Oxipital AI公司產(chǎn)品營(yíng)銷(xiāo)經(jīng)理Anthony Romero表示，這種自然差異性長(zhǎng)期以來(lái)一直是傳統(tǒng)視覺(jué)檢測(cè)系統(tǒng)面臨的難題，但恰恰是這一點(diǎn)，讓人工智能(AI)驅(qū)動(dòng)的視覺(jué)技術(shù)在食品應(yīng)用場(chǎng)景中展現(xiàn)出獨(dú)特優(yōu)勢(shì)。

　　“我們?cè)跈z測(cè)自然差異性方面極具優(yōu)勢(shì)，” Romero解釋道，“食品本身就具有這種特性，因?yàn)槊恳环莓a(chǎn)品都會(huì)存在細(xì)微差別。”

　　這套新型視覺(jué)系統(tǒng)的技術(shù)基礎(chǔ)源自O(shè)xipital AI 公司的前身——Soft Robotics，一家專(zhuān)注于機(jī)器人抓取技術(shù)的企業(yè)。在食品抓取領(lǐng)域的經(jīng)驗(yàn)，為該公司轉(zhuǎn)向機(jī)器視覺(jué)研發(fā)奠定了基礎(chǔ)。例如，在抓取不同大小的番茄時(shí)，抓取器需要獲取尺寸數(shù)據(jù)以施加合適的壓力 —— 既要確保抓牢，又不會(huì)壓壞番茄。

　　“當(dāng)我們開(kāi)始深入研究這個(gè)領(lǐng)域時(shí)，發(fā)現(xiàn)有大量可用信息，比如尺寸數(shù)據(jù)、顏色信息以及各種缺陷特征，” Romero說(shuō)道。最初作為機(jī)器人抓取系統(tǒng)附加功能的技術(shù)，如今已發(fā)展成為一個(gè)獨(dú)立的視覺(jué)檢測(cè)平臺(tái)。

　　從 3D 掃描到數(shù)百萬(wàn)個(gè)訓(xùn)練樣本

　　Oxipital AI 的技術(shù)流程始于對(duì)真實(shí)食品的3D掃描，以創(chuàng)建虛擬資產(chǎn)。以玉米熱狗檢測(cè)應(yīng)用為例，該公司可能會(huì)掃描30個(gè)不同的玉米熱狗，既包括合格產(chǎn)品，也涵蓋各類(lèi)有缺陷的產(chǎn)品。這些掃描數(shù)據(jù)將成為生成合成數(shù)據(jù)的基礎(chǔ)。

　　“我們可以生成數(shù)百萬(wàn)個(gè)不同的樣本，呈現(xiàn)出所有可能的合格與不合格變體，” Romero表示。該系統(tǒng)還會(huì)考慮客戶(hù)特定的變量，例如傳送帶顏色、光照條件以及產(chǎn)品隨機(jī)擺放的場(chǎng)景。

　　整個(gè)模擬過(guò)程可自主運(yùn)行：工程師可在周五下午設(shè)定參數(shù)，經(jīng)過(guò)約20小時(shí)的計(jì)算后，周一早上回來(lái)就能得到一個(gè)訓(xùn)練好的模型，只需稍作微調(diào)即可投入使用。這種合成數(shù)據(jù)方法，省去了傳統(tǒng)視覺(jué)系統(tǒng)所需的數(shù)千張真實(shí)圖像采集工作，也無(wú)需進(jìn)行手動(dòng)圖像標(biāo)注。

　　不斷拓展的食品模型

　　目前，Oxipital AI 已構(gòu)建約60種不同食品類(lèi)型的物體模型，涵蓋奇異果、玉米熱狗、雞翅到豬里脊等品類(lèi)。該系統(tǒng)能夠檢測(cè)具體特征(如脂肪分布情況)，還可評(píng)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(jī)、用于3D測(cè)量的激光雷達(dá)(LiDAR)，以及負(fù)責(zé)物體模型創(chuàng)建、配方構(gòu)建和數(shù)據(jù)分析的V-CortX 視覺(jué)平臺(tái)。

　　Romero認(rèn)為，3D與2D成像相結(jié)合，并搭配合成數(shù)據(jù)生成技術(shù)，是 Oxipital AI 區(qū)別于傳統(tǒng)2D視覺(jué)系統(tǒng)的核心優(yōu)勢(shì)。“我們不需要專(zhuān)人手動(dòng)修改所有這些標(biāo)簽，” 他指出，“只需調(diào)整參數(shù)，重新運(yùn)行一次合成數(shù)據(jù)生成流程即可?！?/p>

　　這款一體化AI視覺(jué)平臺(tái)的核心功能包括：

　　AI視覺(jué)模型管理器(AI Vision Model Manager)：無(wú)需采集圖像或手動(dòng)標(biāo)注，即可下載、申請(qǐng)和部署高性能視覺(jué)模型。

　　配方構(gòu)建器(Recipe Builder)：通過(guò)拖放操作更新工作流程，用戶(hù)可獲得實(shí)時(shí)視覺(jué)反饋。

　　分析儀表盤(pán)(Analytics Dashboard)：可查看產(chǎn)量數(shù)據(jù)、缺陷趨勢(shì)、尺寸分析及質(zhì)量洞察。

　　質(zhì)量標(biāo)準(zhǔn)自主掌控

　　盡管 Oxipital AI 的技術(shù)負(fù)責(zé)生成AI模型，但客戶(hù)仍可自主定義缺陷類(lèi)型并設(shè)定公差范圍?！拔覀兿Ｍ_?？蛻?hù)擁有控制權(quán)，能夠根據(jù)需求調(diào)整應(yīng)用場(chǎng)景，” Romero表示。缺陷分類(lèi)采用傳統(tǒng)的基于規(guī)則的邏輯，而非AI技術(shù)，因此操作員無(wú)需重新訓(xùn)練模型，即可調(diào)整質(zhì)量標(biāo)準(zhǔn)。

　　這種靈活性對(duì)服務(wù)多個(gè)零售品牌的食品制造商而言極具價(jià)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(jìn)行說(shuō)明：“不同零售品牌有不同的質(zhì)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(lái)，操作員無(wú)需逐一手動(dòng)輸入?yún)?shù)，只需為當(dāng)前生產(chǎn)批次選擇對(duì)應(yīng)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(pán)可提供清晰的投資回報(bào)率(ROI)數(shù)據(jù)。“我們能精確統(tǒng)計(jì)出檢測(cè)到的缺陷數(shù)量，” Romero解釋道。例如，某次檢測(cè)中發(fā)現(xiàn) 816 根玉米熱狗存在簽子斷裂問(wèn)題，按每根 0.30 美元計(jì)算，就可以直接量化出潛在節(jié)省的金額。

　　除了簡(jiǎn)單的數(shù)量統(tǒng)計(jì)，該系統(tǒng)還能揭示潛在規(guī)律：例如，晚班生產(chǎn)速度可能慢于早班，或者產(chǎn)量下降可能與缺陷率上升相關(guān)，而非生產(chǎn)效率降低。這些精細(xì)化數(shù)據(jù)可為不同崗位的人員提供支持 —— 從監(jiān)控整體產(chǎn)量的高管，到排查具體質(zhì)量問(wèn)題的持續(xù)改進(jìn)團(tuán)隊(duì)，都能從中獲取所需信息。

　　“不同人員關(guān)注的重點(diǎn)不同，” Romero表示，“高管可能只關(guān)注產(chǎn)量和合格率，而持續(xù)改進(jìn)團(tuán)隊(duì)則可能會(huì)開(kāi)展專(zhuān)項(xiàng)改進(jìn)活動(dòng)，深入排查導(dǎo)致問(wèn)題的具體缺陷類(lèi)型。”