项目背景

食品包装外观缺陷检测是食品工业中不可或缺的环节，食品包装的外观不仅影响消费者的购买决策，还直接关系到产品的质量和安全，影响消费者对品牌的信任。

芯歌AI视觉系统通过高效、精确的表面缺陷检测，能够及时识别并剔除瑕疵产品，帮助制造商保证每批次产品的高标准。

检测需求

产品信息：尺寸60-100mmm的食品包装袋，多数为白色、绿色，少量红色；

检测项目：破洞、脏污、封口不良等外观缺陷。

精度要求：缺陷检出率99.5%；误检率≤3%；节拍要求：90-100pcs/分钟。

检测难点：缺陷种类多，分布位置随机，增加了算法识别的复杂性；包装袋封口处可能存在褶皱，变形，高亮反光等，容易产生漏检与误判；包装袋折叠区域是深色区域，容易产生漏检。

解决方案

芯歌基于AI视觉处理引擎，使用1200万彩色面阵相机对食品包装袋正反面进行拍摄，算法可自动定位图像中缺陷位置，准确区分识别破洞、脏污、封口不良各类缺陷，并标注缺陷的位置、大小等信息，通过踢料机构自动对NG产品进行踢料。

检测结果

破洞

脏污

封口夹异物

封口未封闭

客户获益

效率优化：实现90-100pcs/分钟的高速检测，全面满足客户生产节拍要求。

质量优化：使用深度学习像素分割模块，精确检测不良位置、大小，可实现3%的误检率与99.5%的检测准确率，确保各类缺陷无漏检，显著提升产品质量的稳定性。

成本优化：实现产线自动化质检，大幅降低用工成本。

技术优势

领先的小样本学习算法；克服质检领域缺陷样本不足带来的训练难问题。

完整的视觉算法体系；拥有完整算法体系,包括:深度学习、传统比对算法等在内的主流算法,可覆盖90%以上的常规应用。模型压缩工具，自研深度模型裁剪压缩工具，大幅降低算力需求。

简单易用，离线部署，低代码用户友善界面，无需在线即可一键训练及部署，尊重客户数据隐私。