三种新的机器视觉方法使食品检测更高效

什么是机器视觉？

机器视觉是用于完成许多应用（包括食品检测）基于成像的自动检测任务和分析的技术和方法。

什么是食品检验？

食品检验是食品生产商用来控制上架食品质量的过程。通过这个过程，他们消除了瘀伤、未成熟或不满意的食物，只留下最好的食物卖给消费者

下面，我们将讨论使食品检测更加准确和高效的三种新机器视觉方法。

三种新方法

神经网络机器视觉检测

神经网络或神经网络是类似于构成动物大脑的生物神经网络的计算系统。它的学习方式类似于人脑的学习方式。在这种情况下，神经网络帮助机器从训练集中的图像中了解哪些食物是可接受的，哪些是不可接受的。这为机器视觉应用程序增加了类似人类的决策能力。然而，这种机器学习需要大量的计算能力。因此，大多数简单的视觉传感器都无法支持它。

如果开发得当，神经网络可以让机器识别和判断食物大小和颜色的不同变化，从而有效地检查食物。训练神经网络技术时必须小心。否则，机器将无法正确学习，也无法区分食物的好坏。神经网络必须清楚地教导机器区别。

一个非常有效的神经网络的例子是大米分拣机中使用的神经网络。这台机器非常准确，它可以检测到一粒米上的瑕疵，并相应地通过一股空气来剔除不需要的米粒。

近红外 (NIR) 机器视觉检测

历史上，许多食品和饮料应用都使用 RGB 传感器来检查产品质量并丢弃那些不适合销售的产品。然而，食品加工商也开始使用 NIR 检测方法。使用此方法需要 NIR 滤光片和照明。但是，在它们到位后，NIR 检查提供了非常有用的食品信息。这是因为 NIR 处于允许硅传感器继续工作的光谱区域。使用 NIR，可以生成更多数据，分析系统可以对食品质量做出更明智的决策

3D 机器视觉检测

3D 检查使机器能够在微小的表面上找到可能导致食物卖不出去的微小结构。3D 检查非常准确，因为它们可以使用 x、y 和 z 测量值快速检测产品的位置和方向。要开始使用 3D 检测方法，您将需要工业级图像采集卡和软件来管理从 3D 过渡到数据的增加。

例如，对以每分钟 100,000 个速度移动的豌豆这样小的蔬菜进行分类需要处理大量数据。很可能需要拍摄每颗豌豆的几张图像来确定其质量，如果不满意则将其丢弃。图像采集卡可以帮助显着提高机器的响应能力。借助成功的 3D 检测系统，许多食品公司可以提高效率、准确性和产量。