29. juni 2023

AI-baseret computer vision til revnedetektion

White eggs in an accumulator system for controlled egg handling in egg processing lines.

Udfordringen med revnedetektion

Opdagelsen af revner i æg er et kritisk aspekt af kvalitetskontrollen i ægindustrien. Knækkede æg kan føre til forurening og forkorte produktets shelf life, hvilket udgør sundhedsrisici for forbrugerne. Traditionelt har akustisk inspektion været den primære metode til at identificere knækkede æg. Denne proces er dog følsom og kræver tilsyn og vedligeholdelse af sensormekanismerne.

Ind træder AI-baseret computer vision ind

AI-baserede Computer Vision-systemer er blevet banebrydende i opdagelsen af revner i æg. Disse systemer anvender avancerede algoritmer og deep learning-teknikker til at analysere højopløselige billeder af æg og identificere revner med bemærkelsesværdig nøjagtighed og effektivitet.

Hvordan fungerer AI-baseret computer vision?

Processen begynder med optagelse af højkvalitets og flere billeder af individuelle æg eller grupper af æg ved hjælp af specialiserede kameraer. Disse billeder føres derefter ind i et computer vision-system udstyret med AI-algoritmer. AI-algoritmerne analyserer billederne og udtrækker relevante træk og mønstre forbundet med revner. Systemet lærer fra et enormt datasæt af annoterede billeder, hvilket gør det muligt at skelne mellem normale æg og dem med revner.

AI-modellen anvender konvolutionelle neurale netværk (CNN'er) til at genkende indviklede revnemønstre og udnytter dens evne til at opdage subtile variationer i farve, tekstur og form. Gennem iterativ træning og validering forbedrer modellen løbende sin nøjagtighed og tilpasningsevne og bliver meget dygtig til at skelne mellem forskellige typer revner, såsom hårfine revner eller større brud.

VisionAI egg crack detection and vision weighing module integrated into an egg grading line by SANOVO TECHNOLOGY GROUP.

Fordele ved AI-baseret revnedetektion

Forbedret nøjagtighed: AI-baserede computer vision-systemer kan opdage revner med højere præcision sammenlignet med akustiske detektionssystemer, hvilket minimerer risikoen for falske negative eller falske positiver. Dette fører til forbedret kvalitetskontrol og mindsker sandsynligheden for, at defekte æg når markedet.
Inspektion uden berøring: Den berøringsfrie inspektionsproces sikrer ingen krydskontaminering fra æg til æg, og da inspektionssystemet ikke har bevægelige dele, reduceres vedligeholdelsen til et absolut minimum.
Generelt: Funktionaliteten i det AI-baserede Computer Vision-system kan gradvist udvides med de allerede kendte computer vision-baserede systemer til snavs- og lækagedetektering. Selv AI-baserede æg-vejningssystemer kan implementeres. Dog viser alle undersøgelser indtil videre, at nøjagtigheden er langt fra kendte konventionelle metoder på markedet og kan føre til uønskede og uacceptable vejningsresultater.
Det betyder, at alle kvalitetsinspektioner af æg gradvist vil blive implementeret i ét AI-baseret Computer Vision-system, og dermed vil håndteringen af æg under og efter inspektionen blive forenklet, hvilket skaber muligheder for et endnu mere kompakt og robust system til sortering af æg.

Inside the VisionAI egg crack detection and vision weighing module for egg grading lines.

Fremtidsudsigter og konklusion

Efterhånden som AI- og Computer Vision-teknologier fortsætter med at udvikle sig, er de potentielle anvendelser inden for æg-industrien enorme. Ud over revnedektering kunne AI-baserede systemer bruges til at analysere andre kvalitetsparametre såsom størrelsesensartethed eller unormale forhold i æg-former.

Desuden kan integrationen af AI-drevet computer vision med robotteknologi og automatisering føre til fuldt autonome systemer til sortering og pakning af æg, hvilket yderligere strømliner produktionsprocessen samtidig med, at strenge kvalitetsstandarder opretholdes.

AI-baseret computer vision forvandler æg-industrien ved at levere en nøjagtig, effektiv og omkostningseffektiv løsning til sprækkedetektion. Ved at automatisere denne vigtige kvalitetskontrolproces kan producenter sikre forbrugersikkerhed, forbedre effektiviteten og reducere omkostningerne. Med løbende fremskridt er AI-baserede systemer klar til at revolutionere ægindustrien og sætte nye standarder for kvalitetssikring i fødevareproduktionen.

Inspection images showing shell cracks detected by the SANOVO VisionAI system.