AIによる卵検査：卵殻の欠陥検出と品質分類を自動化

事例概要

業界: 食品業

ソリューション: SolVision

高速で稼働する鶏卵生産ラインでは、出荷前に卵殻のひび割れや気孔を安定して検出する必要があります。SolVisionはディープラーニングを活用した画像検査により、表面欠陥を識別し、あらかじめ定義された品質レベルに基づいて卵を分類します。

卵殻の健全性は、製品品質の維持と汚染リスクの低減に不可欠です。ひび割れは卵殻の保護機能を損なう可能性があり、表面の気孔も卵殻品質を評価する際の指標の一つとなります。

不良品を特定し、一定の品質基準を維持するためには、出荷前に卵を検査し、等級を判定する必要があります。画像検査の自動化により、欠陥の識別や品質分類における目視検査への依存を軽減できます。

卵殻の気孔やひび割れは、大きさ、形状、分布がそれぞれ異なるため、安定した欠陥検出が困難です。さらに、表面に現れる不規則なパターンが、卵殻の品質分類を複雑にしています。

高速生産ラインでは、卵の向きのばらつきも検査の難易度を高めます。従来の検査システムでは、こうした変動への対応が難しく、目視検査も連続生産において効率的とはいえません。

SolVisionは、ディープラーニングを活用した画像検査によって、卵殻の気孔やひび割れを検出します。アノテーション済みのサンプル画像を使用してAIモデルを学習させることで、欠陥の大きさ、形状、分布にばらつきがあっても、表面欠陥を認識できるようにします。

学習済みモデルは卵殻画像を解析して欠陥を特定し、あらかじめ定義された品質レベルに基づいて卵を分類します。これにより、従来は目視検査で行っていた作業を自動化します。

SolVisionは、検出された卵殻の特徴に基づいて、卵を3つの品質レベルに分類します。各分類は色分けされたアノテーションで識別できます。

この方式により、欠陥検出と品質分類を自動化し、一貫した卵の等級判定を実現します。

検査の迅速化：卵殻の欠陥検出を自動化し、手作業による検査負担を軽減。

等級判定の一貫性向上：学習済みAIモデルを使用して、卵の品質分類を標準化。

品質管理の向上：出荷前に不良卵を特定し、品質管理を強化。