到2018年底，美國食品和飲料行業(yè)將生產(chǎn)足夠的商品，以創(chuàng)造162億美元的收入。從長遠來看，這個數(shù)字僅次于于中國，按收入計算，中國是世界上最大的食品和飲料生產(chǎn)國，也是世界上人口最多的國家，擁有近14億人口。

　　要使美國龐大的食品和飲料行業(yè)平穩(wěn)運轉(zhuǎn)，需要復雜的加工、生產(chǎn)、包裝和分銷環(huán)節(jié)。事情并不總是按計劃進行，生產(chǎn)商可能會發(fā)現(xiàn)自己面臨產(chǎn)品召回、食源性疾病爆發(fā)，甚至出現(xiàn)消費者投訴等。工業(yè)4.0提供了一個智能和有效的方法，在機器視覺的幫助下，可以確保最高水平的食品檢驗和符合食品安全標準。

　　機器視覺定義

　　機器視覺直到最近才被認為是一種廣泛應用于食品生產(chǎn)行業(yè)的工具，實際上，機器視覺在20世紀80年代就首次被用于食品質(zhì)量檢測。這些早期的機器視覺的迭代僅僅由一個拍照的照相機組成，用來檢查松餅生產(chǎn)線，以確保超大的產(chǎn)品不會進入機器。雖然這個過程很粗糙，但它被證明是有效的。

　　今天的機器視覺系統(tǒng)要復雜得多。自動成像協(xié)會(AIA)將機器視覺分類為硬件和圖像分析軟件的相互組合，通過捕獲圖像來協(xié)助設備工作。當今的機器視覺系統(tǒng)通常都有或多或少復雜的人工智能，它可以分析模式，并從其視線內(nèi)的物體中提取數(shù)據(jù)。然后將獲得的數(shù)據(jù)與從系統(tǒng)數(shù)據(jù)庫中提取的任何現(xiàn)有數(shù)據(jù)進行比較——該數(shù)據(jù)庫由人工管理，而不是自動化。一旦審查了數(shù)據(jù)，系統(tǒng)就會得出關于所捕獲項目的結(jié)論。

　　整個過程，從開始到結(jié)束，只需要不到一秒鐘。但是，在這么短的時間內(nèi)，系統(tǒng)收集了大量關于該項目的有用信息。關于食物的顏色、成熟度、變質(zhì)程度和內(nèi)部溫度的數(shù)據(jù)是一眨眼的功夫就能得到的。甚至有可能獲得人類眼睛無法探測到的信息，比如機器視覺通過使用不同的波長分析食物中的內(nèi)部成分。也可以用于包裝缺陷檢測，防止材料浪費，貼錯標簽和昂貴的食品召回。

　　食品召回

　　食品檢驗，老板雜志根據(jù)美國食品藥品管理局和美國農(nóng)業(yè)部食品安全檢驗局的數(shù)據(jù)，2017年有456起食品召回事件。其中包括同一產(chǎn)品的多次食品安全違規(guī)/召回。未申報的食物過敏原(特別是在乳制品中)是召回原因的首選。李斯特菌是召回的第二大常見原因，通常影響受歡迎的早餐食品。還有24次以沙門氏菌為基礎的召回，以及240萬磅即食面包屑雞肉產(chǎn)品含有未申報的牛奶含量，使乳制品過敏的人處于危險之中。

　　盡管召回總數(shù)較2015年和2016年有所下降，但召回仍是食品生產(chǎn)中的一個主要問題。事實上，作為一個行業(yè)，盡管機器視覺使用的增加可以顯著提高健康和安全標準，但在利用自動化方面，食品生產(chǎn)遠遠落后于其他生產(chǎn)線行業(yè)。

　　行業(yè)挑戰(zhàn)

　　食品生產(chǎn)行業(yè)走得很好。它必須保持高效率，同時生產(chǎn)滿足消費者需求的食品，以及聯(lián)邦健康和安全法規(guī)。此外，生產(chǎn)商需要權(quán)衡傳統(tǒng)低利潤業(yè)務的成本與食品生產(chǎn)價值線中更高安全性和質(zhì)量的要求。

　　實現(xiàn)機器視覺可能需要初始投資高于許多生產(chǎn)商，但可以提高加工效率，減少代價高昂的錯誤、疏忽和召回(其中一些可能導致更昂貴的訴訟)，可以在較短的視覺內(nèi)彌補投資成本。

　　此外，還需要考慮消費者成本。由于消費者的健康和安全受到威脅，食品檢驗過程必須對錯誤采取零容忍政策。品牌或產(chǎn)品一旦失足，就會失去顧客的信任。標記不當?shù)氖称坊蛉饣蚣仪葜斜缓鲆暤母腥聚E象可能會造成生命損失。僅今年一年，F(xiàn)DA就已經(jīng)將44人的死亡與沙門氏菌爆發(fā)聯(lián)