让质检从“人眼经验”变成“可复制的算法“
健松智能打破传统视觉技术，采用AI算法，实现由系统自适应、自定义的快速深度学习和迭代。将人工智能技术和机器视觉技术相结合，让系统能够识别、分析和理解图像中的内容，进行产品外观的辨识并定位出瑕疵，实现对产品外观质量的检测。不良品由机器人自动拾取剔除到指定区域，避免人工分拣可能出现的误判和漏判，保证产品质量的稳定性和一致性。
检测精度
AI视觉检测系统可实现产品表面最小0.5mm以上的瑕疵检测，在输送带连续运行下保持1s/pcs的检测节拍，可通过调整NG判定指标，进一步对产特征做进一步过滤。
方案优势
构建通用模型，用AI算法代替传统算法，完成产品一致性预处理，实现通用模型的共用
提升检测效率，减少对人工的依赖，保证产品质量的稳定性和一致性
及时发现产品是否存在异物、外观瑕疵、封口质量等问题，帮助企业减少客户投诉
采用健松智能专利拾取技术
检测范围
围绕食品产线最常见的三类质量问题，建立可复用的视觉模型与判定标准。
01
外观检测
破损、成型不良、脏污与颜色异常，按品类建立外观判定标准，稳定识别细微色差与表面缺陷。
02
异物检测
头发、纤维、纸屑等异物，在高速输送中稳定识别并标记位置，减少人工目检的漏判。
03
封口检测
虚封漏封、褶皱、夹油夹料、封口位置偏移，覆盖袋装、盒装与杯装封口质量检测。
从检测到剔除，闭环在一条产线上
从采集样本教模型认缺陷，到产线上实时判定、机器人剔除——五个步骤构成一条可以持续迭代的检测闭环。
样本采集标注
收集良品与各类缺陷样本，按缺陷类型逐张标注，建立该品类的训练集
AI 模型训练学习
深度学习模型学习缺陷特征，用留出样本验证检出率与误判率，反复调整至稳定
模型部署上线
模型下发到检测工位，与相机、光源、剔除机构联调，确认节拍与触发时序
AI 判定推理
在产线节拍内实时推理，输出 OK / NG 与缺陷类型，结果可追溯
机器人剔除
机械手或剔除机构将不良品移出产线，NG 图像回流训练集持续迭代
看 AI 如何识别每一个瑕疵
从成像、判定到剔除，AI视觉系统与产线节拍同步运行；模型可按品类快速迭代，切换产品时无需重做整套算法。
- 多品类模型复用，换产无需重做算法
- NG 判定指标可按品类与客户标准调整
- 机器人自动剔除，减少人工分拣与误判
*检测精度与节拍基于标准工况，实际以样品测试和现场产线条件为准。
应用领域
不同品类的表面特征与包装形式不同，检测模型与光学方案也随之调整。
