概要：食品製品のAI表面欠陥・汚染検出
AIによる表面検査はマルチスペクトルカメラとディープラーニングを使用してライン速度で各食品を検査します。人間や従来のカラーソーターでは見落とされがちな微妙な外観欠陥や汚染を検出します：
- 非RGBスペクトルで見えるあざと内部損傷の特徴
- 変色、カビ斑点、虫害
- 製品表面の異物
- 透明・印刷済み包材の内側または表面の汚染
ルールベースまたはカラー閾値システムとは異なり、ディープラーニングモデルは実際の生産サンプルの大規模データセットでトレーニングされます。各製品タイプの形状・サイズ・色の自然なばらつきを学習し、許容できるばらつきと真の品質問題を区別します。
AI検査の仕組み
- イメージング設定
- マルチスペクトル・ハイパースペクトルカメラ：標準RGB以外の画像（NIR、UV、特定波長など）を取得し、肉眼では見えないあざ、カビ、残留物を明らかにします。
- 高速ラインカメラまたはエリアスキャンカメラがコンベヤー、シュート、トレー上に配置され、見える製品表面の100%をカバーします。
- 制御された照明（LEDバー、ドーム光、バックライト）が製品と包材に合わせて影・反射・グレアを最小化するよう調整されます。
- ライン速度でのデータ取得
- すべての製品（果物、野菜、ベーカリー品、スナック、乳製品パック、調理済み食品）が検査ポイントを通過する際に撮像されます。
- トリガーはエンコーダーまたはセンサーと同期し、正しい位置と速度で画像が取得されます。
- AIモデル推論
- セグメンテーションモデルが製品を特定し、背景と包材から分離します。
- 分類・検出モデルが欠陥を特定・位置特定します：
- あざ、切り傷、亀裂
- 変色、腐敗、カビ斑点
- 虫害、表面の汚れ
- 表面上の異物（プラスチック、金属片、葉の破片、石など）
- 包材汚染（シール部への製品付着、異物の混入、ラベル欠陥）
- モデルは各品目の欠陥タイプ、位置、重篤度スコアを出力します。
- 判定と駆動
- 各製品はお客様の受入基準に基づいて自動的にグレード分け（例：グレードA、B、C、不合格）されます。
- ダイバーター、エアジェット、プッシャー、ゲートとの統合により、自動排除または手直しへの振り分けが可能です。
- プレミアムラインでは、より細かいグレード閾値が高付加価値カテゴリーへの製品適合率を最大化します。
Boolean & Beyondの導入アプローチ
Boolean & Beyondは、ベンガルール、コインバトール、チェンナイ、インド全域の食品加工施設に以下をカバーしてこれらのシステムを展開しています：
- 生鮮品（果物、野菜、葉物野菜）
- スナック（押出スナック、チップス、ナムキーン、ナッツ）
- ベーカリー（パン、ビスケット、ケーキ、クッキー）
- 乳製品（チーズブロック、バター、パッケージ乳製品）
- 調理済み食品および加工食品
導入は通常以下のステップに従います：
- 製品品質調査
- 以下を共同で定義します：
- 欠陥カテゴリー（例：軽微なあざ、重大なあざ、カビ、虫害、異物、包材汚染）
- 重篤度レベル（例：外観上の問題と安全クリティカルの区別）
- SKUとグレード別の受入基準。
- 顧客と監査員にとって最も重要な事項を優先するために過去のクレームと返品を見直す。
- 光学・機械設計
- カメラアレイ（台数、角度、解像度）をライン速度で必要な表面をカバーするよう設定します。
- お客様の製品の色、光沢、包材タイプに特化した照明を設計します。
- 既存のコンベヤー、フィーダー、排除メカニズムとの機械的統合を確保します。
- お客様サンプルによるモデルトレーニング
- 実際の生産（季節・サプライヤーのばらつきを含む）から画像を収集します。
- 定義されたカテゴリーと閾値に従って欠陥にラベルを付けます。
- 以下のためにディープラーニングモデルをトレーニングし検証します：
- 自然なばらつきを許容範囲として認識
- 真の欠陥と汚染のみをフラグ立て
- 誤不合格（不必要な廃棄）と欠陥見落とし（顧客クレーム）のバランスを調整します。
- パイロット・本格展開
- 特定のラインまたはSKUから開始します。
- AIの判定と人間の検査員・ラボ検査を比較します。
- パフォーマンスが安定するまで閾値とルールを調整します。
- 全面展開とサポート
- 全ラインと工場へのロールアウトを行います。