- 番茄
- 蘋果
- 哈密瓜
- 水蜜桃
- 小黃瓜
- 紅蘿蔔
- 蔥
檢測內容
色澤量測
表面傷痕檢出
形狀與尺寸量測
凹陷與裂痕檢出
食品用檢測裝置（農產品/加工食品/水產品）農產品、加工食品、水產品，皆可檢測。
看得見的品質，看不見的品質。以 2D、3D、AI 的外觀檢測，以及近紅外光譜的內部品質量測，全面評估食品品質。從檢測到 NG 排出、嵌入現有生產線，一應俱全。
影像為示意。所顯示的數值與等級僅供圖示，並非產品規格或實際量測值。
- 外部品質感測器AP8000系列的導入實績
- 300處以上
- 內部品質感測器的最大處理能力※為 Imes10 的代表值，並非保證值
- 10個／秒
感測技術 × 系統提案力，全面評估食品品質。
長年累積的感測技術，以及依用途、產品、輸送條件量身打造的系統提案力。尼力科將這些技術拓展至食品產業，實現依檢測對象與生產線靈活調整的系統組態。
感測技術
結合影像、3D、近紅外的提案
系統提案
從檢測到 NG 排出、嵌入現有生產線
拓展至食品領域
對應農業、加工食品、水產的用途
靈活的組態
從上下面檢測、全面檢測、片狀檢測中最佳化
外觀＋內部的「綜合品質評估」
看得見的品質，看不見的品質。尼力科從這兩個面向正確評估食品的價值。
將廣泛食品領域中培養的「觀察力」，運用於品質評估。
以在農產品、加工食品、水產品等各種食品領域累積的影像處理技術與現場經驗為基礎，對應多樣的品質評估需求。
- 餅乾
- 銅鑼燒
- 豆腐
- 麵
- 片狀食品
檢測內容
烤色不均與焦痕檢出
裂痕與缺角檢出
形狀不良檢出
附著異物檢出
- 竹筴魚
- 鯖魚
- 鯛魚
- 秋刀魚
檢測內容
魚種識別與判別
魚體尺寸量測
脂肪含量量測
回應現場需求的靈活系統組態。
從僅檢測上面的簡易組態到多面檢測。依現場的多樣需求，為您提案最適合的檢測組態。亦可依檢測結果進行各種控制，並順暢嵌入現有生產線。
上下面檢測
同時檢測上面與下面
組態範例：上下 2 面檢測裝置
正反面＋4 側面檢測
檢測正面、背面、4 側面共 6 面
組態範例：6 面檢測裝置
片狀檢測
從單張片材到捲對捲皆可對應
組態範例：片狀食品檢測裝置
※所刊載的系統組態及檢測部配置為參考範例。組態將依您的要求規格而有所不同。
那項檢測，還在仰賴人的判斷嗎？
即使選果場或食品工廠推動自動化，仍有傳統影像處理難以做出的判斷。尼力科從現場殘留的檢測課題出發，組合技術。
顏色相近，就會漏掉缺陷。
正常部位與缺陷部位顏色相近時，傳統影像處理難以檢出。
原始影像AI 推論
與正常部位顏色相近的裂痕。移動分界線，即可看見 AI 捕捉到的區域。 番茄的裂痕、豆腐的剝離
找得到傷痕，卻分不出種類。
僅檢出障礙，難以用於按病害分選或對生產者的栽培指導。需要能分類是何種障礙的判斷。
蜜柑的原始影像。雖能看出有障礙，卻難以分辨是何種病害。 哈密瓜、蜜柑的病害
黏在一起，就數不準。
形狀與尺寸不一的食品，因重疊或相黏而難以分離輪廓。會反光的罐頭，在傳統處理中也有數錯的課題。
示意圖：說明將相黏的顆粒逐顆分開計數的概念（示意繪製，並非實際檢測影像或結果）。 相黏食品、罐頭的個數計數
用多雙「眼睛」，看透品質。
結合 2D、3D、AI 的多角度檢測，高精度評估目視難以判別的品質差異。將品質定量化並回饋至製造流程，支援持續的品質提升與流程改善。若再結合近紅外光譜的內部品質量測，即可從外觀與內部兩個面向進行評估。
- 品質的可視化
- 評估精度提升
- 省人化、效率化
- 品質提升與流程改善
2D 量測
長年累積的影像處理與感測技術，支撐高精度量測。
除異物附著外，亦可定量評估顏色、形狀、面積等。
- 2D 相機的量測項目
- 顏色、傷痕、形狀（圓度）、面積
- 檢出
- 異物附著
3D 量測
量測 2D 難以捕捉的高度、凹凸、體積、剖面形狀等。
利用雷射光逐線取得高度資訊，生成對象物的 3D 影像資料。高精度量測表面細微的凹凸與缺陷。在 2D 影像檢測的顏色與傷痕檢出之外再結合 3D 檢測，連人眼難以發現的微小凹凸也能捕捉。
即使帶土，也能捕捉形狀
以不易受照明環境影響的 3D，量測黑色輸送帶上帶土馬鈴薯的體積與形狀。一體型機殼加 1 台控制 PC 的組態，亦可節省空間。
- 3D 相機的量測項目
- 凹凸檢測、體積、剖面積的形狀
- 結合 2D 進行評估
- 重量推定、含凹陷的等級判定
AI 判定
高精度識別傳統手法難以分辨的品質差異。
以 AI 判定僅憑影像處理技術難以識別的相近顏色、複雜形狀，以及個體差異大的外觀不良。
自然物的影像處理 × 自主研發 AI
以長年的技術知識，先將影像整理成 AI 容易捕捉特徵的狀態再進行推論。依果實種類調整模型，並以 XAI 的熱圖確認關注部位，連結至再學習。
- 相近顏色的缺陷
- 豆腐的剝離、小番茄的裂痕
- 高難度的外觀不良
- 哈密瓜的青筋、粗網紋、損傷部、蔓枯病 等
- 障礙與病害的分類
- 蜜柑的風傷、黑點、茶木病 等
內部品質量測（近紅外光譜）
無需切開，即可量測糖度、酸度等內部品質。
以近紅外光譜式內部品質感測器，將透射對象物的光線吸收差異，透過預先建立的校正曲線轉換為品質推定值。水果的糖度、酸度由內部品質感測器 Imes 10 量測，魚的粗脂肪由應用相同近紅外分析的魚品質檢測裝置 QG100 量測。結合外觀檢測，即可在同一條線上評估看得見與看不見的品質。
將外觀看不出的品質化為數值
以等級評估內部障礙，實現符合品質基準的分選。從果實的糖度量測到魚的油脂含量，依對象建立校正曲線。
- 柑橘、番茄
- 糖度、酸度等
- 洋蔥
- 內部障礙（腐爛）
- 馬鈴薯
- 內部障礙（空心、變色）
- 魚
- 秋刀魚、鯖魚、竹筴魚的粗脂肪
檢測項目範例
- 色澤
- 傷痕
- 形狀
- 尺寸
- 凹陷
- 裂痕
- 體積
- 剖面形狀
- 糖度
- 酸度
- 腐敗
- 著色比率
- 黑點數
- 推定重量
- 烤色不均、焦痕
- 缺角
- 附著異物
- 魚種
- 脂肪含量
- 體長
- 花紋
檢測裝置相機實際拍攝的影像，以及推論與判定的結果。
原始影像
AI 推論
原始影像判定影像
原始影像
AI 推論
原始影像
AI 推論
以實測值確認檢測帶來的改變。
哈密瓜的病害、山藥的形狀、洋蔥的內部障礙。針對實際課題，介紹使用了哪些技術、獲得了什麼結果。
※所載數值為個別驗證與導入案例的結果，並非保證值。精度依對象物、拍攝條件、學習部位與校正曲線而變動。
哈密瓜AI 影像檢測
找出病害，並判別種類。
- 課題
- 病害判別困難，傳統影像處理即使能檢出障礙部位，也難以分類種類。
- 解決
- AI 學習青筋、粗網紋、損傷、蔓枯病的特徵。連同正常品一併分類。
- 效果
- 將病害與損傷按種類分開判定。分類結果可連結至穩定的品質分選與判定作業的省人化。
以 AI 分類的項目
- 正常品
- 青筋
- 粗網紋
- 損傷
- 蔓枯病
※可分類的障礙與判定精度，依學習資料與拍攝條件而變動。
山藥3D 檢測
凹凸不平的山藥，也能推定重量。
- 課題
- 因形狀的凹凸，由影像推定重量的精度不穩定。
- 解決
- 以 4 個方向的 3D 量測解析立體形狀。由高度資訊換算重量，並評估凹陷。
- 效果
- 即使有凹凸，也能由立體形狀推定重量。凹陷的評估亦運用於等級判定。
- 3D 量測的拍攝面
- 4方向周圍每 90 度，量測山藥的全周
- 用於評估的資訊
- 由高度資訊換算的重量與凹陷
※重量推定的精度依對象的形狀與量測條件而變動。
洋蔥近紅外內部品質檢測
外觀看不出的腐爛，無需切開即可評估。
- 課題
- 需要以非破壞方式分選僅憑外觀無法得知的內部障礙。
- 解決
- 以近紅外光的內部感測器，依校正曲線對內部狀態進行等級判定。
- 效果
- 將隨機抽取的 40 顆依內部狀態分類。可運用於品質基準的設定與分選評估。
- 建立校正曲線時的基準（Level）
- 0〜5內部障礙的等級判定
- 導入實績
- 24 道生產線
※等級為建立校正曲線時的基準。判定精度與閾值依對象與校正曲線而變動。
請告訴我們想檢測的品項、缺陷，以及目前的生產線條件。
加工食品與食品工廠的生產線，也以同樣的技術檢測。
將選果場使用的 2D、3D、AI 影像檢測，也搭載於烘焙點心、麵、豆腐等加工食品的生產線。即使不是農、水產品的品項，只要告訴我們對象與規格，即可從檢測項目開始為您提案。
- 對象品項範例
- 烘焙點心、餅乾
- 麵類
- 豆腐、炸豆皮
- 水產加工品、熟食
- 檢測項目範例
- 烤色不均、焦痕
- 裂痕、缺角
- 形狀不良
- 附著異物
- 黑點（1mm 以下）、異色異物
- 凹凸、穿孔（3D 量測）
- 個數計數
- 嵌入生產線
- 加裝於現有輸送線
- 包含剔除裝置與輸送帶的一體型
- 有水洗程序的生產線採防塵、防滴規格
- 上下面、正反面＋4 側面、片狀的檢測組態
從檢測、分選排出控制到資訊系統，由一家公司串連。
不只感測器，從判定、分選到資料管理皆一併設計。可在整條生產線上進行最佳化，發生問題時的釐清與復原也能迅速進行。
檢測
量測影像、高度、內部品質。整合外部與內部感測器的資料。
等級與規格判定
將量測結果對照品質基準，判定等級與規格。
分選排出控制
與輸送連動進行分選。亦可確認設定、量測結果與排出口的紀錄。
資訊系統
連結至選果單據、資料庫、JA（日本農業協同組合）系統。從收貨到出貨一貫管理。
遍及日本全國的農協設施與商家
300處以上
外部品質感測器 AP8000 系列的導入實績
- 蔬果外部感測器的相機配置
- 1〜12台
- 分選排出控制的對應實績
- 1〜45道
- 分選排出控制的最大出口數
- 90出口
※相機配置依對象與規格專門設計。多道生產線的分選排出控制以 5 道或 6 道為單位對應。
選果場
柑橘、番茄、蘋果、哈密瓜、山藥等。依自然物形狀與顏色的差異專門設計。
食品工廠
炸豆皮、厚炸豆腐、烏龍麵、仙貝、餅乾、費南雪等。依產品與生產線量身打造。
水產加工
對應秋刀魚、鯖魚、竹筴魚的粗脂肪、魚種分選、鯡魚卵與鮭魚菲力的顏色檢測等。
裝置陣容
從近紅外光譜式的內部品質感測器、外部品質感測器、食品用外部品質檢測裝置，到魚類分選裝置。依檢測對象與所需項目為您提案。請參閱各裝置的特點與規格。
- 水果分選裝置
- 依外部（傷痕、腐敗、尺寸等）或內部（糖度、酸度）因素，瞬間以非破壞方式判別農產品品質的裝置系統。
- 魚類分選裝置
- 瞬間量測、判別魚種與脂肪含量的裝置系統。無需人工即可分選，不受判定人員主觀影響，實現快速且衛生的分選作業。
檢測對象品項範例
- 蜜柑
- 晚熟柑橘類
- 日本柚子
- 柿子
- 梨
- 蘋果
- 哈密瓜
- 西瓜
- 水蜜桃
- 番茄
- 茄子
- 小黃瓜
- 山藥
- 馬鈴薯
- 鮮魚
- 點心
- 銅鑼燒
- 麵類
- 豆腐
規格值為代表值，並非保證值。依檢測對象而異，詳情請洽詢。
依檢測對象與輸送線為您提案
從嵌入現有生產線，到包含剔除裝置與輸送帶的一體型裝置，皆以自主設計對應。請告訴我們想檢測的對象物與現場條件。
TEL東京 +81-42-660-7400