对食品质量进行评分和控制的制作方法
【专利说明】对食品质量进行评分和控制
[000。 发明【背景技术】领域
[0002] 本发明设及质量控制过程领域，更具体而言，设及采用图像分析控制动态生产线 的总体质量。
[0003] 相关技术说明
[0004] 已经有多种方法用于对在输送带上输送的食品进行的质量分析和筛选。该些方法 通常着力于对物体进行筛选，W拒绝有瑕疵或缺陷的物体和任何异物（包括食品的不可食 用部分）。例如，由沿生产线安排的人员在产品沿输送带通过时手动进行筛选的操作，提供 了一种对筛选或检验食品W进行质量控制的方法。然而，由于不同人之间人为判断的不一 致性，手工筛选成本较高且不可靠。
[0005] 计算机视觉和图像分析是一种具备替代性且被日益普遍使用的方式，可为保持较 高且稳定的质量标准提供自动化且具备成本效益的方法。计算机视觉系统正越来越多地被 应用于食品工业（包括，例如，对肉、粮食、鱼、披萨饼、奶酪或面包等的分级或筛选）的质量 保障中。关于图像分析的许多文献设及对视觉图像进行某种改变、W使图像更具视觉吸引 力或提取关于各种可观察特征的形状或边界信息的方法。在该方面，传统的图像处理过程 充当自动化的机器视觉系统，其执行操作的速度比观察人员或操作人员快许多倍，精度也 远高于后者。由此，该些系统实现的自动化分级可对技术加W标准化，无需对产品进行冗长 乏味且不稳定的人工质量检查。
[0006] 在质量属性中，食品的色泽具有重要意义，因为消费者经常基于此对食品进行选 择或拒绝。颜色是食品工业中应用的最重要的检验依据之一，原因在于食品的表面色泽可 能提示其内部存在缺陷或瑕疵。该些缺陷会影响消费者对一种产品及其卖点价值的接受度 或消费意愿。
[0007] 彩色摄像机经常配合机器或自动视觉系统用于食品质量的图像分析系统或机器 检查中。但食品工业的图像分析方法对物体的筛选通常仍然W将具有任何类型的缺陷、瑕 疵或视觉上令人反感的特征的每件产品排除在外为目的。例如，现有在食品生产中采用图 像分析的筛选方法，根据食品上所观察到的缺陷的暗度和尺寸来区分出缺陷食品。换言之， 大部分现有方法将任何缺陷均同等对待，而不考虑缺陷的相对面积或严重程度或食品本身 的尺寸。该类筛选方法所造成的食品废品量要高于使消费者可接受且不会影响食品总体感 知品质的废品量。业界已采取一些措施，W根据缺陷与产品总面积的相对大小来筛选产品。 然而，即使采用该些方法，缺陷/拒绝阔值仍然为静态，在产品接受质量检验的过程中不会 在接受度或偏好因素方面加W调整。该样就无法在考虑每一批次、每一袋或每一容器的接 受度阔值时同时兼顾每一件产品的接受度阔值。
[0008] 由此，仍然需要有该样的筛选方法，不仅筛选出可能有缺陷的食品，而且还对食品 上的缺陷进行评价，W使被不必要抛弃或浪费的食品量得W降低。该些方法应利用图像分 析提供可靠、客观且具备成本效益的食品生产方法，同时对食品进行接近即时的监测和反 馈控制，特别是在从装配或准备的一个阶段过渡到另一个阶段之时。最后，该些方法还应可 对等待最终包装W供消费的食品进行质量控制。 发明概要
[0009] 本披露内容提供了对在生产线中运动的食品的质量进行评分和控制的方法。本方 法的一种实施方式包括的步骤有；(a)获取多个运动中食品的图像；化）对图像进行图像分 析，W确定至少一种颜色的变化中的强度；（C)根据颜色百分比对多个运动中食品分组计 分，由此得出总体外观评分；W及（d)根据应用于单独食品的图像分析，对每个单独食品进 行评分，由此得出多个单独质量分值。在一些实施方式中，本方法包括对每个单独质量分值 从可接受度最低向最高排序，并根据质量阔值排除掉一个或多个单独食品，W提高整组的 外观分值。在一种实施方式中，该排除步骤包括向下游筛选设备发送信号W抛弃掉被单独 评分的食品的步骤。在一些实施方式中，质量阔值的改变部分地基于分组外观分值而作出。 此外，单独质量分值还可被用于将每件食品从最差（或可接受度最低）向较好（或可接受 度较高）进行排序，W使排名最差的产品首先被排除，由此提高多个食品的总体外观分值。
[0010] 本文所述方法的一种实施方式将获取运动中食品的多个图像，并将该些图像组合 在一起W进行成像仪分析。在一种实施方式中图像W可见光谱拍摄，而其他实施方式则W 红外或紫外光谱拍摄图像。还有其他实施方式使用在紫外与可见光谱之间或可见与近红外 光谱之间的巧光来拍摄图像。
[0011] 在一些实施方式中，图像被像素化为多个像素。该些像素被分类为至少两种颜色， W供一些实施方式中的评分步骤使用。在一种实施方式中，该些像素被进一步分类为代表 每种颜色不同强度级别的两个或更多子类。在至少一种实施方式中，该些像素包括红、绿和 藍色的变化中的强度。在一些实施方式中，分类步骤包括确定背景像素。
[0012] 在本发明的另一方面，披露了在动态食品生产系统中监测缺陷的一种装置。该装 置的至少一种实施方式包括图像获取设备；和能够存储算法的计算设备，其中该算法的依 据包含基于食品内有色缺陷的视觉感知度而量化得出的偏好阔值。在一种实施方式中，算 法的依据还包括有缺陷的面积与单件食品的面积之间的比值。在另一种实施方式中，该依 据还包括确定每个像素的颜色强度值。在至少一种实施方式中，该图像获取设备是能够获 取数字彩色图像的视觉系统。在一种实施方式中，该计算设备还能够对该图像获取设备所 获取的图像进行像素化。在一种实施方式中，该装置包括与该计算设备通信连接的筛选器。
[0013] 本文所述的方法所提供的对食品的评价和筛选不仅依据缺陷存在与否或者其尺 寸，还依据缺陷强度、类型W及其相对该食品尺寸的相对面积。在一些实施方式中，所述方 法对缺陷级别的区分部分基于消费者对缺陷的偏好或感知，同时计入被检测为不佳的缺陷 的面积和类型。本披露内容提供了一种用于对食品评分、同时又消除食品浪费量的更为客 观且稳定的依据。本文所述方法还提供了确定食品质量、同时控制到达消费者处的最终食 品质量的方式。最后，所述方法提供了在动态或运动中的生产线上W实时或接近实时的方 式将产品与理想的产品特性标准所进行的比较。
[0014] 结合附图，从本发明的W下详细说明中将明白地知晓本发明的其他方面、实施方 式和特征。附图为示意性，并非按照比例绘制。在附图中，各图中所示出的每个相同或基本 类似的组件均由同一数字或记号表示。为明晰起见，并非每一组件均在所有图中标示。本 发明的每一种实施方式的每一个组件也并未完全示出，具备业内普通技术的人员在该种不 完全标示的条件下已足W理解本发明。
[0015] 附图简要说明
[0016] 被视为本发明特性的新特征在所附权利要求中阐述。而参照下文对示例实施方 式的详细说明，并结合附图，将可很好地理解本发明本身及其优选使用模式、更多目的和优 势。在附图中：
[0017] 图1A和1B所示为现有技术中对经烹制的馨片产品进行拒绝的方法示例。
[0018] 图2所示为根据一种实施方式对动态生产线中的食品质量进行评分和控制的系 统。
[0019] 图3所示为根据一种实施方式的本方法的整体流程图。
[0020] 图4所示为根据一种实施方式的数字图像的累积。
[0021] 图5所示为根据一种实施方式、用于对多个炸制馨片的总体外观评分进行确定和 控制的理论废品量曲线。
[00过详细说明
[0023] 传统的图像分析方法在现有技术中已被用于食品工业的多种场合，例如水果和蔬 菜筛选、自动分隔、异物检查W及一般包装场合。但与质量控制相关的、采用对作为一个群 组的多个食品的总体外观进行改进化评分方式的数字成像应用在业界还未出现过。
[0024] 本文所述方法提供了对多个待包装食品进行评分和质量控制。评分包括使用图像 分析技术在已获取的图像中确定每个单独已加工食品的单独质量分值的步骤。本文所述的 "质量"一词是指对食品的视觉方面的第一印象。质量评分根据其外观（包括颜色、被感知 缺陷W及被感知缺陷的相对尺寸）给出，W确定烹制食品的视觉吸引力。
[00巧]本文所披露的方法提供了最大限度减少浪费的途径，即尽管食品包含小缺陷、但 却并不仅仅因此而被不必要地抛弃。相反，该些方法