การตรวจสอบอาหารแปรรูปโดยใช้ AI

กรณีศึกษา

การรักษามาตรฐานด้านสุขอนามัยและความปลอดภัยเป็นสิ่งสำคัญยิ่งในการผลิตอาหารแปรรูป กระบวนการประกันคุณภาพที่เข้มงวดมีความจำเป็นในการรักษามาตรฐานเหล่านี้ การตรวจสอบด้วยสายตาในระหว่างขั้นตอนการผลิตจึงเป็นสิ่งที่ขาดไม่ได้ในการรับรองความสม่ำเสมอและคุณภาพ

โจทย์งาน

ในการผลิตอาหาร ลักษณะของอาหารแปรรูปอาจแตกต่างกันไป และผลิตภัณฑ์มักจะกระจายแบบสุ่มบนสายพานลำเลียง การตรวจสอบอาหารด้วยตนเองแบบดั้งเดิม แม้จะต้องใช้กำลังคนจำนวนมาก แต่ก็ไม่เคยประสบผลสำเร็จอย่างเต็มประสิทธิภาพ นอกจากนี้ การมีกำลังคนมากเกินไปในสายการผลิตอาจทำให้เกิดปัญหาด้านสุขอนามัยได้ แบรนด์อาหารที่มุ่งเพิ่มประสิทธิภาพปริมาณงานแสวงหาโซลูชันที่ชาญฉลาดยิ่งขึ้นในการตรวจสอบคุณภาพผลิตภัณฑ์และตรวจจับความผิดปกติ

วิธีการ

SolVision โซลูชันการตรวจสอบด้วยวิชันซิสเต็มของ Solomon ควบคุม AI เพื่อเรียนรู้ข้อบกพร่องประเภทต่างๆ และจดจำได้อย่างรวดเร็วเมื่อผลิตภัณฑ์เคลื่อนที่ผ่านระบบสายพานลำเลียงที่รวดเร็ว การสร้างภาพและการวิเคราะห์ AI แบบเรียลไทม์แทนที่การตรวจสอบด้วยตนเอง ทำให้สามารถระบุผลิตภัณฑ์ที่มีข้อบกพร่องได้โดยไม่จำเป็นต้องฝึกอบรมโมเดล AI ที่ครอบคลุม

ผลที่ได้รับ

คุณภาพของผลิตภัณฑ์ที่สม่ำเสมอ การประกันคุณภาพที่ดีขึ้น กระบวนการที่ถูกสุขลักษณะมากขึ้น

การตรวจจับลำดับการบรรจุโดยใช้ AI

กรณีศึกษา

เครื่องชงกาแฟแบบแคปซูลได้รับความนิยมในช่วงไม่กี่ปีที่ผ่านมา เครื่องจักรเหล่านี้มีเมล็ดกาแฟหลายประเภทในแคปซูลแบบใช้แล้วทิ้ง โดยแยกตามสีเพื่อบ่งบอกถึงแหล่งกำเนิด รสชาติ และประเภทของกาแฟ โดยทั่วไปแต่ละแคปซูลจะถูกกำหนดตำแหน่งเฉพาะในกล่องบรรจุภัณฑ์แบบแบ่งส่วน โดยมีการจัดวางที่เหมาะสมซึ่งทำหน้าที่เป็นตัวบ่งชี้ทั้งความสวยงามของผลิตภัณฑ์และคุณภาพการผลิต

โจทย์งาน

เนื่องจากแคปซูลกาแฟมีความหลากหลาย จำนวนมากจึงมีสีที่คล้ายคลึงกันซึ่งอาจเป็นเรื่องยากสำหรับสายตามนุษย์ในการแยกแยะ โดยทั่วไปแคปซูลเหล่านี้จะถูกปิดล้อมในบรรจุภัณฑ์ที่ทำจากโลหะ ซึ่งนำไปสู่ปัญหาเรื่องการสะท้อนแสงระหว่างการจดจำภาพ ระบบการมองเห็นตามกฎทั่วไปจำเป็นต้องใช้แหล่งกำเนิดแสง เลนส์ และเซ็นเซอร์เฉพาะเพื่อระบุความแตกต่างของสีที่ละเอียดอ่อนของแคปซูลกาแฟ อย่างไรก็ตาม วิธีการตรวจสอบแบบดั้งเดิมเหล่านี้พิสูจน์แล้วว่าไม่มีประสิทธิภาพเมื่อต้องเผชิญกับวัสดุสะท้อนแสง

วิธีการ

SolVision ปรับปรุงการตรวจสอบการวางแคปซูลกาแฟในกล่องโดยอัตโนมัติ ระบบนี้ช่วยให้ปัญญาประดิษฐ์สามารถจับลำดับการวางแคปซูลที่แม่นยำและไม่สม่ำเสมอ ด้วยการเรียนรู้จากรูปภาพที่หลากหลายของแคปซูลกาแฟต่างๆ AI จึงสามารถระบุและทำเครื่องหมายแคปซูลที่อยู่ในตำแหน่งที่ไม่ถูกต้องได้อย่างรวดเร็วในการตรวจจับเพียงครั้งเดียว นอกจากนี้ การจดจำภาพ AI ยังมอบความสามารถขั้นสูง เอาชนะความท้าทายที่เกิดจากแคปซูลกาแฟที่มีการสะท้อนแสงสูงและความแตกต่างของสีเล็กน้อย จึงรับประกันความแม่นยำในการตรวจจับสูง

ผลที่ได้รับ

SolVision แก้ไขปัญหาการจดจำสีในบรรจุภัณฑ์ที่มีพื้นผิวโลหะสะท้อนแสงได้อย่างมีประสิทธิภาพ ช่วยเพิ่มความแม่นยำในการตรวจสอบ ,SolVision ช่วยให้สามารถระบุลำดับแคปซูลได้อย่างแม่นยำ เอาชนะข้อจำกัดของวิธีการตรวจสอบแบบดั้งเดิม ,AI ขั้นสูงรับประกันความแม่นยำในการตรวจจับสูงโดยทำให้ระบบจดจำวัสดุสะท้อนแสงและความแตกต่างของสีเล็กน้อย

ภาพประกอบ

การตรวจสอบขวดเบียร์โดยใช้ AI

กรณีศึกษา

เพื่อเพิ่มความยั่งยืนด้านสิ่งแวดล้อม ผู้ผลิตเบียร์หลายรายกำลังนำแนวทางปฏิบัติในการรีไซเคิลขวดเบียร์ของตน หลังจากทำความสะอาดและฆ่าเชื้ออย่างละเอียดแล้ว ขวดเหล่านี้จะได้รับการตรวจสอบอย่างพิถีพิถันเพื่อตรวจสอบความเสียหายหรือสิ่งตกค้างก่อนนำกลับมาใช้ซ้ำ

โจทย์งาน

แม้จะฆ่าเชื้ออย่างทั่วถึง แต่บางครั้งคราบและโรคราน้ำค้างก็สามารถติดอยู่บนขวดเบียร์ได้ การระบุข้อบกพร่องเหล่านี้ตั้งแต่เนิ่นๆ ถือเป็นสิ่งสำคัญในการนำขวดที่มีตำหนิออกก่อนนำกลับมาใช้ใหม่ กระบวนการตรวจสอบมีความท้าทายเนื่องจากจำเป็นต้องหมุนและเคลื่อนย้ายขวด และสิ่งกีดขวางที่อาจเกิดขึ้นจากฉลากผลิตภัณฑ์ ปัจจัยเหล่านี้ทำให้การตรวจสอบด้วยตนเองและระบบวิชันซิสเต็มแบบเดิมไม่มีประสิทธิภาพและไม่สามารถใช้งานได้

วิธีการ

SolVision ซึ่งเป็นระบบการมองเห็น AI ขั้นสูง ยกระดับการตรวจสอบขวดเบียร์ ด้วยความสามารถในการฝึกฝนโมเดล AI ด้วยภาพตัวอย่างชุดเล็กๆ SolVision เรียนรู้ที่จะตรวจจับคราบและโรคราน้ำค้างประเภทต่างๆ เครื่องมือแบ่งส่วนที่มีประสิทธิภาพสามารถระบุตำแหน่ง สี และคุณลักษณะของข้อบกพร่องในสายการผลิตแบบเรียลไทม์ได้อย่างแม่นยำ การตรวจสอบอย่างละเอียดนี้ช่วยให้แน่ใจว่าพื้นที่ที่มีการปนเปื้อนทั้งหมดได้รับการระบุทันที ทำให้กระบวนการทำความสะอาดและรีไซเคิลปลอดภัยและมีประสิทธิภาพมากขึ้น

ผลที่ได้รับ

กระบวนการปรับปรุงอย่างมาก การตรวจจับข้อบกพร่องทันที ความแม่นยำในการตรวจสอบที่เชื่อถือได้

การตรวจสอบผักโดยใช้ AI

กรณีศึกษา

ปัจจุบันบริษัทใช้กระบวนการแบบแมนนวลเพื่อตรวจสอบว่าอาร์ติโชคแต่ละชนิดวางอยู่ในทิศทางที่ถูกต้องบนสายพานลำเลียงก่อนบรรจุภัณฑ์ นี่เป็นกระบวนการที่ลำบากและใช้เวลานานซึ่งจะป้องกันไม่ให้ผู้ปฏิบัติงานปฏิบัติงานที่สำคัญกว่าได้

โจทย์งาน

อาติโชกแต่ละชนิดมีความแตกต่างกัน ซึ่งเป็นสาเหตุที่ลูกค้าต้องการโซลูชันที่สามารถระบุทิศทางและมุมของผักแต่ละชนิดได้ โดยไม่คำนึงถึงขนาด รูปร่าง หรือระดับความสุกงอม โดยต้องดำเนินการให้แล้วเสร็จภายในรอบเวลาที่เข้มงวดที่ 80 มิลลิวินาทีต่ออาติโชก นอกจากนี้ ลูกค้าคาดหวังว่าจะสามารถส่งออกข้อมูลการตรวจสอบไปยังฐานข้อมูลที่มีอยู่ได้ โดยเป็นส่วนหนึ่งของกระบวนการอัตโนมัติ

วิธีการ

การใช้ SolVision ซึ่งเป็นระบบแมชชีนวิชัน AI หลักของ Solomon ทำให้โมเดล AI สามารถระบุทิศทางและมุมของอาติโชกแต่ละชนิดได้อย่างรวดเร็วและแม่นยำ โดยใช้ก้านเป็นจุดอ้างอิง ไม่ว่าก้านจะมีขนาดเท่าใดก็ตาม SolVision ยังอนุญาตให้ส่งออกผลการตรวจสอบ AI ผ่านโปรโตคอลการสื่อสารที่หลากหลาย

ผลที่ได้รับ

ความแม่นยำในการตรวจจับ 100% โดยไม่คำนึงถึงรูปร่าง ขนาด หรือความสุกงอมของผลิตภัณฑ์แต่ละรายการ ,รอบการตรวจสอบอย่างรวดเร็ว 50 มิลลิวินาทีต่ออาติโช๊ค ,เกินความคาดหวังของลูกค้าด้วยการตรวจจับการวางแนวได้สำเร็จ ในขณะที่ลดเวลาการตรวจสอบโดยรวมลงอย่างมาก