn)品分類應(yīng)用中,AI 軟件發(fā)揮了關(guān)鍵作用。該客戶面臨如下問題:如何根據(jù)奶酪孔洞的數(shù)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(chǎn)品進(jìn)行人工評估。然而,鑒于產(chǎn)品本身的可變性和評估參數(shù)的復(fù)雜性,發(fā)現(xiàn)傳統(tǒng)的分析檢測方法不切實際。

 

為了應(yīng)對這一挑戰(zhàn),我們對AI模塊進(jìn)行了訓(xùn)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。

圖片

圖1:圖像A1、A2和B(從左到右)被歸類為未完全成熟的奶酪。

 

圖片

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(jìn)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(fù)雜的奶酪應(yīng)用進(jìn)行初步分類測試的結(jié)果。

圖片

表1:使用500張圖像進(jìn)行初步評估,總誤差率為 1.2%。

 

?

通過利用AI技術(shù),該奶酪公司突破了人工檢測方法所的局限性,實現(xiàn)了奶酪分類過程的自動化和簡化。這一技術(shù)提高了奶酪分類和成熟度評估過程中效率、準(zhǔn)確度和一致性,從而確保只向客戶提供最高質(zhì)量的奶酪產(chǎn)品。這種對品質(zhì)的承諾,有助于提高其品牌聲譽并維持客戶滿意度。

 

 

 

02 烘焙產(chǎn)品應(yīng)用

 

一家烘焙食品生產(chǎn)商需要使用AI軟件對包裝中意式蛋糕的擺放位置進(jìn)行進(jìn)行分類。該項目的目標(biāo)是識別出在紙盒內(nèi)旋轉(zhuǎn)90°的意式蛋糕,并判為不合格。由于產(chǎn)品具有不同的尺寸和形狀,傳統(tǒng)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(yīng)對這一挑戰(zhàn),我們對AI模型進(jìn)行了訓(xùn)練,其將產(chǎn)品分為兩類:"A" 代表不符合標(biāo)準(zhǔn)的產(chǎn)品(表示產(chǎn)品旋轉(zhuǎn)了 90°),"B" 代表符合標(biāo)準(zhǔn)的產(chǎn)品(表示產(chǎn)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(xué)習(xí)過程中采用了這些影像。

圖片

圖3:不符合標(biāo)準(zhǔn)的產(chǎn)品圖像(旋轉(zhuǎn)了 90°)。

 

圖片

圖4:符合標(biāo)準(zhǔn)的產(chǎn)品圖像(擺放位置正確)。

 

我們使用生產(chǎn)商提供的1,994張圖像對AI算法進(jìn)行了初步評估,并將結(jié)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(chǎn)線中0.10%的誤差率基本吻合。

圖片

表2:使用1,994張圖像進(jìn)行初步評估,總誤差率為 0.11%。

 

X射線和AI技術(shù)的應(yīng)用,在幫助意式蛋糕生產(chǎn)商縮短質(zhì)量控制和檢測時間方面發(fā)揮了關(guān)鍵作用。該技術(shù)可確保對產(chǎn)品質(zhì)量進(jìn)行有效且準(zhǔn)確的評估,保證產(chǎn)品在進(jìn)入市場時始終保持理想狀態(tài),從而維護(hù)了品牌聲譽。

 

 

 

 

會員登錄

×

請輸入賬號

請輸入密碼

=

請輸驗證碼

收藏該商鋪

X
該信息已收藏!
標(biāo)簽:
保存成功

(空格分隔,最多3個,單個標(biāo)簽最多10個字符)

常用:

提示

X
您的留言已提交成功!我們將在第一時間回復(fù)您~
撥打電話 產(chǎn)品分類
在線留言