food quality inspection of apples on a conveyor in a factory

META-aivi成功案例

食品業

食品加工業異物檢測應用

客戶

客戶為台灣知名冷凍調理食品企業吉康食品，其主要提供中西式冷凍調理及餐包、排餐服務，同時更提供食材、醬料零售批發與代工，備受各界好評。

課題

食品加工業的食安控管檢測

一般來說，目前的食品檢測方式約分成三類，分別是生物性、化學性及物理性。
以物理性檢測為例，其主要是偵測食品中是否存在昆蟲肢體、金屬、塑料、玻璃、木屑、紙張等不同類型異物混入，因此，食品在加工前，為了確保食品安全和質量，食品加工業者一般會採取不同的檢測方式以排除異物，如金屬/X光/AOI光學檢測、過濾篩選器、人工檢查等。

挑戰

食品異物檢測的難題

由於所生產的產品類型不一，每種產品都有不同的異物排除需求，因此異物排除系統需要具有足夠的靈活性和適應性，以應對不同類型的產品，才能有效辨識並排除金屬、塑料、玻璃、木頭等異物，避免消費者誤食。
而此案客戶需在魚肉、菇類、麵條等多項產品中進行異物檢測，不過，要從大量產品中尋找細微、顏色相似的異物並非易事，即使導入高精度顏色辨識/檢測器或人工揀選，仍有漏檢現象發生。
因此客戶積極尋求具有彈性、高辨識率的 AI 檢測系統，一方面加速生產效率，一方面則是降低人力因疲勞、閃神所造成的風險。

解決方案

AR + AI 視覺系統，靈活篩檢出異物

整合 AR 擴增實境和 AI 人工智慧技術，META-aivi 比一般 AI 少 90% 的樣本數，就能快速訓練 AI 系統，協助產線進行異物辨識。
 
即使顏色相仿、尺寸細微肉眼難辨識，只要運用所羅門的 AI 技術建立高辨識率的 AI 模型，搭配行動裝置、IP Cam、Body Cam、AR 眼鏡等移動載具，混入魚肉中的魚刺、菇類中的毛絮與頭髮、麵條中的髒污及橡皮筋，都能在系統中一一被檢出，大幅降低人員漏揀機率。

其他相關食品案例

雞塊食品瑕疵檢測

除了食品異物外，所羅門曾協助企業進行雞塊食品瑕疵檢測，運用強大的 AI 視覺技術，可以辨識並定位不規則瑕疵或特徵，輕易解決傳統光學難以辨識的視覺問題。