近年来，随着人民生活水平的提高和食品营养卫生知识的普及，人们对食品质量需求观念更新，对食品安全的要求越来越高，更加关注食品质量。食品的质量与安全监管涉及到从食品原材料、食品加工、食品包装、食品运输、食品销售以及消费者保存享用等多个环节。

制造环节与食品质量安全有关的因素包括原材料的品质、生产制造中残次品、食品包装等。目前除了一些专用的检测设备之外，国内食品生产企业，普遍缺乏一种有效检测手段对食品质量安全进行全程监管。从食品生产企业的角度来说，一方面，消费者对食品质量的要求提高；另一方面，随着国外市场的打开，国外各种严格的质量检验标准的实施，食品生产企业从企业自身的生存和发展的角度出发也必须不断提高产品质量。今天为大家分享“薯片缺陷检测”的案例。

识别内容：薯片表面异物检测（如头发、黑点）、尺寸测量、颜色的差异检测。项目难点：表面缺陷细微，难以发现，精度要求0.1mm/pixel以内，需要能替代人眼检测；移动过程中拍摄，对相机的要求比较苛刻。

视觉系统方案

视觉系统主要由相机、光源、镜头、系统软件构成。其中相机、光源、镜头配合完成图像采集任务；系统软件可以通过对上传图像进行缺陷特征标注，利用深度学习技术完成模型训练任务，实现对标记特征缺陷的定向识别检测，操作简单易掌握。

打光成像方案

采用高亮条形光源，两台光源布置在整排相机的两侧，安装高度约450-500mm，可根据实际调整，如果带漫射板，照射更加均匀。流水线动态拍摄方式，4台相机等间距固定在流水线正上方，垂直于产品正面拍照，相机的长边方向与流水线运动方向对应，相机短边方向与流水线的宽度方向相对应。

算法方案

使用系统软件进行像素分割，快速实现数据标注与模型训练。同一模型下，软件支持多种缺陷标记，可同时检测一张图片中的多种缺陷，并且可以对缺陷进行分类，根据缺陷类型，分别建立相对应的标签，并进行标注。标签设置：

运行结果

系统软件可实时显示缺陷检测结果，及时记录结果，极大地提高了厂家对薯片缺陷识别的效率。

(文章来源于网络，如有侵权，请联系删文)