Oxipital AI公司產品營銷經理Anthony Romero表示，這種自然差異性長期以來一直是傳統(tǒng)視覺檢測系統(tǒng)面臨的難題，但恰恰是這一點，讓人工智能(AI)驅動的視覺技術在食品應用場景中展現出獨特優(yōu)勢。

　　“我們在檢測自然差異性方面極具優(yōu)勢，” Romero解釋道，“食品本身就具有這種特性，因為每一份產品都會存在細微差別?！?/p>

　　這套新型視覺系統(tǒng)的技術基礎源自Oxipital AI 公司的前身——Soft Robotics，一家專注于機器人抓取技術的企業(yè)。在食品抓取領域的經驗，為該公司轉向機器視覺研發(fā)奠定了基礎。例如，在抓取不同大小的番茄時，抓取器需要獲取尺寸數據以施加合適的壓力 —— 既要確保抓牢，又不會壓壞番茄。

　　“當我們開始深入研究這個領域時，發(fā)現有大量可用信息，比如尺寸數據、顏色信息以及各種缺陷特征，” Romero說道。最初作為機器人抓取系統(tǒng)附加功能的技術，如今已發(fā)展成為一個獨立的視覺檢測平臺。

　　從 3D 掃描到數百萬個訓練樣本

　　Oxipital AI 的技術流程始于對真實食品的3D掃描，以創(chuàng)建虛擬資產。以玉米熱狗檢測應用為例，該公司可能會掃描30個不同的玉米熱狗，既包括合格產品，也涵蓋各類有缺陷的產品。這些掃描數據將成為生成合成數據的基礎。

　　“我們可以生成數百萬個不同的樣本，呈現出所有可能的合格與不合格變體，” Romero表示。該系統(tǒng)還會考慮客戶特定的變量，例如傳送帶顏色、光照條件以及產品隨機擺放的場景。

　　整個模擬過程可自主運行：工程師可在周五下午設定參數，經過約20小時的計算后，周一早上回來就能得到一個訓練好的模型，只需稍作微調即可投入使用。這種合成數據方法，省去了傳統(tǒng)視覺系統(tǒng)所需的數千張真實圖像采集工作，也無需進行手動圖像標注。

　　不斷拓展的食品模型

　　目前，Oxipital AI 已構建約60種不同食品類型的物體模型，涵蓋奇異果、玉米熱狗、雞翅到豬里脊等品類。該系統(tǒng)能夠檢測具體特征(如脂肪分布情況)，還可評估披薩上意大利辣香腸的擺放位置是否合規(guī)。該系統(tǒng)整合了硬件與軟件組件：VX2 2D相機、用于3D測量的激光雷達(LiDAR)，以及負責物體模型創(chuàng)建、配方構建和數據分析的V-CortX 視覺平臺。

　　Romero認為，3D與2D成像相結合，并搭配合成數據生成技術，是 Oxipital AI 區(qū)別于傳統(tǒng)2D視覺系統(tǒng)的核心優(yōu)勢?！拔覀儾恍枰獙Ｈ耸謩有薷乃羞@些標簽，” 他指出，“只需調整參數，重新運行一次合成數據生成流程即可?！?/p>

　　這款一體化AI視覺平臺的核心功能包括：

　　AI視覺模型管理器(AI Vision Model Manager)：無需采集圖像或手動標注，即可下載、申請和部署高性能視覺模型。

　　配方構建器(Recipe Builder)：通過拖放操作更新工作流程，用戶可獲得實時視覺反饋。

　　分析儀表盤(Analytics Dashboard)：可查看產量數據、缺陷趨勢、尺寸分析及質量洞察。

　　質量標準自主掌控

　　盡管 Oxipital AI 的技術負責生成AI模型，但客戶仍可自主定義缺陷類型并設定公差范圍?！拔覀兿Ｍ_保客戶擁有控制權，能夠根據需求調整應用場景，” Romero表示。缺陷分類采用傳統(tǒng)的基于規(guī)則的邏輯，而非AI技術，因此操作員無需重新訓練模型，即可調整質量標準。

　　這種靈活性對服務多個零售品牌的食品制造商而言極具價值。Romero以一家為 Stop & Shop、沃爾瑪和Target供貨的冷凍披薩制造商為例進行說明：“不同零售品牌有不同的質量要求，操作員可以分別創(chuàng)建‘沃爾瑪配方’和‘Target配方’。這樣一來，操作員無需逐一手動輸入參數，只需為當前生產批次選擇對應的配方即可?！?/p>

　　借助缺陷智能分析提高ROI

　　該系統(tǒng)的分析儀表盤可提供清晰的投資回報率(ROI)數據?！拔覀兡芫_統(tǒng)計出檢測到的缺陷數量，” Romero解釋道。例如，某次檢測中發(fā)現 816 根玉米熱狗存在簽子斷裂問題，按每根 0.30 美元計算，就可以直接量化出潛在節(jié)省的金額。

　　除了簡單的數量統(tǒng)計，該系統(tǒng)還能揭示潛在規(guī)律：例如，晚班生產速度可能慢于早班，或者產量下降可能與缺陷率上升相關，而非生產效率降低。這些精細化數據可為不同崗位的人員提供支持 —— 從監(jiān)控整體產量的高管，到排查具體質量問題的持續(xù)改進團隊，都能從中獲取所需信息。

　　“不同人員關注的重點不同，” Romero表示，“高管可能只關注產量和合格率，而持續(xù)改進團隊則可能會開展專項改進活動，深入排查導致問題的具體缺陷類型。”