多年來，自動雞蛋裂紋檢測一直基於聲學測量。 聲音是由雞蛋撞擊傳感器或小錘子撞擊雞蛋產生的，造成蛋殼振動，然後傳遞到傳感器。 該傳感器將振動轉換為電信號，分析和檢測雞蛋裂紋。

基於聲音的系統 在裂紋檢測中是常見的和標準的。 然而，這些方法要求雞蛋與傳感器/錘子有物理接觸。 它不僅會暴露在蛋殼上的機械應力，而且還會增加從一個雞蛋到另一個雞蛋的交叉污染風險。

基於聲音的裂紋檢測系統， 尤其是帶有移動錘的，不是為食品級接觸而設計的，安全且易於清潔。 它們需要手動清潔，偶爾需要拆卸以進行檢查。 一個更衛生的設計解決方案是雞蛋撞擊固定傳感器的系統，並且這些傳感器的清潔通常被設計為通過自動 CIP（就地清潔）成為整個系統的一部分。 儘管如此，雞蛋和傳感器之間仍然存在物理接觸，這會造成交叉污染的潛在風險。

隨著對食品安全問題的日益關注，該領域需要創新的裂紋檢測解決方案。 所以， SANOVO 可以自豪地宣布與 JigLabs 簽署了協議，JigLabs 是一家軟件開發公司，創始人來自美國和歐洲。 JigLabs 提供了一種基於光學的計算機視覺系統，該系統利用人工智能的深度學習來檢測雞蛋中的裂縫和洩漏。

揚·霍爾姆·霍爾斯特 R&D 主任在 SANOVO:
“雞蛋裂紋的光學檢測，尤其是髮絲裂紋，已經嘗試了很多年，並為此申請了多項專利，但從未獲得成功的操作系統。 因此，儘管在更高級的應用中使用計算機視覺技術的情況有所增加，但基於聲波的裂紋檢測系統仍留在市場上。 不得不說，這種新的、特別設計的人工神經網絡算法，嵌入了先進的、超高性能的硬件，對雞蛋裂紋檢測的未來做出了革命性的改變，我相信在適當的時候我們會看到這項技術走上正軌。今天使用的所有舊的基於聲音的系統。”

到目前為止，美國一直在對白雞蛋進行測試。 新的測試站點立即得到了改進 SANOVO 基於深度學習的計算機視覺檢測系統，他們決定關閉現有的舊裂紋檢測器。

• 由於消除了機械運動部件，並且對傳感器沒有影響/污染，可以獲得更穩定的檢測結果
• 幾乎免維護，因為視覺系統基於現代相機技術，照亮雞蛋的光源是基於 LED 的

揚-威廉·彭寧斯， R&D 在經理 SANOVO:
“當我接觸到這個概念時，我看到了這樣一個系統的所有者/運營商的所有潛在好處。 與市場上可用的聲波系統相比，裂紋檢測概念是完全非接觸式設計的。 這意味著不會對最終產品造成進一步損害。 該系統不需要額外的轉移，例如夾具或改變承載面。 同樣，通過轉移卵子造成的損害更小。 該系統是靜態的，因此沒有移動部件，從而為我們的客戶帶來低維護和最終運營成本。 除此之外，不需要進一步調整雞蛋大小，例如聲波系統。 我也很高興看到第一個測試結果在準確性和性能方面都顯示出巨大的希望，我迫不及待地將其推向市場，為我們的客戶徹底改變裂紋檢測。”

為了將這項創新轉化為可用於檢測所有類型雞蛋的解決方案， SANOVO JigLabs 目前正致力於系統集成和技術優化。 懷著對未來的高期望和興奮，我們期待著徹底改變世界各地雞蛋分級機的裂紋檢測。

揚·霍爾姆·霍爾斯特
R&D 董事、副總裁

揚-威廉·彭寧斯
R&D Manager

在這裡觀看 Jiglabs 視頻