halcon机器视觉软件_机器视觉软件为食品行业全程自动化提供质量保证

文/Mario Bohnacker，MVTec Software公司HALCON 产品经理

机器视觉在工业领域的应用场景日趋广泛，其中必须使用光学功能部件来识别或检查对象。作为“生产线之眼”，机器视觉技术能够无缝监控生产过程中发生的所有事情，帮助实现全自动流程链。使用诸如工业相机、扫描仪或3D传感器之类的图像采集设备，可以从不同角度记录大量数字图像数据，然后使用集成的机器视觉软件对数据进行保存和处理，进而帮助在整个生产、物流等环节中，实现产品的自动识别、精确定位等功能。

图1：作为“生产线之眼”，机器视觉始终关注食品行业的生产流程。

机器视觉技术在食品工业中广泛应用。例如，在食品包装之前，借助于3D图像处理功能，将烘烤食品(例如鸡蛋卷或椒盐卷饼棒)通过传送带进行分离和精确计数。机器视觉技术还可用于精确地抓取法式长棍面团，并在最高位置自动将其切割，以防止它们在错误的位置破裂。在另一个应用场景中，机器视觉还能优化肉块的自动分配：使用多个3D记录设备从各个侧面记录这些肉块，并将以此方式生成的点云合并为一个统一的三维对象；这样，炸肉排和牛排可以精确、有效地被切割并且损失最小，从而节省大量肉量，进而节省成本。

以可靠方式评估各种质量特征

工业图像处理不仅适用于识别食物对象并对其进行安全处理，也能以最大可能的精度发现并定位产品缺陷。与目标状态的偏差可能以多种形式出现，尤其是在食品工业中。机器视觉软件能够以可靠的方式评估大量不同的质量特征，并识别错误。最终的结果是实现非常可靠的缺陷检测率，使机器视觉在自动检查过程发挥重要价值，为产品质量保驾护航。

例如烘焙行业中的一个应用案例：汉堡包的褐变程度可以使用2D颜色分析精确确定。根据表面上的颜色值，软件可以可靠地识别出汉堡包是否烤得太脆。然后可以将它们包装好，并投放到市场上之前对其自动分类。这项技术的高速度令人印象深刻：能在几毫秒内识别出对象或错误。这样，即使面对大量的检测和检查过程，也可以实现自动化和高速流程。

通过训练提高缺陷识别率

集成在高质量图像处理软件中的基于人工智能(AI)的现代程序，支持产品或缺陷的检测。人工智能解决方案包括深度学习技术，这意味着通过全面培训可以再次显着提高检测率。通过全面评估和分析大量数字图像数据，以了解要识别的产品的典型特性。该软件可以精确地对对象进行分类，即将它们分配给某个类别，例如“苹果”或“梨”，各类产品偏差也可以分配给特定的缺陷类别。作为培训的一部分，独立学习不仅可以通过人工智能提高识别效果，而且可以减少检查工作。

图2：基于AI的深度学习方法实现了更高的缺陷识别率。

图3：通过训练对苹果进行精确识别。

通过异常值检测减少训练成本

训练通常需要所谓的“不良图像”，这意味着相应的缺陷必须直接在图像中可见。由于食品生产中存在无数种不同的表现形式和可能的错误形式，因此必须记录大量的训练图像。每种缺陷类型至少需要150张不良图像，这对于公司来说通常是几乎不可行的，或者成本高昂。

针对这个问题，MVTec在其HALCON图像处理软件中提供了一个有用的功能：称为“异常值检测”，从而不再需要对任何不良图像进行训练。在无错误的情况下，最多20~100张图像即可。这使食品制造商能够显著减少训练过程所需的精力。

饼干生产中的一个例子很好地证明了这一点：该技术可用于自动检查饼干上的巧克力涂层。图像处理算法从表面的亮度结构中识别出是否正确应用了釉料。基于异常值检测，训练时只需要显示饼干完美釉面的图像即可。

小结

工业图像处理技术将让食品公司受益，帮助他们实现优化的自动化生产流程，进而保证食品质量。此外，结合了人工智能技术的机器视觉系统，能够实现更高的检测率。

end

---