机器视觉深度学习助阵盒装猪肉生产自动化转型，满足消费升级新需求

猪肉是世界各地最常见的消费肉品，其中生鲜猪肉占整体市场的78.5%我国是生猪养殖大国，猪肉消费需求在国民生活中占有较大比例随着消费需求的升级，盒装猪肉成为生鲜猪肉最重要的载体展现其一，为了保障猪肉的质量，减少配送过程的产品受损，诸如盒马鲜生、叮咚买菜等外送平台，会选用真空保鲜盒包装进行配送；其二，一些超市也会销售盒装猪肉，方便消费者选择购买。

这些，无疑进一步扩大了盒装猪肉的需求量行业现状，传统分类贴标方式在猪肉行业的局限性盒装猪肉包装需要先按猪肉的类别分类装盒，盒子封膜后再进行贴标签但无论是人工贴标还是传统的机器视觉贴标，都存在在一些尚未解决的问题。

人工贴标人眼分辨难，猪肉相似程度高，分类员工无法精准分辨类别，导致猪肉分类错误人工易劳累，分类员工无法长时间在亮光下进行分类容易眼睛疲劳，为保持高准确度的猪肉分类，需要进行轮班制，增加人工成本效率低速度慢，盒装猪肉需求量大，贴标的工作量大，一条流水线需要四五个分类贴标员工。

传统机器视觉贴标在传统的机器视觉中，需要手动设计特征传统机器视觉逻辑简单的局限性，无法适用于随机性强、特征复杂的猪肉分类过程无法预测猪肉新的种类，当猪肉图像模板不足以覆盖可能出现的所有猪肉类型时，精准识别分类就很难通过提前设定的方式实现。

无法分析不规则、无规律的猪肉形态，当猪肉图像不规则、无规律时，很难按照经验手动设计特征，直接输出映射关系技术革新，“深度学习+机器视觉”在猪肉行业的创新应用不管是人工还是传统机器视觉，都存在明显缺点，已经无法满足生鲜猪肉的分类和贴标需求，而机器视觉技术融合深度学习的创新应用，可以解决猪肉分类行业如产品类别多、相似类别多、同一类别差距大等客观因素带来的检测难题，满足当前高精准度、低错误率、高效率等行业需求。

?产品类别多，在生鲜猪肉行业中，猪肉种类繁多复杂，超过50种类型相似类别多，猪肉相似程度高，且常伴随着来料混杂的情况，无法准确分辨猪肉种类同一类别差距大，同一类别的猪肉，在颜色和形状上也存在着较大差异，分辨困难。

结合深度学习的机器视觉系统，能根据输入的数据独立、精准识别猪肉种类，且无需对具体规则进行人工编程而且，当需要添加猪肉的新类别时，基于深度学习技术的自主学习能力，便可实现系统的自主升级，无需再次重新构建算法，从而减少研发成本。

同时，在猪肉分类、贴标领域运行深度学习机器视觉系统，如果有充足的学习案例，可以更快地构建算法模型，从而大大降低其成本深度学习机器视觉系统还可以做到24小时不间断作业，大大提高生产效率深眸案例，贴标错误率降低至万分之一的落地应用深眸科技作为国内领先的一站式AI视觉解决方案提供商，凭借多年自主研发和深入一线的实践，依托公司团队在机器视觉和深度学习的积累和沉淀，积极拓宽传统算法的边界，将机器视觉的传统算法与深度学习深度融合，创新研发出工业AI视觉系统，实现了“深度学习+机器视觉”的全新应用。

在猪肉分类场景下，深眸科技的工业AI视觉系统率先实现了落地应用，助力猪肉加工厂的作业质量、产线效率实现显著提升案例介绍项目情况：面对盒装猪肉供应量日渐增长的市场需求，位于杭州的一家猪肉生产厂家，明白借助机器视觉与深度学习技术实现自动化转型的重要性。

在该猪肉生产厂家经过市场调研后，与深眸科技就建立合作达成共识，引进了深眸科技基于深度学习的创新性设备——工业AI视觉系统，意在提升猪肉分类和贴标的效率、降低人力成本项目需求：（1）实现多种猪肉种类的精准识别与分类装盒；（2）可以将盒装猪肉进行封膜并按种类贴标签；（3）设备需要满足基本的生产节拍；（4）设备工作时间要求：7*24h；（5）代替传统视觉检测，并保证稳定性项目方案：通过工业AI视觉系统，识别来料中的猪肉种类并将其分类装盒，再对其进行封膜并迅速根据识别结果输出对应标签。

项目优势：（1）工业AI视觉系统，利用深度学习技术，学习图像样本，并建立准确的算法模型，实现稳定精准分类（2）工业AI视觉系统，不受来料随机混料的影响，可以做到实时检测，并且快速输出对应标签（3）新增品类只需要进行简单的训练操作，就可以快速上线，减少耗时。

项目效果：（1）分类识别速度加快：超过100盒/分钟；（2）精准识别：超大容量样本，实现多种种类猪肉精准识别；（3）降低贴错率：可以快速将识别结果输出到贴标机，将标签贴错率降低到万分之一以下；（4）降低人工成本：可以实现24小时连续识别，大大降低了人工成本。

工业AI视觉系统，利用深度学习技术，大大提高了猪肉分类、贴标的效率，大幅度降低人工成本，全面加快了生鲜猪肉行业的自动化转型进程深眸科技作为国家高新技术企业，多年来以计算机视觉和深度学习技术为核心，在多项关键技术能力上取得持续突破，沉淀了50多项专利和200多项软著认证。

未来，深眸科技在深度学习领域，也将不断地发现新机和迎接挑战，持续提高企业的自主创新能力

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。