CCS使用 AI+ 平面圆顶照明自动进行视觉外观检查

在罗科黄油，随着国内奶酪需求的稳步增长，我们加强了生产系统，提高了产量。然而，由于目视检查人员根据产量的增加按比例筛选缺陷产品的人数增加，我们预计未来人员将难以获得，因此，我们一直在研究整个工厂工作的自动化主题，包括目视检查。

工厂的目视检查人员除了检查奶酪的重量选择外，还负责处理产生的包装损失，通过眼睛和耳朵判断工艺是否异常，并掌握当天的状态。我们逐一解决这些问题。然而，奶酪包装的外观检测自动化在以前的规则基础上是困难的，并且是一个悬而未决的主题。难以进行基于规则的外观检查，在食品中，由于**的图案非常复杂且多种多样，机械难以设定将不合格品判定为NG的基准（阈值）等理由，因此，在食品工厂中完全自动化目视检查是非常困难的问题，我们经历了许多试验和错误。

因此，我们于 2017 年左右开始考虑引入 AI 和深度学习技术的进步，并学习好产品，并考虑
使用 AI 进行视觉检查自动化，这些 AI 认为除了好产品之外，其他产品都是 NG。

我以为AI会更容易地识别坏处。

小泉说，他以前曾参与基于规则的外观检测的自动化研究，他认为“照明和镜头对于机器正确识别缺陷至关重要，以便准确捕获和捕获特征”。然而，即使我们仔细选择照明、相机和镜头进行演示实验，也遇到了一系列困难，例如，每次我们调整拍摄环境时，都需要更换设备。我们使用了几种类型的照明和镜头，并使用了 Ces 的测试室（实验室），并逐步提高了缺陷检测的准确性。

每次成像条件发生变化时，我们都会获取数以万计的图像，并对图像进行注释，
但重复此过程非常耗时，需要一年到一年半的时间才能获得学习数据所需的图像。

此时，新型号的“LFXV系列”的Sease平面圆顶照明已经上市，我尝试了这一
点，由于发光表面上打印的点图案对图像的影响已经减少（与传统产品相比有所改进），
注释工作变得更加容易。

· 

“如果能够从一开始就获取具有**特征的图像，那么 AI 的自动化将非常顺利，从这个意义上说，从一开始就咨询摄像专业人员 Sai s，获取AI 容易识别缺陷的图像是非常重要的。 （小泉先生）

今后，我们希望在实现横向部署的同时
，了解NG因素。

自动化目视检查是许多食品工厂面临的挑战之一。六甲黄油利用人工智能实现自动化，克服了一系列挑战，目标是将婴儿奶酪灌装和包装过程中所需的20多名员工减少到几人左右。“*初完成的AI模型不能轻易横向部署到下一条生产线上。每个制造机器使用相同的AI判断模型进行检查，从一开始就是目标，我认为是完成形式。
此外，我们还希望采取行动，将业务扩展到其他流程和其他产品。 （小泉先生）