ImpactVision使用AI來檢測食品質量,包括新鮮度和成熟度

   

編譯:chux

出品:ATYUN訂閱号

計算機視覺幾乎滲透到每個行業。ImpactVision正在利用機器學習和高光譜成像技術,将光譜學和計算機視覺相結合,自動評估工廠和其他地方的食品質量。

檢測食品

高光譜成像的根源可以追溯到幾十年前的NASA,雖然人眼廣泛地感知三個波段中的光的顔色,高光譜相機覆蓋更廣泛的光譜,超越人類可見的範圍。

因此,ImpactVision的相機和機器學習軟件可以提供有關食品質量的信息,包括它的新鮮程度,預期的保質期以及可能存在的任何污染,而且純粹是通過從外部掃描食物。這裡的一個核心賣點是在此過程中沒有食物被損壞,這完全是非侵入性的。

例如,确定鳄梨成熟度的一種方法是進行幹物質(DM)含量分析。在過去,這是緩慢的并基于樣品的,這意味着它在确保每個鳄梨的質量方面并不完全可靠。ImpactVision聲稱其自動化的基于視覺的分類系統可以産生更準确的結果,同時還能夠掃描全部産品。

ImpactVision正在與鳄梨分銷商合作,以取代他們現有的系統,減少資源浪費。

ImpactVision首席執行官Abi Ramanan說,“高光譜成像使我們能夠通過訪問電磁波譜中的信息來感知人眼無法檢測到的品質,例如,食品的新鮮度或成熟度,我們認識到這些數據可能會改變供應鍊處理和分配食物的方式。”

然而,這項技術不僅僅可以檢查成熟度和污染程度。ImpactVision還表示正在與大型漿果經銷商進行讨論,以便自動化一些手動過程,比如計算草莓的産量來記錄所生産的産品數量。

減少浪費

根據聯合國糧食及農業組織的數據,全球每年生産的食物中約有三分之一被浪費。這相當于1萬億美元的食品最終進入垃圾填埋場。

ImpactVision的潛在前景與整個技術領域減少浪費的趨勢相适應。“高光譜成像技術是食品系統改變遊戲規則的一種方式,而ImpactVision的機器學習優先方法使它們在傳感器越來越商品化時具有競争力,”風險合作夥伴Peter Jorgensen表示,“我們看到了它在減少廢物方面使食品供應鍊更具預測性的潛力,同時也提高了全球消費者的質量和安全性。”

軟件作為服務

值得注意的是,ImpactVision的産品實際上是解釋高光譜相機拍攝的圖像的軟件和機器學習算法。然而,該公司提供工廠和食品公司使用其軟件所需的一切,它采用現成的高光譜成像相機,而不是開發自己的昂貴硬件,并以捆綁銷售一切。安裝相機傳感器也需要收費,并且需要經常支付軟件費用。

ImpactVision在世界各地開展了許多試點項目,以預測肉類,魚類,水果和沙拉的質量。但位于墨西哥的糖加工商Beta San Miguel代表了ImpactVision技術的首次商業化。這些工具用于檢測糖中可能被人眼,X光和金屬探測器遺漏的異物。

“ImpactVision的異物檢測系統讓我們充分相信在加工過程中會實時檢測到潛在的污染物,”Beta San Miguel特别項目和創新總監Ismael Santiago Aguirre補充道,“這意味着我們可以始終向客戶保證優質的糖,從而提升我們的品牌和産品。”

應用前景

就目前和可預見的未來而言,ImpactVision将主要關注食品公司。但随着智能手機相機的不斷發展,也許未來幾年内它會提供應用程序。

從這些模型截圖中可以看出,ImpactVision設想有一天伱将不再需要用手檢查産品來确定成熟度,伱隻需将手機指向水果并實時獲得新鮮度分數。