找不出瑕疵又被扣薪？AI+AOI 取代雙眼讓食品製造超精準

越來越多停車場在出入時已改成車牌辨識，駕駛探出車窗，吃力投、拿磁扣的畫面漸漸走入歷史，通暢了車道；而這樣「用科技取代雙眼」的模式，是否能同樣幫助到，需高度眼力進行 QC 作業的食品製造業呢？

隨著人工智能（AI）技術在食品行業中的應用不斷有所突破，也為生產、品管到供應鏈管理等領域皆帶來巨大的改變。在這樣的背景下，將AI辨識技術結合自動光學檢測（AOI）應用於食品投料攪拌情境中，就相當於用更精細的科技眼睛，幫忙人員進行食品製造的生產與檢驗，有望實現更高效、準確和可持續的生產過程。除此之外，產線中的半成品及最終的成品，也可以應用AI+AOI瑕疵檢測，透過尺寸、外型、成色，剔除不良品，提高出貨品質。

以下就帶您一同深入了解 AI+AOI 在食品製造的應用：

生產過程隨時監測，確保投料準確

AI 辨識技術可以通過攝像頭或視覺感測器，實時監測食品投料和攪拌過程。
1.透過影像處理和深度學習模型，系統能夠辨識不同食材的形狀、顏色和數量，確保投料的準確性
2.搭配IoT設備收集製程中攪拌的速度、均勻性和時間等數據，經由AI分析及演算得到最佳攪拌效果

瑕疵即時檢測，確保出貨品質

食品製程中，系統便開始檢測異常狀況，而 AI+AOI 在每個環節中檢測的重點項目不同，例如：投料不均或出現異物、半成品品質瑕疵，甚至是規格不符、成品外觀瑕疵及包裝不良等。舉例來說，若在雞塊製成過程中，就能透過系統將不符合形狀、大小規格的雞塊挑出排除，便能避免在最後一關才檢測出品質缺陷，浪費生產成本。

數據收集優化辨識效果

AI 透過大量數據取得後的訓練，將影像辨識模型辨識度提升。透過機器學習演算法，系統能夠識別潛在的優化機會，例如優化投料比例、攪拌時間和速度，以提高生產效率和品質。透過類神經網路，訓練系統能辨識到複雜或不規則的瑕疵檢測，降低傳統自動光學檢測 AOI 易誤判的類別，有效提升瑕疵辨識率。

減少人為干預誤判，有效降低人力成本

傳統的檢測透過人工目測的方式，除了耗費大量人力成本外，也會因為視覺疲勞造成誤判影響品質。AI+AOI 讓大部分已知的瑕疵問題先行揀出，減少人為誤判的可能，最後再由經驗專家複檢做品質的把關。這有助於降低人力成本，同時減少發生人為錯誤的可能性，確保生產品質的一致和可追溯性。

突破應用挑戰，AI+AOI 革新食品製造

然而，這種應用情境也可能面臨一些挑戰，其一便是影像數據的標註和模型訓練。
1.建立準確的辨識模型需大量標註的影像數據，並進行模型的不斷迭代和優化
2.確保攝像頭設置的適當位置和光線條件亦為關鍵，方能保持影像質量

儘管如此，將「AI 辨識技術+AOI 自動光學檢測」，應用於食品投料攪拌與成品瑕疵檢測的情境中，有望提高食品生產的效率和品質，同時降低成本和人為錯誤的風險。通過克服潛在的挑戰，這個應用情境將為食品行業帶來更多的創新和進步。

（本文轉載自《就享知》流通全視界頻道）

延伸閱讀

萬物齊漲，300 元商店當道！日本百元店巨頭 Seria 不漲價如何度過考驗？
這些吃喝將在今年引起潮流！《紐約時報》 飲食風向趨勢預測帶你一探究竟
50 年老字號餅乾品牌如何歷久不衰？中祥食品透過資訊化，不只精算成本更把關食安