食品檢測

隨著人類文明與科技進步,餐飲與食品越來越走向精緻化、多元化與全球化。端上餐桌的不僅只有美味、新鮮與健康;在地農產、儲藏運輸、食品安全等因素也是需要考量與嚴格把關的項目。加工、包裝和運輸產業,面臨越來越嚴格的食安要求。消費者與監管機構要求即時、可靠且可量化的異物檢測能力。

除可見光外觀檢測外,X光影像也同是主要檢測手段。辨別包裝下的物體外觀和密度差異,可以輕易檢出食品內隱藏的異物。這其中包括了:

1.

生產設備或包材掉落物:因製程而產生碎片與元件脫落,如金屬、橡膠、塑膠件或是玻璃碎片等,掉入產品內部與包裝,對消費者健康與安全產生危害。

2.

食品原料中的天然異物:如骨骼、軟骨、鱗片等,一直是食品加工業面臨的挑戰。其中包括肉品加工時,裁切分裝而產生的骨骼碎片,以及魚類生鮮食品加工,遺留在內的魚刺和鱗片,都是現今檢查的重要課題。

產業的核心需求在於如何在高速生產環境中,精準分離不同材質之異物,特別是骨頭與低密度物質。相較於常見金屬異物(鋁,密度>2.7g/cm3)以及橡膠(密度~1.8 g/cm3),天然異物的主要成分組成為鈣(Calcium)。以骨骼為例,密度平均約為1.7g/cm3。相對於肌肉以及脂肪組織(0.9g/cm3),在X光影像裡仍具有極佳的對比。然而實際在產線設備,檢出骨質異物仍有困難。通常會面臨下列的挑戰:

骨頭與低密度物質不易檢出

骨頭密度雖大於肌肉,但部分部位(如骨端、細碎骨)對比度不足。

鱗片、蟲體、薄橡膠、塑膠等物質有效原子序低,影像對比差異小。

產線速度過快,難以應用最佳擷像、影像處理與分析策略

照射時間過短造成對比與訊噪比下降

產品形態與包裝複雜化

多層材料(鋁膜、塑膠、紙盒)造成散射與誤判。

在X光影像內的複雜結構造成密度與厚度的誤判。

設備解析度與靈敏度不足

傳統偵檢器無法同時兼顧高幀率與高解析度。

為了克服上述挑戰,過去曾借重不同的影像處理技術來解決問題。下列討論曾經提出過的不同解決手段,以及其優缺點與適用場域:

電腦斷層(CT)1

CT影像可以有效分辨產品內不同結構與材質的差異性,並且透過校正直接分離骨頭與肌肉組織。然而CT的最大問題是需要多張投影與重建,所需時間遠超產品站點可用時間;且CT設備建置成本高,所需關鍵零組件與設備精度均有極高門檻,多在食品實驗室或是高單價產品抽檢,較少出現在產業產線。

Photon Counting Deterctor(PCD) 光子計數偵檢器2

PCD具有高幀率與高靈敏的特性,適合產線上應用,可以有效分辨肌肉與骨頭的密度差異,適合多能量造影,分離不同材質的物體。然而PCD價格高昂,成本是最大門檻。單片成本約為傳統偵檢器三倍以上,適用於高單價商品,如高級水果、精緻水產加工等產業。

AI 輪廓辨識3

AI是近年應用最廣的技術方向。透過AI可在二維影像上執行形狀辨識、吸收值差異化、快速篩選等功能,並可快速整合在現有設備與產線上。然而挑戰仍在於提供影像訓練資料,能否克服因疊影效應(stereological error)產生的誤判,;以及建置與學習成本,分析眾多不同產品組合,降低學習成本,是目前面臨的問題。

影像強化處理與造影配方最佳化

回歸到快速掃描設計,前端擷像做掃描樣本最佳化,以及後處理強化骨骼類型對比,是目前最快速且最經濟的做法。可搭配物理濾片、特定靶材、高速高解析度影像、多能造影等方式,並使用邊界強化、自動形狀辨識、多能造影密度分離等後處理技術,分離骨骼、肌肉與包裝材料,並做篩選和統計。是目前在成本、速度與品質的最佳平衡。

有鑑於此,廠商在選擇導入的檢測技術時,應思考自身產品特性與應用場域,並搭配適合的方案。我們提出幾種組合如下:

A.

高效能產線方案 (使用2D XRAY+多能量造影+強化影像處理+ AI 篩選)

成本遠低於 PCD、CT

適合高速產線

對骨頭、橡膠、玻璃、低密度值物質皆有效

最適合中大型食品工廠,成本與效能兼具。

B.

高靈敏度產線(採用光子計數偵檢器(PCD)+能譜分析)

面對細碎骨頭與低密度值異物效果最佳

幀率高,可用於高速產線

適合需要極高檢出率的高端食品品牌。

C.

高精度抽檢(CT設備與成像技術)

用於高價食品、對異物零容忍的產品

適合食品實驗室、產品認證或線下抽樣檢查,不適用連續產線。

D.

AI 強化方案(強化既有 X 光設備影像 + AI 模型後處理)

適合中小型工廠

可導入外部 AI 模型(降低開發成本)

最具成本效益的普及方案。

針對不同類型的產品與產線流程,或是對於傳統光學檢測的搭配運用,我們都能提出解決方案來滿足您的需求。如果您對上述技術有任何問題,也歡迎您隨時與我們聯絡。

1 Nondestructive internal quality inspection of pear fruit by X-ray CT using machine learning, Food Control, Volume 113, 2020, 107170, ISSN 0956-7135,

2 Improving Contaminant Detection with Dual Energy X-ray and Photon Counting:https://instrumentation.co.uk/x-ray-and-photon-counting/

3 Improving Efficiencies for Food Processors and Packhouses with AI:https://www.apfoodonline.com/industry/improving-efficiencies-for-food-processors-and-packhouses-with-ai/

您最佳的科技合作夥伴

提供最完整的解決方案

聯絡資訊