机器视觉在粮油生产中的应用论文（机器视觉在粮油生产中的应用有哪些）

01

目标和概述

传统生产线严重依赖人工判断和监控，人工疲劳、考核标准不一致。对于企业制造商来说，不可能实现有效的质量监管。大量不良品流入消费市场，势必引起顾客投诉，进一步影响品牌厂商的形象。

以粮油生产为例。目前，行业内大部分工厂仅依靠人工目视对包装袋进行线迹识别，自动化程度较低。在本案例中，博观粮油机器视觉解决方案的应用得到了实施。采用大型视觉模型的低代码算法训练平台，可以快速实现流水线所需的碎片化算法训练，提高检测精度，降低粮油厂的人力成本，从而在生产过程中开始创造更多价值，帮助工厂降本增效，推动粮食加工企业向规模化生产、集约化经营转型，实现智能化升级。总体而言，具有较高的场景价值。

博观粮油机器视觉解决方案借助机器视觉质检平台，以智能制造工厂网络覆盖为切入点，从工业生产线视觉外观缺陷检测和字符信息识别两个方面完善功能。除了整体视觉解决方案应用于粮油生产之外，未来还可以应用于3C电子、新能源等行业。该解决方案提供了定制化的机器视觉硬件外围环境，无需改变现有工厂生产和制造线。依托自主研发的深度学习算法检测平台MVIP和视觉业务软件BreVision，智能实现视觉检测代替人工检测。需求，实现工厂降本增效、柔性生产的目标。

02项目介绍

2.1.核心技术

2.1.1.OCR字符检测与识别

通过OCR检测得到的面粉袋印刷面图像，如图1所示，可以识别生产日期、资质信息检测等，并判断字符的完整性。

OCR检测

端到端识别算法

该项目采用端到端的字符识别技术，保证整个功能高效、准确。与传统的识别算法不同，如图2所示，端到端识别算法不需要文本定位、固定和识别的多个步骤。只需输入原始图像即可输出识别结果，节省时间并最大化可用资源。信息。

端到端识别算法

图像增强与修复技术

在工业视觉领域，图像清晰度一直是关键问题。受限于工业相机的应用场景和成像质量，获得的初始图像往往不是很清晰。为了应对此类问题，该项目加入了基于深度学习的图像增强和修复技术。该模块是在识别算法的最开始添加的，如图3所示，从根本上解决字符不清晰或污损的问题。

图像增强与修复

诚信判断

在实际应用中，经常面临的另一个问题是字符不完整和丢失字符的数量问题。为此，项目引入了完整性判断模块，根据字符的分布和深层图像信息来判断传入的字符块是否完整。如果字符明显不完整，则判定为异常样本，并发出警报。

总之，OCR算法需要在工业场景下保持高稳定性、高精度和再现性，以支持工业环境下不同产线的要求，例如全天候光线变化、皱纹导致的字体变形、随时喷墨打印等在屏幕上的位置、字体格式、不同尺寸等，可以为企业降本增效，同时实现智能设备本身的成本控制。

2.1.2.缝合完整性缺陷的检测和识别

缝线检测

缝线检测方法通过配置ROI区域来获取面粉袋的关注区域，并通过异常抓拍识别模型判断是否为正常抓拍图像。最后通过缝合异常判断模型检测缝合是否完整，如图4所示。

投资回报率滑动

在ROI配置过程中，由于面粉袋位置的移动和扭曲，导致配置的ROI区域不准确，出现大量无效背景，影响判别效果。为了解决这个问题，在实际使用中，采用滑动ROI，算法会根据面粉袋的边缘位置获得更准确的密封区域，如图5所示。

投资回报率滑动

拍摄异常判断

由于生产现场环境复杂，摄像拍摄的不确定性，实际情况中有时可能会出现拍摄数据异常的情况，例如拍到没有面粉袋、拍到面粉袋不完整、拍摄到工作人员等。这些异常数据将被记录在案。干扰检测算法，从而影响最终效果。因此，算法需要首先判断图像是否是正常拍摄的图像。消除异常镜头可以大大提高算法的准确性。如图6所示，分别是正常拍摄、包包部分拍摄和设备航拍的图像。实际使用中，增加了异常射击判断，当有空镜头时进行算法排除。

异常捕获的图像

缝合异常的判断

经过上述流程后，图片会被发送到最终的缝口检测模型，判断封口是否缝好，确保运输过程中不会出现面粉洒落、渗漏等问题。在此过程中，会出现跳线、弯曲、皱纹、小开口、过曝、过暗等各种形状的样本，如图7所示。各种形状的样本会严重影响判别的准确性。

各种样品

对于缝线异常的判断，精度要求很高。负样本形状各异，采集困难。同时，皱纹、弯曲以及光线环境不佳等因素都导致缝线位置难以判断。各种类型的负样本需要模型学习更多。特征较多，但负样本采集难度大，数量少。针对这些不同类型的情况，项目设计了不同的数据增强、网络算子和损失函数，实验表明可以有效解决上述类型的问题。

2.1.3.在线检测

整体流程

MVIP深度学习机器视觉检测平台首先采用海量媒体数据+独创的大规模多模态算法模型，使大模型能够从海量视频数据中实现常识性知识的自监督学习，结合Few- ShotLearning，该平台可以通过数百张样本图像实现常见下游任务的90+% 准确率。无损高速传输到服务器。在服务器端，我们会进行强大的算法模型检测，包括接缝检测、文本检测、文本识别等一系列算法，然后利用5G传输技术将迭代后的模型再次传输到边缘设备进行实时更新以及模型的强化。

技术原理

MVIP深度学习机器视觉检测平台的核心技术是博观独创的在线学习算法。该方法利用离线模型进行离线识别，利用监督模型辅助监督。在实际应用中，将分数低于监督模型给出的阈值的识别图像无损地存储在在线学习素材库中。设备运行一段时间后，算法自动统计运行规律，找出低频识别周期，素材库满足一定条件后，开始在线学习，迭代更新冻结的网络参数，让离线模型不断改进自身的“弱点”，从而达到在线学习的优化效果。

技术优势

MVIP深度学习机器视觉检测平台场景适应性强，模型鲁棒性高，能够轻松应对各种新场景。在识别劣势的场景下，可以自动启用在线学习系统，在短时间内改进模型，快速提高识别率，同时不影响设备的正常运行。搭载5G技术，数据在前端和服务器端之间无丢包传输，可以加快在线学习资料的阅读速度，提升算法的效率和实时性。

在实际应用中，该算法同时处理面粉袋接缝检测和面粉袋文字识别两个需求。通过在线学习，实时更新识别算法，提高算法的鲁棒性，从而高效、准确地完成整体算法运算。

2.2.系统架构

MVIP深度学习机器视觉检测平台支持的生产环节技术如下：

面粉在港口装入面粉袋后，通过流水线将面粉袋输送至喷码机，在面粉袋的外包装上自动打印生产日期、批号等OCR信息，然后运送到缝纫机以密封接缝。装配线进入机器视觉智能系统识别区域，通过机器视觉技术实现OCR识别和封缝线质量检测。

具体解决方案是依靠光电传感器触发工业相机拍照。工业光源稳定照射OCR区域和密封缝合区域以获得各自捕获的视觉图像。视觉检测系统利用深度学习算法对摄像头采集的图像进行并行识别识别。检测判断面粉袋的质量状况，并通过可视化软件直观地显示出来。同时，将结果通过通讯方式发送给执行机构信号，对合格品和不良品进行分选。

该方案的系统架构自下而上主要分为三层：采集层、边缘计算层、应用层。其整体逻辑架构如图8所示。

博观粮油机器视觉解决方案系统架构

2.3.软硬件部署

该方案在前端部署硬件视觉产品，利用AI算法赋能机器视觉机器，实现高效的图像采集和传输。通过BreVision视觉商业软件对图像进行分析，可以检测出每袋面粉的生产日期和批号的正确性。 BreVision视觉业务软件是一款基于深度学习、专门用于解决复杂缺陷的智能工业视觉软件平台。它解决定位、检测、分类等问题。它还具有高效、准确的字符识别能力，可应用于各种复杂的应用场景。该方案的软硬件部署如图9所示。

博观整体视觉解决方案

03代表性及推广价值

3.1.应用及效果

目前，博观的粮油机器视觉解决方案已在国内某知名粮油厂实施。赋能后共覆盖30+条生产线，节省人力30+，人工巡检每条生产线8000余袋/天的产量。应用机器视觉检测后，每条生产线产能提升至2万袋/天以上，生产效率提升150%，有效实现生产设备满负荷运转。

3.2.创新

3.2.1.技术示范效果

本次规划的机器视觉质检平台依托深度学习算法，高效检测粮油生产中的包装袋破损情况，准确识别OCR信息。超检率达到0.1%，漏检率达到0%。未来可以遵循该计划。投资更多国内粮油加工企业和粮食产业。我国是农业大国，粮食产业是与农业生产直接相关的基础产业。机器视觉替代人工检测的潜在需求很大。该解决方案可以利用高性价比的机器视觉帮助众多粮油企业降低人力成本，促进柔性生产，驱动智能化转型升级。具有广阔的应用前景和巨大的市场推广规模。

3.2.2.商业价值

近年来，随着制造业升级和向自动化、智能化转型的趋势，机器视觉拥有千亿的市场前景。然而，目前在工业领域，将人工智能融入机器视觉算法的尝试才刚刚开始，在全球范围内仍处于初步探索阶段。该项目的成功应用为行业客户提供了更有益的案例。

博观机器视觉质检平台计划继续通过人工智能算法优化，进一步提高机器视觉设备的通用性和准确性，让人工智能能够更稳定地应用在工业现场的恶劣环境中，这也将提升整体工业水平。制造业。智力水平也很重要。该机器视觉质检平台探索的路径是将客户的痛点与AI算法的能力结合起来，将两者合二为一，用最高效的方式不断提升工业场景的生产效率。未来，博观将在智能制造、高端装备、自动化装备等行业探索更多技术深化和项目合作。

3.2.3.社会价值

节省人工成本

长期来看，随着人口老龄化日益严重，人员短缺和劳动力价格上涨将持续下去，这将无形中增加企业的生产成本。博观粮油机器视觉解决方案的实施，可以有效用机器视觉替代人工巡检，减少粮油生产过程中对传统人力的依赖，为企业节省大量人力成本，缓解劳动力上涨带来的问题成本。减轻生产压力，加快降本增效。

减少食物资源浪费

在人多地少的基本国情下，节约粮食是保障14亿人粮食安全的战略选择。但我国粮食损失浪费严重，粮食供给侧存在资源配置效率低的问题。据联合国粮食及农业组织测算，我国每年仅粮食收获、运输、储存、加工过程中的损失和浪费就占粮食总量的6%。博观粮油机器视觉解决方案已通过机器视觉质检。在发现包装袋断线、漏缝等各种缺陷问题后，可以第一时间报警并排除，解决了传统人工检验带来的产品质量问题。波动问题减少了包装袋破损造成的食品损失，在保证产品良率的同时避免了原材料的浪费。

确保食品生产安全

确保食品安全，不仅要从源头保证原料安全，还要加强加工制造过程的检验和检验。包装袋开封、破损等加工过程中常见的问题，很容易导致袋内食品受到污染，缩短保质期，并引起霉菌和虫害，威胁人们的健康。博观粮油机器视觉解决方案采用人工智能、机器视觉、云计算等先进技术，高效检测包装袋破损情况并及时提醒相关人员处理，实现粮油工厂的智能化管控，保障粮油工厂的安全。粮食生产安全。

审稿人：李茜