native egg lot

SolVision導入事例

卵殻の品質検査と分類の解決策

AIによる卵殻の孔検出支援および自動分類システム

卵製品の食品安全管理: 卵殻品質管理の重要性

台湾の鶏卵年間生産量は70億個を超え、国民の主要なタンパク質摂取源の1つです。しかし、鶏が産卵した後、サルモネラ菌が卵殻の表面の孔から卵内に侵入しやすく、食品の安全に関する懸念があります。鶏卵の卵殻品質を生産段階で効果的に管理できれば、食用鶏卵のリスクを大幅に低減し、鶏卵の商品価値を向上させることができます。

人工による鶏卵の卵殻の欠陥検出は、精度が低く、高速な動作ができません。

鶏卵の卵殻品質の主要指標は、卵殻表面の孔の密度です。学術的には、鶏卵の卵殻品質は孔の密度に基づいて3つのグレードに分類されます。ただし、卵殻の孔やひび割れの生成パターンは非常にランダムであり、生産ラインでの鶏卵の配置角度も予測が難しいです。過去には、ひび割れた卵を目視で選別することしかできませんでしたが、高速動作する生産ラインでは効果が非常に限られていました。

AIが深層学習を通じて、人の労働を代替し、卵の食品安全の守護者となる

SolVision AIイメージプラットフォームのセグメンテーション技術を活用し、画像サンプル内の鶏卵のひび割れ欠陥の位置を特定し、AIモデルのトレーニングに使用します。トレーニングが完了すると、AIによって卵殻表面の孔やひび割れの状態が検査され、分類されます。これにより、鶏卵の食品安全性と商品価値が向上します。

卵殻の孔の密度検査のケーススタディ

卵殻品質のレベル

緑色:レベル1

Eggshell hole seam density detection case

青色:レベル2

Eggshell hole seam density detection case

ピンク色:レベル3

Eggshell hole seam density detection case

検査結果

Green  一級卵       Blue 二級卵      Pink 三級卵

Eggshell hole seam density detection case
Eggshell hole seam density detection case