Klacci 凱樂奇非接觸式解決方案

自 25 萬年前人類首次使用火來加工食物以來，食品行業一直在不斷發展。今天，它處於重大技術飛躍的邊緣。傳統方法已經讓位於數位創新，電腦視覺引領了這一新變革浪潮。在食品製造中，這項技術既是進化，也是一場客製化的革命，以消除包裝缺陷。透過利用電腦視覺的力量，食品製造商可以確保每個產品都符合最高的品質和安全標準，標誌著從鑽木取火時代到智慧自動化時代的重大進步。

包裝缺陷問題

此前，食品包裝的特點是幾個挑戰，例如：

缺乏即時洞察力：洩漏或錯誤標籤等缺陷，可能只能在分銷後被發現，而沒有立即回饋包裝品質，危及產品召回和消費者安全。

剛性流程：缺乏靈活性的傳統製造設定，可能會發現難以快速反應處理包裝問題，這可能會導致長期暴露在缺陷中。電腦視覺允許對包裝品質進行動態、即時的調整。

效率低下：檢查包裝完整性的手動方法，如紙質記錄或不連貫的資料系統，可能會遺漏缺陷，或需要很長時間才能修復。電腦視覺使這個過程自動化，提高速度並減少錯誤。

有限的可追溯性：追蹤包裝缺陷的來源和進展一直具有挑戰性，影響了學習和預防未來問題的能力。藉助電腦視覺，每個軟體包都可以被檢查和記錄，為更好的決策提供清晰的歷史記錄。

上敦 AXXON 台灣總代理

食品召回的成本

除了從貨架上撤下產品的直接成本外，食品召回對製造業產生了重大的財務影響。根據 Marel 的分析，與食品召回相關的直接成本，可能包括銷燬或退回召回產品的費用，以及管理召回過程所涉及的勞動力和後勤。這些直接成本可能會迅速上升，每次召回都可能使公司損失數百萬美元。從長遠來看，這種商譽損失經常影響營收。法律費用、可能的罰款，以及實施糾正措施，以防止未來召回的成本進一步增加了經濟負擔。

瞭解食品包裝中的電腦視覺

關於食品包裝，電腦視覺允許機器明確解釋和理解視覺資訊，以檢測包裝缺陷。這項技術透過提供自動檢查、分析和確保食品包裝完整性的手段，改變了品質控制的進行方式。

關鍵技術：

影像處理：影像處理對於檢測包裝中的視覺缺陷非常重要。它使用圖案辨識、顏色分析，和邊緣檢測，來辨識包裝材料上的凹痕、裂縫或印刷錯誤等缺陷。影像處理確保在產品離開工廠之前，發現任何可能損害食品安全，或消費者信任的包裝缺陷。
深度學習：深度學習演算法用於更複雜的缺陷檢測。基於從大量資料中學到的模式，這些演算法 —— 特別是卷積神經網路（CNN） —— 擅長辨識微小的缺陷，如輕微的顏色變化、錯位甚至預測可能的問題。缺陷檢測的這種複雜程度，對於保持食品製造的高標準非常重要，即使是輕微的包裝問題也會產生重大後果。
光學字元辨識（OCR）：電腦視覺系統使用光學字元辨識（OCR）技術來驗證標籤。他們閱讀和解釋標籤上的文字，以確保所有必要的資訊，包括批號、過期日期和營養成分，都正確列印和定位。這使法規保持一致，並避免標籤錯誤，這可能會導致客戶誤解或安全風險。

電腦視覺在食品包裝中是如何運作的

檢查階段

包裝前	包裝期間	包裝後
電腦視覺系統透過掃描包裝材料中的視覺缺陷或異物，來檢查原材料的適用性，以確保它們在使用前符合品質標準。	電腦視覺系統提供即時檢查，以監控填充水準，檢查密封完整性，並驗證標籤位置，確保產品一致性、防洩漏和正確標籤對齊。	在排程之前，電腦視覺系統會進行最終檢查，以檢查是否有任何遺漏的缺陷，確保產品在離開設施之前符合所有品質標準。

特定缺陷檢測：電腦視覺透過使用高解析度成像，和專業演算法檢測微洩漏，或不當密封，來確保密封的完整性。它透過 OCR 技術和影像分析驗證標籤的準確性，確保正確放置和準確的產品資訊。它精確地測量填充水準，標記任何不足或過滿的包裝，以保持產品標準和客戶滿意度。此外，它透過檢測汙染物或無意的包裝材料，來辨識對食品安全非常重要的異物，從而防止健康風險和法律問題。

實施電腦視覺的好處

增強的品質控制：電腦視覺確保了對包裝缺陷的近乎完美的檢測，在一致性和細節上超越了人工檢查。

提高效率：它加快了檢測過程，允許在不犧牲準確性或產品品質的情況下，實現高速生產。

減少浪費：電腦視覺透過及早辨識缺陷，來最大限度地減少產品召回，從而減少實物浪費，和與廢棄物管理相關的成本。

成本節約：透過減少缺陷、減少對人工檢查勞動力的需求，以及減少召回費用來實現長期節約，從而提高整體盈利能力。

使用 PackAvis 將包裝缺陷檢測提升到一個新的水準

Straive 的 PackAvis 是一個由人工智慧驅動的行動解決方案，可以幫助食品製造商立即檢測包裝缺陷。 PackAvis 可以使用先進的目視檢查技術，用智慧手機攝影機掃描瓦楞紙箱和摺疊紙箱。這個高階系統由三個模組組成：檢查盒子、生成報告，和新增或修改缺陷。透過自動檢測缺陷、自動化資料儲存和生成徹底的報告來簡化檢查程式，這些報告提供了對故障模式的寶貴見解。