2D AI AOI 裝置助力食品包裝缺陷檢測

在食品/農業行業，產品質量是企業生存和發展的關鍵。而食品包裝作為產品的重要組成部分，其質量直接影響到產品的品質和消費者的體驗。因此，高效、精準的包裝檢測是行業的迫切需求。微鏈道愛 2D AI AOI 裝置的出現，為這一需求提供了完美的解決方案。

行業背景與使用者場景：在當今食品/農業行業，消費者對產品質量和安全的關注度不斷提升，這使得企業對產品質量的把控變得尤為重要。食品包裝不僅是產品的外在形象，更是保護產品、延長保質期的重要手段。某頭部食品廠商的產線包裝工序涵蓋了食品的包裝封口、標籤貼上以及產品噴碼等環節。其檢測物件包括塑膠包裝、紙盒包裝等各類食品包裝，企業需要確保包裝封口嚴密，以防止食品變質；標籤貼上正確，保證消費者能夠準確獲取產品資訊；噴碼清晰完整，便於產品的追溯和管理。

痛點深挖：為什麼難

傳統檢測方法在包裝封口、標籤和噴碼檢測中存在諸多問題。從量化指標來看，漏檢率約為 3%，這意味著每 100 件產品中就有 3 件有缺陷的產品可能流入市場。這不僅會影響消費者的體驗，還會對品牌聲譽造成損害。誤報率高達 25%，這使得企業需要對大量被誤判的產品進行復檢，增加了大量的人力和時間成本。人力成本方面，由於需要大量人工進行抽檢，企業在人工工資、培訓等方面投入巨大。

傳統方法難的根因在於其技術的侷限性。傳統檢測主要依賴於人工經驗和簡單的光學原理，難以適應複雜多變的包裝缺陷。例如，在檢測微小的封口縫隙或模糊的噴碼時，人工檢測容易出現視覺疲勞和判斷失誤。而且，在非 Transformer 架構技術逐漸興起的當下，傳統方法缺乏高效的演算法支援，難以滿足更高效、精準檢測的需求，無法有效處理大量的影象資料和複雜的缺陷特徵。

技術原理

微鏈道愛 2D AI AOI 裝置採用高分辨 2D 成像技術和深度學習二次判圖演算法。高分辨 2D 成像透過高精度的工業相機和光學系統，實現微米級的影象解析度，能夠清晰捕捉包裝表面的微小缺陷。這就好比是給檢測裝上了一雙“火眼金睛”，任何細微的瑕疵都難以逃脫。深度學習二次判圖演算法基於非 Transformer 架構，透過對大量正樣本和少樣本的學習，能夠快速準確地識別包裝表面的各種缺陷。

與傳統方法相比，非 Transformer 架構在處理這類平面影象資料時具有明顯優勢。它避免了 Transformer 架構在處理簡單平面影象時的複雜性，減少了訓練時間和計算資源消耗。傳統方法可能需要花費大量時間進行模型訓練，並且對硬體資源要求較高，而微鏈道愛裝置的非 Transformer 架構能夠在短時間內對大量影象進行分析，且對硬體資源的要求相對較低，大大提高了檢測效率。

典型應用場景

• 包裝封口檢測：在包裝封口工序中，裝置透過高分辨 2D 成像技術捕捉封口處的影象，檢測是否存在封口不嚴、縫隙等問題。難點在於一些微小的縫隙可能肉眼難以察覺，需要裝置具備高精度的成像和分析能力。
• 標籤貼上檢測：對於標籤貼上，裝置會檢查標籤的位置是否正確、是否有褶皺、貼上是否牢固等。難點在於標籤的材質和顏色多樣，可能會對影象識別造成干擾，需要演算法能夠適應不同的標籤特徵。
• 產品噴碼檢測：檢測噴碼是否清晰完整、字元是否正確。噴碼的清晰度和質量可能會受到噴碼裝置、包裝材質等因素的影響，裝置需要能夠準確識別各種情況下的噴碼缺陷。
• 包裝外觀檢測：檢查包裝表面是否有劃痕、汙漬等缺陷。由於包裝表面的紋理和顏色各異，準確區分正常紋理和缺陷需要裝置具備強大的影象分析能力。

落地案例

某大型食品生產企業，產品種類繁多，每天的產量巨大。在引入微鏈道愛 2D AI AOI 裝置之前，該企業採用傳統的檢測方法，面臨著漏檢率高、誤報率高和換型時間長等問題。上線過程中，微鏈道愛技術團隊根據企業的產線特點和需求，對裝置進行了定製化安裝和除錯。經過一段時間的試執行和最佳化，裝置正式投入使用。上線前，企業的漏檢率約為 3%，誤報率高達 25%，換型時間需要數小時。上線後，檢出率提高到 99.4%，漏檢率降低至 <0.6%，誤報率降低了 -63%，換型時間從原來的數小時縮短至 5min。

微鏈道愛 2D AI AOI 裝置為食品包裝檢測帶來了高效、精準的解決方案，顯著提升了企業的生產效率和產品質量。

微鏈道愛解決方案與產品

以 2D AI AOI 裝置為核心，結合 DaoAI AI AOI 軟體系統。2D AI AOI 裝置具備高速線上全檢能力，能夠對傳送帶上的食品包裝進行實時檢測，檢測精度達到微米級。DaoAI AI AOI 軟體系統採用 APDT 正樣本/少樣本學習技術，只需 1-20 張良品，即可在 5 分鐘內完成 0 程式碼自動程式設計，大大縮短了換型時間。同時，系統的語義誤報過濾功能有效降低了誤報率。

量化成效：使用微鏈道愛解決方案後，檢出率提高到 99.4%，漏檢率降低至 <0.6%，有效避免了缺陷產品流入市場。誤報率降低了 -63%，大幅減少了複檢工作量。換型時間從原來的數小時縮短至 5min，提高了產線的靈活性和生產效率。

本文由人工智慧生成。文中客戶案例為基於產品真實能力的模擬場景，成效數字為示例性質；官方標定口徑以產品頁為準。