机器视觉与食品检验的应用

　　到2018年底，美国食品和饮料行业将生产足够的商品，以创造162亿美元的收入。从长远来看，这个数字仅次于于中国，按收入计算，中国是世界上最大的食品和饮料生产国，也是世界上人口最多的国家，拥有近14亿人口。

　　要使美国庞大的食品和饮料行业平稳运转，需要复杂的加工、生产、包装和分销环节。事情并不总是按计划进行，生产商可能会发现自己面临产品召回、食源性疾病爆发，甚至出现消费者投诉等。工业4.0提供了一个智能和有效的方法，在机器视觉的帮助下，可以确保最高水平的食品检验和符合食品安全标准。

　　机器视觉定义

　　机器视觉直到最近才被认为是一种广泛应用于食品生产行业的工具，实际上，机器视觉在20世纪80年代就首次被用于食品质量检测。这些早期的机器视觉的迭代仅仅由一个拍照的照相机组成，用来检查松饼生产线，以确保超大的产品不会进入机器。虽然这个过程很粗糙，但它被证明是有效的。

　　今天的机器视觉系统要复杂得多。自动成像协会(AIA)将机器视觉分类为硬件和图像分析软件的相互组合，通过捕获图像来协助设备工作。当今的机器视觉系统通常都有或多或少复杂的人工智能，它可以分析模式，并从其视线内的物体中提取数据。然后将获得的数据与从系统数据库中提取的任何现有数据进行比较——该数据库由人工管理，而不是自动化。一旦审查了数据，系统就会得出关于所捕获项目的结论。

　　整个过程，从开始到结束，只需要不到一秒钟。但是，在这么短的时间内，系统收集了大量关于该项目的有用信息。关于食物的颜色、成熟度、变质程度和内部温度的数据是一眨眼的功夫就能得到的。甚至有可能获得人类眼睛无法探测到的信息，比如机器视觉通过使用不同的波长分析食物中的内部成分。也可以用于包装缺陷检测，防止材料浪费，贴错标签和昂贵的食品召回。

　　食品召回

　　食品检验，老板杂志根据美国食品药品管理局和美国农业部食品安全检验局的数据，2017年有456起食品召回事件。其中包括同一产品的多次食品安全违规/召回。未申报的食物过敏原(特别是在乳制品中)是召回原因的首选。李斯特菌是召回的第二大常见原因，通常影响受欢迎的早餐食品。还有24次以沙门氏菌为基础的召回，以及240万磅即食面包屑鸡肉产品含有未申报的牛奶含量，使乳制品过敏的人处于危险之中。

　　尽管召回总数较2015年和2016年有所下降，但召回仍是食品生产中的一个主要问题。事实上，作为一个行业，尽管机器视觉使用的增加可以显着提高健康和安全标准，但在利用自动化方面，食品生产远远落后于其他生产线行业。

　　行业挑战

　　食品生产行业走得很好。它必须保持高效率，同时生产满足消费者需求的食品，以及联邦健康和安全法规。此外，生产商需要权衡传统低利润业务的成本与食品生产价值线中更高安全性和质量的要求。

　　实现机器视觉可能需要初始投资高于许多生产商，但可以提高加工效率，减少代价高昂的错误、疏忽和召回(其中一些可能导致更昂贵的诉讼)，可以在较短的视觉内弥补投资成本。

　　此外，还需要考虑消费者成本。由于消费者的健康和安全受到威胁，食品检验过程必须对错误采取零容忍政策。品牌或产品一旦失足，就会失去顾客的信任。标记不当的食品或肉或家禽中被忽视的感染迹象可能会造成生命损失。仅今年一年，FDA就已经将44人的死亡与沙门氏菌爆发联