AI赋能X射线检测，引领食品生产智能化

X射线检测和AI

优化性能：软件中的AI模块详解

AI学习过程

数据采集

机器学习过程

客户测试

优化软件

在一家奶酪生产商的奶酪产品分类应用中，AI 软件发挥了关键作用。该客户面临如下问题：如何根据奶酪孔洞的数量、形状、大小、分布和位置等因素，将奶酪分为成熟奶酪和未成熟奶酪。客户一开始使用一名人工检验员，通过目视检查大屏幕上的X射线图像，对产品进行人工评估。然而，鉴于产品本身的可变性和评估参数的复杂性，发现传统的分析检测方法不切实际。

为了应对这一挑战，我们对AI模块进行了训练，让其模仿人类操作员的角色，将奶酪分为五个不同的类别。这些类别为A1、A2和B（见下图1），代表尚未成熟且需要更多时间成熟的奶酪；以及C和D（见下图2），代表已完全成熟且可供食用的奶酪。

为了对人工智能算法进行初步评估，总共分析了500块奶酪。这500份奶酪样本包含五个类别(A1、A2、B、C、D)，每个类别各100 份样本。下表1列出了针对非常复杂的奶酪应用进行初步分类测试的结果。

表1：使用500张图像进行初步评估，总误差率为 1.2%。

一家烘焙食品生产商需要使用AI软件对包装中意式蛋糕的摆放位置进行进行分类。该项目的目标是识别出在纸盒内旋转90°的意式蛋糕，并判为不合格。由于产品具有不同的尺寸和形状，传统的方法并不可行，因为它无法考虑随时间推移而观察到的潜在变化。

为了应对这一挑战，我们对AI模型进行了训练，其将产品分为两类："A" 代表不符合标准的产品（表示产品旋转了 90°），"B" 代表符合标准的产品（表示产品在包装盒中的摆放位置正确）。下面的图3和图4展示了客户提供的图像示例，在AI学习过程中采用了这些影像。

我们使用生产商提供的1,994张图像对AI算法进行了初步评估，并将结果汇总在下表2 中，显示评估误差率为0.11%。这一误差率与生产线中0.10%的误差率基本吻合。

表2：使用1,994张图像进行初步评估，总误差率为 0.11%。

X射线和AI技术的应用，在帮助意式蛋糕生产商缩短质量控制和检测时间方面发挥了关键作用。该技术可确保对产品质量进行有效且准确的评估，保证产品在进入市场时始终保持理想状态，从而维护了品牌声誉。