确保安全和质量视觉系统如何改变食品饮料行业

视觉和检测技术在食品和饮料行业中不可或缺，可实现质量控制、产品安全和可追溯性等关键功能。无论是快速扫描条形码进行消费者交易，还是严格遵守监管标准，视觉系统在生产、加工和分销的各个阶段都发挥着不可或缺的作用。FoodBev的SiânYates研究了这一重要领域的最新创新。

消费者安全是食品和饮料行业最重要的因素。基于视觉的检测设备可确保严格的质量控制，快速识别污染物和潜在的安全隐患。

这些技术具有广泛的优势。MVTec的Halcon软件产品经理JanGärtner表示：“作为食品生产商，您希望为客户提供最高品质的产品。精确的视觉检查对于确保产品处于最佳状态以及不会出现污染、损坏或其他缺陷至关重要。这些技术提供了宝贵的支持，因为它们具有高精度、100%客观性并且运行速度非常快。”

德国传感器制造商Sick的机器视觉和测量系统市场产品经理NathanielHofmann指出，消费者信心取决于产品是否符合严格的质量标准。“作为消费者，我们经常根据视觉吸引力做出购买决定，而视觉系统有助于区分优质产品和劣质产品，”他评论道。

“不过，视觉检测的作用远不止于此，”美国机器视觉系统、软件和传感器制造商Cognex的全球内容营销高级经理JeremySacco补充道。“一套实施良好的系统可以检测出填充量、烹饪时间、配料和添加物等问题，而这些问题都可能导致最终产品不令人满意。”

FortressTechnologyEurope董事总经理PhilBrown告诉FoodBev，金属探测器、检重秤和X射线检测系统对于任何生产过程都至关重要。“确定最大的污染物风险和最具成本效益的关键控制点和检测解决方案都有助于确保符合HACCP要求的强大食品安全战略，从而实现最大盈利能力并防止昂贵的产品浪费。”

法律要求的增加和来自大型零售连锁店的认证压力的增加也迫使食品饮料制造商在整个制造、灌装和包装过程中优先考虑产品质量、包装完整性和食品安全。

HeuftSystemtechnik的X射线检测产品经理DirkHenschke提醒道：“因此，生产商必须对每一件产品进行严格的质量检查和在线检测，以满足这些标准。”

高级应用程序

“机器视觉技术可以让所有人受益，从财富500强企业到精酿啤酒商，涵盖食品和饮料行业的所有领域，”食品、饮料和药品检测机器供应商Filtec的全球产品经理DaveColeman说道。“它可以确保您的产品质量和一致性，并有助于减少停机时间，同时防止召回。”

几乎任何食品或饮料加工线上的任何环节都可以集成检测系统。每个行业和产品应用都存在着独特的普遍风险。“与检测成品包装产品相比，在生产过程早期主动降低污染物风险可以显著减少拒收率，”Fortress的Brown说道。

Brown继续说道：“此外，它还使加工商能够准确找出潜在问题的根源。添加原料或进行多次混合、碾压、切割和烘焙等工序会增加污染物进入生产线的风险。”

Heuft的Henschke说道：“检查范围包括从灌装水平检查，通过识别威胁包装完整性和内容物微生物纯度的严重缺陷，确保最终消费者收到的物品不低于他们支付的金额，以及检测产品中的玻璃碎片等危险异物。”他补充说，这些都是导致代价高昂的责任案件和产品召回的原因，从而损害了公司的声誉。

Henschke强调，由于循环经济和可回收系统越来越受欢迎，饮料行业正从这些技术中受益——这是该行业的两个主要话题。“在玻璃瓶多次重新灌装的情况下，全表面空瓶检查和生产线末端的彻底全容器检查都至关重要，”他补充道。

Heuft在这两个领域都占有重要地位，提供先进的内部光学检测技术以及脉冲X射线技术，用于检测空瓶和满瓶中的微小玻璃碎片等具有挑战性的场景。

模块化Heuft系统将各种检测技术集成到单个设备中。例如，光学识别可以精确定位瓶子中的霉菌或透明薄膜等异常情况，而X射线技术可以检测玻璃碎片或金属碎片。

“同时，在食品灌装和包装过程中，视觉检测技术还用于标签检测、保质期和条形码验证或检查封盖安全性和完整性等，”Henschke评论道。“但是，视觉技术还不足以找到非透明包装或锡罐或婴儿食品等产品中最小的异物。”

深入了解

据Sick的霍夫曼称，目前有两项重大进步推动着视觉检测领域的发展：人工智能图像处理的日益普及，以及3D成像技术的日益普及和用户友好性。

“人工智能在各个行业都具有巨大的潜力，其应用范围从人工智能控制的牙刷到日常智能手机。然而，它对食品行业的影响尤其深远，”霍夫曼说。“深度学习分类在区分有机不同但相同的产品方面被证明是无价的，而异常检测则可以识别与已知质量标准的偏差。例如，训练视觉系统来区分不同类型的苹果并评估其质量可确保消费者始终收到高质量的产品。”

他解释说，3D检测对于托盘或模具中生产的物品特别有益，而

飞行时间(TOF)和激光轮廓传感器等先进技术提供了增强的功能。

Hofmann继续说道：“集成到摄像设备中的智能工具消除了额外

PC和电缆，简化安装和部署流程。这不仅简化了操作，还提高了可重复性，确保为消费者提供一致的产品质量。”

该公司开发了SickNova图像处理软件，融合了AI和3D图像处理技术。该软件提供统一且直观的开发环境，确保2D、3D和AI处理的一致性。界面在不同硬件之间保持一致，使应用程序能够顺利扩展，并允许用户在保持熟悉的开发流程的同时无缝地在技术之间过渡。

SickInspector8xx系列设备的推出展示了传感器技术和相机处理芯片的进步，能够高效地利用高速AI功能。Nova软件支持各种2D相机，从VGA到12MP分辨率。

“将Nova的3D工具与Sick3D相机(如VisionaryTMini(一种TOF设备))和Ruler激光三角测量传感器结合使用，代表了设备内置图像处理选项的进步，”Hofmann解释道。“随着最近推出的Ruler3000系列，我们现在可以用单一型号覆盖从26毫米宽到1.6米的物品，从而扩展了我们的能力。”

与此同时，Heuft的内部实时图像处理硬件和软件对检测到的物体进行了分类，以区分无害偏差和严重缺陷。凭借其最新创新——HeuftreflexxAI——该团队可以采用深度学习来检测以前难以识别或无法识别的异物。reflexxAI于3月在AnugaFoodTec2024上推出，利用了20多年的脉冲X射线技术经验，并承诺实现精确检测

尽量减少辐射暴露。

ReflexxAI甚至可以检测出最小的高密度异物，而这些异物以前在异质X射线图像中是无法检测到的。该技术可以区分污染物和无害偏差，从而减少误报并防止生产力损失和浪费。

该公司最近推出了新的HeuftInLineIIIX空瓶检测机，并增强了其HeufteXaminerIIXOS，用于检测满瓶中的异物。这些系统现在配备了最新版本的reflexxAI

Henschke解释道：“食品行业的最新进展已促成多层神经网络在智能X射线图像分析中的应用。”“通过实施reflexxAI，eXaminerIIXAC现在可以识别微小异物，例如泡菜中的铝碎片或红甘蓝罐中的细小玻璃碎片，这些异物肉眼可能无法看到。同样，紧凑型eXaminerIIXS可以检测意大利面包装中的环形电线等物体。”

集成架构

MVTec的Halcon定位为多功能解决方案，提供集成开发环境和灵活的架构。它集成了先进的深度学习功能，为制造商提供了图像分析和识别工具。通过利用神经网络，Halcon可以实现精确的缺陷检测、零件分类和质量控制，确保产品符合严格的标准。

Gärtner告诉FoodBev：“我们的目标是保持并加强我们在机器视觉软件领域的技术领先地位。这就是我们拥有自己的研究部门的原因。我们的同事在这里研究机器视觉的最新趋势。例如，该部门积极参与全球领先的会议，并因其研发贡献而受到尊重。”

去年年底，Filtec在拉斯维加斯包装博览会上展示了其最新的机器视觉技术。该公司的远程视觉检测模块是此次展示的特色产品之一，可提供一系列检测应用，包括日期和批次代码验证、标签存在性、封盖完整性、颜色一致性和填充水平检查。这些模块与Filtec的Intellect检测平台集成，为各种尺寸的灌装线上的容器提供灵活的质量保证解决方案。

该公司还推出了最新的光子、视觉和远程视觉灌装水平检测机，展示了360度灌装和封盖解决方案。同时，其空罐检测系统专为每分钟处理多达2,400罐的高速生产线而设计，使用视觉技术识别空罐中的缺陷。该系统具有双圆形顶部照明站，可检查每个罐子的凸缘、表面和底部，以保持产品的完整性。

最佳实践

为此，Fortress去年开发了零售规格组合系统，该系统将检重和金属检测相结合，并将所有零售行为准则(COP)规范预先编程到机器中。“这不仅节省了空间，而且还优先考虑了食品安全，”布朗说。“最新版本现在包括新功能-例如，COP指南和易于理解的动画金属探测器测试屏幕。”

Fortress的检测系统采用模块化设计，为用户提供了更大的灵活性。它们可以集成电子设备、使用较新的软件升级金属探测器，以及配置传统的上游和下游设备。

“我们注意到跨国零售商大力推动加工商采用X射线技术，”Brown强调道。“投资X射线或金属检测设备的决定取决于制造商的具体要求，并以生产线中潜在污染物的全面风险分析为指导。虽然这两种技术都具有独特的优势，但它们不应取代良好的生产规范。相反，食品污染物检测装置应根据个人需求和风险对流程进行补充。”

他解释道：“金属探测器本质上是专用设备，专门为适应各种应用而定制，例如传送带、重力/自由落体和管道/泵送系统。相比之下，X射线系统仅适用于传送带和管道格式。因此，X射线系统的适用性取决于所使用的食品应用和包装，从而决定它是否是合适的选择。”

可持续性是关键

视觉系统具有多种用途，并且会随着时间的推移而不断发展。视觉检测至关重要的一个显著趋势是可持续性，尤其是在包装方面。食品和饮料行业的制造商一直在寻求更环保的包装解决方案，例如用纤维板和纸质材料替代塑料。

“这对可持续发展来说是一个积极的趋势，但这些新型包装可能会给检测带来挑战，”康耐视的Sacco警告说。“回收材料可能存在表面不规则和/或背景不太一致的情况，这会使自动检测更加困难。纸质包装并不总是像塑料包装那样均匀。幸运的是，得益于人工智能，基于图像的检测系统已经非常善于适应不同的背景和产品，从而准确识别主要关注区域。”

为了应对此类场景及其他情况，康耐视一直在开发人工智能机器视觉系统。

与许多其他以相同产品或零件为特征的制造工艺不同，食品通常会表现出自然差异。康耐视In-Sight2800等产品利用边缘学习AI技术快速学习区分良品和缺陷品。

In-Sight2800视觉系统是一款将人工智能与传统视觉工具相结合的错误检测解决方案。其功能包括无限分类输出和高级光学字符识别。它易于集成和部署，无需编程即可提高运营效率。

“我们对人工智能的重视也简化了自动检测系统的设置和操作，”Sacco补充道。“边缘学习技术允许任何人使用样品快速培训新任务，无需经验丰富的视觉工程师或程序员。这有助于生产线之间的平稳切换并减少停机时间。处理多条产品线或经历快速增长的制造商尤其可以从这些进步带来的快速实施中受益。”

视觉检测技术对于确保食品饮料行业的产品质量和安全至关重要。这些系统提供精确的缺陷检测和零件分类，提高运营效率并满足严格的质量标准。人工智能图像处理和3D成像等关键进步推动了视觉检测的不断创新，从而提高了准确性和可靠性。

制造商应该拥抱而不是害怕这项技术，正如Filtec的Coleman总结的那样：“过去十年或更长时间里，这项技术取得了许多进步……要求您的供应商提供全面的见解，了解该技术的功能以及有效运行所需的维护要求。通过适当的培训和用户友好的界面，您可以确保成功实施机器视觉，这将在未来几年为您带来良好的服务。”