AI赋能X射线检测，引领食品生产智能化

来源：赛默飞化学分析仪器分类：应用方案

2024-08-15 16:15:07 216阅读次数

扫码分享

X射线产品检测技术常应用于扫描和检测产品中可能存在的异物或污染物，如金属、玻璃或塑料，以避免对消费者的潜在危害，并保护制造商的品牌声誉。创新X射线技术确保生产工艺达到特定的视觉质量。

AI在制造业运用先进算法优化生产，实现感知、推理等智能任务，旨在提效降本、增强品质，融合机器学习、计算机视觉等。AI融入生产提升效率、安全，灵活应对市场变化。

赛默飞创新将AI与X射线检测软件集成

为食品制造赋能

X射线检测和AI

Thermo Scientific? Xpert? C系列和Xpert C HD系列是专为工业应用设计的先进X射线产品检测系统。这些系统利用前沿技术来提供优异且稳定的检测功能。

? Xpert C专为袋装、盒装和其他包装产品而设计；

? Xpert C HD是专为体积更大且更重的包装而设计的。

Xpert软件利用复杂的算法和图像处理技术对异物、污染物和缺陷进行检测和识别，该软件支持定制，适用于多种应用。

可采用新的AI模块来增强Xpert软件，以便对产品图像进行识别和分类。该AI软件模块与X射线仪器在同一台PC上运行。在将经过训练的模型加入X射线软件中后，该软件就能根据预定义的阈值对产品进行有效评估和分类，例如确定产品是否合规。

优化性能：软件中的AI模块详解

Thermo Scientific Xpert AI软件模块采用人工智能技术来增强成像算法。除了传统的图像处理技术外，该软件还利用先进的算法来分析传统软件中常见的像素和灰度级。AI系统会将扫描到的每张产品图像分为不同的类别，最少分为两类，最多分为五类。例如，可根据产品形状（如正方形、长方形、圆形、椭圆形或三角形）对产品进行分类，按形状分类可得到最大的类别数。另外，也可以按合规和不合规分类，这样可得到最小的类别数。

AI学习过程

该软件可针对机器中加载的每个产品文件或配方使用不同的模型。AI引导的Xpert软件的学习过程包括使用X射线图像数据集训练AI算法。该过程通常包括四个步骤：

数据采集

客户会提供不同的X射线图像数据集。这些图像通常分为二到五个不等的类别。这些类别是根据具有特定细节的不同图像来划分的。例如，如果是根据鸡肉部位进行分类，则类别可能会是“整鸡”、“鸡胸”、“鸡翅”或“鸡腿”。这个数据集就是训练AI模型的基础。

机器学习过程

随后会使用采集到的数据集，通过一个“机器学习”的过程来训练AI模型。这包括为AI算法提供已打上标签的X射线图像示例，这些图像中已识别出所需的特征或缺陷。AI模型将学习这些示例，并调整其内部参数，以便在全新且未见过的X射线图像中识别出类似特征或缺陷，并将其分类。

客户测试

客户收到AI软件模型并在生产线上进行测试后，将向我们的工程团队提供更多图像，以提高图像准确度。

优化软件

软件将“学习”上一步中提供的其他图像。我们将最终确定一个优化后的生产用软件模型，然后提供给客户。

学习过程旨在优化AI模型的准确度和性能，使其能够在实时检测过程中有效识别X射线图像中的特定特征或异常，并进行分类。

向下滑动查看所有步骤

<<<

联系我们

了解更多

01 奶酪评估应用

在一家奶酪生产商的奶酪产品分类应用中，AI 软件发挥了关键作用。该客户面临如下问题：如何根据奶酪孔洞的数量、形状、大小、分布和位置等因素，将奶酪分为成熟奶酪和未成熟奶酪。客户一开始使用一名人工检验员，通过目视检查大屏幕上的X射线图像，对产品进行人工评估。然而，鉴于产品本身的可变性和评估参数的复杂性，发现传统的分析检测方法不切实际。

为了应对这一挑战，我们对AI模块进行了训练，让其模仿人类操作员的角色，将奶酪分为五个不同的类别。这些类别为A1、A2和B（见下图1），代表尚未成熟且需要更多时间成熟的奶酪；以及C和D（见下图2），代表已完全成熟且可供食用的奶酪。