在羅科黃油，隨著國內(nèi)奶酪需求的穩(wěn)步增長，我們加強了生產(chǎn)系統(tǒng)，提高了產(chǎn)量。然而，由于目視檢查人員根據(jù)產(chǎn)量的增加按比例篩選缺陷產(chǎn)品的人數(shù)增加，我們預(yù)計未來人員將難以獲得，因此，我們一直在研究整個工廠工作的自動化主題，包括目視檢查。

工廠的目視檢查人員除了檢查奶酪的重量選擇外，還負責處理產(chǎn)生的包裝損失，通過眼睛和耳朵判斷工藝是否異常，并掌握當天的狀態(tài)。我們逐一解決這些問題。然而，奶酪包裝的外觀檢測自動化在以前的規(guī)則基礎(chǔ)上是困難的，并且是一個懸而未決的主題。難以進行基于規(guī)則的外觀檢查，在食品中，由于**的圖案非常復(fù)雜且多種多樣，機械難以設(shè)定將不合格品判定為NG的基準（閾值）等理由，因此，在食品工廠中完全自動化目視檢查是非常困難的問題，我們經(jīng)歷了許多試驗和錯誤。

因此，我們于 2017 年左右開始考慮引入 AI 和深度學習技術(shù)的進步，并學習好產(chǎn)品，并考慮
使用 AI 進行視覺檢查自動化，這些 AI 認為除了好產(chǎn)品之外，其他產(chǎn)品都是 NG。

我以為AI會更容易地識別壞處。

小泉說，他以前曾參與基于規(guī)則的外觀檢測的自動化研究，他認為“照明和鏡頭對于機器正確識別缺陷至關(guān)重要，以便準確捕獲和捕獲特征”。然而，即使我們仔細選擇照明、相機和鏡頭進行演示實驗，也遇到了一系列困難，例如，每次我們調(diào)整拍攝環(huán)境時，都需要更換設(shè)備。我們使用了幾種類型的照明和鏡頭，并使用了 Ces 的測試室（實驗室），并逐步提高了缺陷檢測的準確性。

每次成像條件發(fā)生變化時，我們都會獲取數(shù)以萬計的圖像，并對圖像進行注釋，
但重復(fù)此過程非常耗時，需要一年到一年半的時間才能獲得學習數(shù)據(jù)所需的圖像。

此時，新型號的“LFXV系列”的Sease平面圓頂照明已經(jīng)上市，我嘗試了這一
點，由于發(fā)光表面上打印的點圖案對圖像的影響已經(jīng)減少（與傳統(tǒng)產(chǎn)品相比有所改進），
注釋工作變得更加容易。

· 

“如果能夠從一開始就獲取具有**特征的圖像，那么 AI 的自動化將非常順利，從這個意義上說，從一開始就咨詢攝像專業(yè)人員 Sai s，獲取AI 容易識別缺陷的圖像是非常重要的。 （小泉先生）

今后，我們希望在實現(xiàn)橫向部署的同時
，了解NG因素。

自動化目視檢查是許多食品工廠面臨的挑戰(zhàn)之一。六甲黃油利用人工智能實現(xiàn)自動化，克服了一系列挑戰(zhàn)，目標是將嬰兒奶酪灌裝和包裝過程中所需的20多名員工減少到幾人左右?！?初完成的AI模型不能輕易橫向部署到下一條生產(chǎn)線上。每個制造機器使用相同的AI判斷模型進行檢查，從一開始就是目標，我認為是完成形式。
此外，我們還希望采取行動，將業(yè)務(wù)擴展到其他流程和其他產(chǎn)品。 （小泉先生）