友思特应用 | 动态捕捉:高光谱相机用于移动产线上的食品检测

导读

高光谱成像 技术能够为食品安全助力。以友思特BlackIndustry SWIR 1.7 Max 为代表的高光谱相机,完美解决了移动产线检测的应用难点。


高光谱技术:为食品安全保驾护航

食品安全一直是大众关心的热点话题,提供安全、高质量的食品需要对食品进行详尽的检查。相比于过去依赖于人工的视觉和触觉检测,如今,已经有许多的机器视觉检测技术进入食品工厂,基于色彩和形态等特征能区分不同种类的食品,并识别出掺杂的异物,进一步提升了检测的可靠性与效率。

然而,对于与食品外形相似的异物、以及同类食品的成分(如水分vs糖分等),常规可见光相机的检测能力是有限的。

高光谱成像是一种光电技术,用于精确测量物体反射的电磁辐射,反射强度与波长的函数显示在光谱特征曲线中。由于每种材料对光的反射信号都有所不同,因此高光谱成像可以通过分析光谱信息来区分人眼无法区分的物质。

友思特 BlackIndustry SWIR 1.7 Max 是一款智能线扫描(推扫式)高光谱成像相机,能够以非常高的空间分辨率采集实时光谱数据。该相机提供 1280 像素的空间分辨率,在 900 - 1730 nm 的波长范围内具有多达 425 个可选光谱带。

本文将展示 BlackIndustry SWIR 1.7 Max 高光谱相机在食品检测中的应用案例。

案例1:大米中的异物

大米在世界范围内发挥着重要的社会和经济作用,全球近三分之一的人口以其为主食,特别是在亚洲、拉丁美洲和非洲。大米是全球经济的关键产品,不仅构成了粮食安全的主要类别,也是世界贸易的重要影响因素。

大米在生产和分销过程中存在很多潜在问题,其中之一是异物对粮食的污染。异物进入食品供应链的机会很多,例如在生产、包装或运输过程中。针对金属类异物,借助磁性金属检测仪能够迅速检出。然而,由于加工过程中使用的管子、传送带和手套会降解,微小的塑料颗粒则更有可能混入大米中

为了尽量减少塑料掺杂其中对人类健康的负面影响,需要一种识别大米供应链中的塑料碎片的方法。

常规的异物检测方法大多是利用视觉相机直接检测,通过异物的颜色、形态识别出异物并进行分拣。然而实际产线中的塑料颗粒无论是颜色还是形态都与大米十分相似,部分透明塑料的存在还会导致常规的可见光相机几乎无法准确识别。因此,需要一种更高效的技术来检验与大米颜色、形态类似的异物。

检测结果:大米 vs 塑料

为了验证 BlackIndustry SWIR 1.7 Max 相机识别大米中异物的功能,我们将小塑料颗粒与米粒混合,两者颜色相近,无法用肉眼识别,而后将其放置在高光谱成像系统中。

当混合样品通过传送带时,相机会记录传感器从 900 - 1730 nm 的整个波长范围内材料的光谱特征。通过光谱信息可以看到,塑料和大米的反射光谱差别非常明显,能够通过高光谱相机区分。

使用 BlackStudio 软件可以直接对采集的数据进行处理和分类,如下图所示,塑料碎片在大米堆中被标注为红色。结合相关算法和硬件设置,甚至可以实时处理和分类大米中的塑料碎片。

大米与塑料的灰度图像
大米与塑料的分类结果

案例2:杏仁分类检测

杏仁一直因其美味和营养而备受推崇。作为浑身是宝的坚果,杏仁核提供了人体所需的维生素和矿物质,并被加工成杏仁奶、面粉、食用油等多样的食品。杏仁壳在农业和畜牧业中则可被用作垫料。当暴露在高温下时,杏仁壳会形成一种类似木炭的成分,也可用于生产更耐用的塑料。此外,杏仁皮可用作动物饲料或农业中的土壤添加剂。广泛的应用领域凸显了杏仁在食品和工业中的重要性,代表了资源的可持续和多功能利用。

杏仁一般取杏仁核加工为食品,其余部分用作农业或工业原料。然而在杏仁核收获和加工过程中,杏仁壳和其他异物(如木片、砾石、塑料等)可能难以被筛出,如果被食用则容易导致健康危害。

传统的分拣方法大多基于可见光相机,通过外观、形状对异物进行区分,而对于某些相似的异物(如杏仁壳碎片、坏杏仁等)可能无法有效地检测和筛除,从而增加了最终产品不合格的风险。

因此,需要一种可靠性更高的方法针对外观相似的异物做有效的识别和检测。高光谱成像为这个问题提供了一个很有前途的解决方案,它可以根据物体在各种波长上的光谱特征对物体进行详细分析。

检测结果:杏仁 vs 杂质

我们将生的褐色杏仁、焯过的杏仁与杏仁壳碎片混合在一起,并用BlackIndustry SWIR 1.7 Max 高光谱相机扫描和检测这些样品, 识别不同的杏仁成分,并研究它们在 SWIR 范围内的光谱特性。

使用 BlackStudio 软件进行分类,可以看出三种杏仁成分之间的显著光谱差异,通过分析相应的吸收光谱带来检查其定性特征,例如杏仁的脂肪和水分含量,这也为杏仁的品质检测提供了一种新方法。
杏仁灰度图像

杏仁分类结果

高光谱成像技术 代表了机器视觉行业的一项强大技术,食品检测是一个关键应用。友思特提供的 BlackIndustry SWIR 1.7 Max 具有短波红外的宽响应范围(900 - 1730 nm )、高空间分辨率(最高 2560 )、高光谱分辨率(6 nm )以及高帧频(最高 1300 fps )的特点,特别适合移动产线检测的应用场景。

友思特 BlackIndustry SWIR 1.7 Max 高光谱相机

了解更多? 欢迎探索丰富案例:https://viewsitec.com/blackindustry-swir-2/

相关推荐
51camera2 天前
立体工业相机提升工业自动化中的立体深度感知
机器视觉·工业相机·工业自动化·3d视觉技术·立体工业相机
友思特 智能感知10 天前
友思特应用 | FantoVision边缘计算:多模态传感+AI算法=新型非接触式医疗设备
人工智能·边缘计算·机器视觉·图像采集
抓哇能手12 天前
计算机视觉-显著性检测实验报告
人工智能·python·opencv·算法·计算机视觉·机器视觉
图灵追慕者13 天前
机器视觉中光源镜头和相机的关系
数码相机·相机·机器视觉·光源·镜头
双翌视觉15 天前
手机折叠屏贴膜应用
智能手机·自动化·机器视觉·1024程序员节·视觉软件·视觉贴合·折叠屏
双翌视觉17 天前
LCD手机屏幕高精度贴合
智能手机·led·机器视觉·1024程序员节·视觉对位·视觉软件·贴合应用
抓哇能手18 天前
计算机视觉-边缘检测实验报告
人工智能·python·opencv·算法·计算机视觉·机器视觉
双翌视觉19 天前
TP&LCM柔性屏自动化贴合应用
自动化·视觉检测·智能制造·机器视觉·lcm·tp·贴合机
友思特 智能感知22 天前
友思特分享 | 车载同步技术创新:多相机系统如何实现精准数据采集与实时处理?
车载系统·采集卡·机器视觉·车载采集卡·数据采集与回灌