民以食為天，食品行業(yè)是一個體量非常巨大、企業(yè)眾多的行業(yè)，里面甚至有不少黑科技，如今半成品預制菜行業(yè)更是堆滿了中國人的餐桌，不知道半成品預制菜的風光的人只是沒去了解，一包200g的半成品預制菜，最低只要1塊多，可想而知這個行業(yè)是多的卷。為了在一眾產(chǎn)品中脫穎而出，不少生產(chǎn)廠家寄希望以包裝亮點取勝。

在包裝紛繁多樣多樣的背后，包裝檢測確實帶來了不小的麻煩。五花八門的包裝在機器識別過程中極易出現(xiàn)反光、堆疊等影響識別的情況，如果是傳統(tǒng)機器檢測完全是沒辦法處理的，但結(jié)合了光學成像技術(shù)、計算機技術(shù)、數(shù)控技術(shù)、機械工程技術(shù)、深度學習技術(shù)等的DLIA工業(yè)缺陷檢測解決方案卻可以輕松應對這些難題，且準確率可達到99.9%。

據(jù)了解，DLIA工業(yè)缺陷檢測為虛數(shù)科技自主研發(fā)，其集成了近千個圖像處理算法和多種交互開發(fā)工具，能夠在短期內(nèi)完成模型的標注、訓練和識別。并且，軟件使用具有極高的自由度，在自定義UI、無代碼開發(fā)、自定義流程設(shè)計的加持下，廠商只需投入一位運維人員即可快速搭建視覺檢測業(yè)務(wù)流程，縮短研發(fā)周期與驗證周期，為廠家極大程度地降低了檢測成本投入。

DLIA工業(yè)缺陷檢測里的深度學習技術(shù)通過訓練深度學習系統(tǒng)內(nèi)的神經(jīng)網(wǎng)絡(luò)，深入學習包裝表面的形態(tài)特征，建立包含包裝表面特征的深度學習模型，能夠快速識別不同組件的形態(tài)特征。食品行業(yè)企業(yè)眾多，生產(chǎn)環(huán)境、檢測要求也大不相同，搭載了深度學習算法的機器視覺解決方案具有可重復性和可擴展性，能夠靈活匹配各生產(chǎn)企業(yè)復雜的要求。

最后，說回半成品預制菜本身，半成品預制菜在存儲、運輸、加工和烹調(diào)過程中，有些維生素易受破壞和損失；很多半熟的蔬菜如果調(diào)過味，會產(chǎn)生亞硝酸鹽；還有部分商家資質(zhì)不全，甚至沒有資質(zhì)，在后廚加工預制菜，設(shè)備不達標，食品生熟不分離等，安全隱患大。這其實不是半成品預制菜的缺點，而是我們的缺點，我們需要做好多方面、多層次合力監(jiān)督，讓半成品預制菜的優(yōu)點迸發(fā)出來，AI機器視覺檢測的賦能或許能解決半成品預制菜這種種缺點。