315食品安全问题频发，矩视AI质检助力撬动食品行业质检智变升级收藏

“桃李面包吃出刀片、保质期内发霉”“使用过期食材的奶茶”“网红餐厅火烧云吃出小蝌蚪大小的固体物异物”等事件曝光，除了食品本身的质量问题，在食品生产过程中，还可能存在着一些容易被忽视的隐患。

民以食为天，食以安为先，食品安全一直是社会各界关注的热门话题，涉及千家万户，关系老百姓的身体健康和生命安全尽管国家高度重视食品安全问题，持续强化食品安全监管和整治力度，但食品安全问题依然屡禁不止，在此背景下，利用科技手段创新食品安全监管模式成为市场监管工作的重中之重。

面对传统食品安全监管难度大、市场监管力量不足的现状，矩视智能低代码平台以AI可视化技术构建“物联网+大数据+人工智能”的全链路食品监管模式，实现食品安全监管工作的可视化、智能化、数字化一招识别薯片缺陷检测，头发、黑点、尺寸测量、颜色差异。

· 项目背景在薯片生产企业中，由于机器人技术的应用，不仅提高了薯片的生产效率，降低了劳动力成本，还有效保证了食品的安全，为企业带来了更大的经济效益但在薯片质检岗位上，依然采用人工的方式进行薯片残次品的检查和剔除，其主要原因是目前大多数工业机器人仍利用“示教-再现”的方式，控制机器人完成点到点的工作。

人工质检薯片的方式不仅费时耗力，而且长时间工作会导致眼部不适，据报道人工检测最多只能够达到80%的有效性· 技术难点①薯片表面异物检测（如头发、黑点）、尺寸测量、颜色的差异检测；②表面缺陷细微，难以发现，精度要求0.1mm/pixel以内，需要能替代人眼检测；③移动过程中拍摄，对相机的要求比较苛刻。

解决方案矩视智能低代码平台通过对上传图像进行缺陷特征标注，利用深度学习技术完成模型训练任务，实现对标记特征缺陷的定向识别检测，操作简单，无需代码编程使用矩视智能低代码平台——像素分割，快速实现数据标注与模型训练。

同一模型下，平台支持多种缺陷标记，可同时检测一张图片中的多种缺陷，并且可以对缺陷进行分类，根据缺陷类型，分别建立相对应的标签，并进行标注可实时显示缺陷检测结果，及时记录结果，极大地提高了厂家对薯片缺陷识别的效率。

樱桃外观缺陷检测案例，AI赋能水果自动化分拣· 项目背景樱桃果实一般成近球形，色泽呈鲜红或淡黄色，果肉饱满，多汁味甜，成熟期较早，是国内市场竞争力最强销售量最大的品种商家对樱桃的验收标准一般为：果形端正，硬度良好，呈“心”型，果柄未脱落，符合该品种正常特征，果面洁净，新鲜，无皱缩，果柄鲜绿，具有该品种特性风味，气味新鲜、口感良好、无异味。

但由于其肉质较软，果皮较薄，不耐贮运，采收前如遇雨天会出现很多损伤主要缺陷果包括自然烂果、采摘伤痕、鸟啄、疤痕、裂果、畸形、点蚀、果柄缺失等情况所以，不同种类的樱桃其尺寸、形状、表面缺陷评价方式、分级标准皆有所不同，需有特异性针对性的图像检测与识别方法。

· 技术难点① 传统识别算法难以分辨暗斑与背景颜色，且对硬件和打光要求较高；②樱桃的果梗与某些表面缺陷在图像处理后比较相似，传统算法识别很难分辨出缺陷，容易造成漏检、误检等情况，影响检测精度和果蔬分拣质量；③传统外观品质检测主要是使用分级机械，仅支持对大小、重量分级，无法对表面缺陷、纹理、颜色等外观进行分拣。

· 解决方案使用矩视智能低代码平台像素分割功能，分别对樱桃不同缺陷，进行标签分类根据客户提供样本图片，缺陷类型分为疤痕、裂口、畸形、凹痕、褶皱等云平台支持同一模型下，可同时检测一张图片内的多种缺陷，并对其进行分类。

所以，上传图像后根据标签对图像上樱桃的所有缺陷类型进行缺陷特征标注，并利用深度学习技术训练模型，实现对标记特征缺陷的定向识别检测深度学习模型对抗干扰信息的能力很强，对不同大小、不同成熟度的樱桃（颜色有差异）检出率达到98%以上。

食品包装标签识别，OCR字符识别全搞定· 项目背景随着生活水平不断提高，食品品质和安全已成为社会关注的焦点生产日期是我们评估食品安全与否的一个重要标准，因此，保证生产日期等相关信息正确清晰的标注是食品生产过程中的一个重要环节，利用机器视觉技术进行OCR字符检测具有非常广阔的市场需求。

· 技术难点①塑料膜为透明膜，容易受背景图案干扰②颜色，字体粗细不同③字符角度有变化

· 解决方案矩视智能低代码平台-OCR字符检测功能，能够对工件或产品上刻印的字符进行确认、辨别、判定的检测，完美做到对食品生产线产品的生产日期记录和追溯平台对图片进行提取分析并和设定的比较得知产品是否有打码、生产批号等信息内容是否缺失；当检测到字符不合适时，系统发出声光报警并发出剔除信号。

做好农产品质量检测，守护群众舌尖上的安全· 项目背景“民以食为天，食以安为先”随着人民生活水平的提高，消费正由“吃得饱”向“吃得好”“吃得营养健康”加快转变相应的，人民对营养、安全和健康要求逐渐提高，农产品质量安全成为当前引起广泛关注的重大民生问题。

如何坚持“产出来”和“管出来”两手抓，有效供给绿色优质农产品，保障老百姓“舌尖上的安全”成为当前重点工作，而农产品加工和检测是其重要内容目前，判断农产品是否成熟多数会根据传统根据经验，颜色和硬度来判断这种方法重复性高、漏检性大，对农产品的质量把控存在很大隐患。

而且果蔬对保鲜的时效性要求较高，在采后贮藏和运输过程中极易发生品质劣变，食用价值降低也会造成巨大的经济损失· 技术难点①土豆缺陷种类繁多，难以辨别，出现缺陷的种类随机、数量随机、位置及大小随机，传统视觉很难高效检出。

②另外土豆检测需要克服表面泥土和正常麻点的干扰③主要缺陷类型为：刀伤、机械伤、 芽眼、干疤、斑点、青头、露肉等；

· 解决方案通过对土豆图片呈现的每一帧图像进行分析、处理，确定对象的缺陷种类、面积大小等信息，对目标进行基于一定设定的判断矩视云低代码平台在新鲜农产品的视觉识别准确性方面扩大了对所有现有技术的领先优势，尤其在对图像处理中的检测、分类和分离方面远超以前的基准。

矩视智能机器视觉低代码平台是一个面向机器视觉应用的云端协同开发平台，始终秉承0成本、0代码、0门槛、0硬件的产品理念平台以人工智能技术为核心，在机器视觉应用开发环节，为开发者提供图像采集、图像标注、算法开发、算法封装和应用集成的一站式完整工具链。

覆盖字符识别、缺陷检测、目标定位、尺寸测量、视频流等上百项通用功能，致力于成为全球用户量最多，落地场景最广泛的机器视觉低代码平台(文章来源于网络，如有侵权，请联系删文)

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。