适用于食品行业的AI技术
IDS NXT cameras with artificial intelligence can solve tasks involving the detection of organic and variant-rich objects.例如:在园艺或农业应用场景中,它们能充当采摘机器人或菊花铣刀的眼睛,可以用于监控幼苗长势或识别害虫。在食品行业,它们为质量控制和完整性检查提供了巨大的便利。在详细的FOOD-Lab采访中,你可以读到人工智能在食品领域的图像处理的各种应用可能性。
凭借IDS的人工智能工业相机,我们的客户就可以在不具备AI知识的情况下,仍可独自训练神经网络。
食品实验室(FOOD-Lab):您好,Hartmann先生、Schick先生,感谢你们的热情欢迎。Hartmann先生,您作为公司创始人Jürgen Hartmann的儿子是三月份加入管理团队的。请问公司当初是如何创立的?
Hartmann:我父亲在完成学业后,便在一家美国公司开始了他的职业生涯。在那里,他遇到了一些这家美国公司当时无法解决的客户问题。于是,他于1997年与一位合伙人共同创立了IDS,最初是图像处理组件(BV)的经销商。1997年,IDS第一款将模拟相机图像数字化的专利产品投放市场。当时,这款数据卡产品可以插入计算机中,对图像进行数字处理。在2000年左右,数码相机进入市场,并且在工业上应用也越来越普及。我们的市场面临瓦解。于是,我们开始研发数码工业相机。此外,我们是第一家推出适用于工业应用的带USB接口的相机制造商,而USB接口最初仅在消费领域中为人知晓。这一大胆的决定使我们成为了该领域的领先制造商之一,直到今天仍然如此。
食品实验室(FOOD-Lab):您是否将相机用于不同的行业,当然也包括食品行业?
Hartmann:实际上,工业相机的应用场合没有限制。可以说确实非常广泛。有时,我们对客户提出的应用建议感到惊讶。例如,机械和设备工程、生产设施的质量控制以及体育领域的运动分析都是工业相机经典的应用。
食品实验室(FOOD-Lab):IDS产品的独特卖点是什么?
Hartmann:我们在质量方面的优势是我们地处德国,因为我们只在这里研发和生产。所有的零部件均从该地区采购。而电子零件只能从亚洲获得;我们从市场领头公司Sony等购买传感器。重要的是,我们独立研发软件。参与我们软件研发的员工数量是硬件研发的两倍。功能、驱动程序、接口...所有这些都是我们员工关注的重点。塞尔维亚的研发地区部是最近我们唯一的海外设点。在那里,我们有一个专家团队负责为IDS开发AI软件提供支持。
Schick:最近,位于Obersulm的公司,通过b39技术中心进行了扩建,这样,我们的研发部门和生产部门离得非常近。这使得我们能够对客户需求做出快速反应,并相应地采取行动。
Hartmann:与竞争相比,还有另外一个重要的特征。凭借IDS的人工智能工业相机,我们的客户就可以在不具备AI知识的情况下,仍可独自训练神经网络。
食品实验室(FOOD-Lab):人工智能在您的相机中意味着什么?
Hartmann:这是一个相对较新的话题,因为最初我们仍然缺乏算力。到目前为止,我们仅谈到了一些算法,这些算法是作为解决问题的特定指令而开发出来的。借助AI,我们的相机现在可以处理一些任务,这些任务是以前无法解决的,或只有通过基于规则的图像处理(IP)才能艰难解决的任务。人工智能为相机技术和图像处理开辟了全新的应用领域。它可以对差异性很大的对象进行图像处理。例如,对不同类型水果的分类或识别有缺陷的部分进行图像处理。用传统的图像处理方法来描述所有发生的变化将极为耗时,因此成本很高。但是,借助人工智能,这些挑战都可以轻松克服。具有人工智能的IDS NXT相机可以解决涉及捕捉有机和多样化物体图像的任务。例如:在园艺或农业应用场景中,它们能充当采摘机器人或菊花铣刀的眼睛,可以用于监控幼苗长势或识别害虫。
Hartmann:依靠IDS NXT,我们创建了新一代针对工业应用的视觉系统平台。它背后的理念意味着一种模式的转变:我们的目标不再是仅开发单个组件,而是提供易于使用且灵活的完整系统。使用这样的系统,从图像采集到图像分析和图像处理,再到工业生产机器的控制,视觉解决方案的所有步骤都可以实现。
Schick:借助IDS NXT相机和相关基于云端的IDS lighthouse训练软件,甚至无需任何编程即可完成工作。用户只需具备图像和评估相关的知识,即可搭建人工神经网络。例如,就苹果而言,没有两个苹果是一样的,它们的形状和颜色都不同,并且还可能会有烂点。这些偏差使分类和监控系统的工作变得很困难--而不像其他行业,例如,在金属生产中,每个螺丝几乎都是相同的。
食品实验室(FOOD-Lab):但是我们是否需要首先记录所有图像数据,以便系统可以识别出偏差发生的时间?
Hartmann:因为我们没有数据,所以这部分的工作需要客户来完成。但是,客户可以将其图像数据传输到软件;然后该软件训练神经网络。这样,客户就不需要事先了解AI的专业知识,只用根据需要自己训练网络即可。如果,例如需要提升图片质量,我们可为您提供帮助。AI技术直接集成到相机中。
Schick:我们建议客户从小型数据集入手,其中每个类别约有50张图像。这样可以快速评估是否可以使用AI来解决此任务。
Hartmann:无论是采用AI还是采用传统的图像处理方式,我们的销售部门都将为客户寻找解决方案时提供支持。
食品实验室(FOOD-Lab):IDS会如何向客户解释这项新技术的潜力呢?
Hartmann:我们的研发部门一直在进行实用的演示项目。例如,我们模拟了Foam Kisses巧克力的质量测试。我们的智能IDS NXT相机系统可以快速、可靠地检测出每个裂缝、凹痕和其他质量缺陷。另一个可用的例子是检测坚果巧克力中的坚果。我们的相机不仅检测了坚果巧克力的完整性,甚至检测了每块巧克力上的均匀性。通过此类演示,我们的销售部门可以展示系统的优势和功能。潜在的成本节省通常非常可观,可以迅速摊销系统的成本。您只需花费很少的精力就可以实现很高的成功率。
食品实验室(FOOD-Lab):在您看来,要检查坚果的正确分布需要多少张图像?
Schick:使用50张图像虽无法获得100%的识别率,但肯定会相当接近。
Hartmann:鉴于迄今为止食品行业面临较高的成本压力和极低的自动化比率,即使在初期采用部分自动化解决方案也意味着实实在在的进步。例如,这在质量测试或产品分类中,可以直接节省生产成本和时间。
食品实验室(FOOD-Lab):您认为这在食品行业中会有哪些应用?
Schick:想想鱼类加工。相机会告诉机器人,鱼躺在传送带的样子,背部、尾鳍等的位置,以便能够对其进行进一步处理。在肉类行业中,当测试所描述的水果、蔬菜以及糕点糖果的质量时,也会出现此类问题。另一个应用涉及面包店,即从外部检测面包的褐变。例如,它还可以检测盒装吐司面包的包装,因为其中包装的正确分布很重要。
Hartmann:我们还在农业中(即:精细农作)使用相机系统。通过对作物和杂草进行有针对性的鉴定,可以减少除草剂的使用。另一个问题则是产品成熟度。
食品实验室(FOOD-Lab):然后我们来看看IDS工业相机在帕尔玛火腿(Parma ham)或帕马森芝士(Parmigiano cheese)质量检测中的经典应用。到目前为止,有公司采用传统的声学方法对此进行了检测,例如,通过敲击火腿以确定肉是否已从肌肉分离,而这对我们而言无法接受。
Hartmann:如果可以通过光学定义相应的参数,那么这些问题当然也可以通过智能相机系统解决。今天,仍然有大量我们甚至想象不到的应用可能性。我们很高兴看到那些食品行业中我们未来能够解决的挑战。就像我们的宗旨“易如反掌”那样,我们想提供简单的解决方案。
非常感谢您的分享!