:::

產業技術評析

智慧化技術於食品加工製程之應用
發表日期:2017-10-25
作者:張欽宏(食品所)
摘要:
食品加工製程係指食品從原料到最終產品的製造過程,其中涉及多項變數如原物料、加工技術與設備等。

全文:

食品加工製程係指食品從原料到最終產品的製造過程,其中涉及多項變數如原物料、加工技術與設備等。隨著工業化及新興技術的發展,部分食品製造從傳統方式逐漸改以自動化模式,但有些食品製造由於原料處理、加工程序及產品包裝等因素限制,尚無法全製程自動化生產。近年來物聯網(IoT)、人工智慧(AI)、機械手臂等技術快速發展,國外食品製造廠商已開始應用機器視覺系統、AI機器學習及機器人等技術,整合成初階智慧化生產線並進行優化升級,可改善原料及能源運用效率,進而提升生產效益及產品品質。據美國國家標準技術研究所(NIST)預測,改變食品製程可提高生產能力達20%,並降低原料損耗率4%。
 

機器視覺系統:提升產線效率
 

以光譜學角度來看,人類肉眼僅能檢視食品表面可見光的波段,當產品少量製造時,以人工檢查作為食品製造的一環,是現行部分國內廠商倚賴的方式。然大量製造時,若仍依上述生產方式,勢必增加人力投入,導致製造成本增加,例如以人工挑選與分級花生。現階段食品產業以金屬檢測機或X光線機檢查控管包裝食品,取代人工無法檢視的範圍,廣義上此為機器視覺(Machine vision)檢查的一種。此外,食品產業已應用可見光到近紅外光等波段之高光譜影像(Hyperspectral imaging)技術,進行更高效益及精細的產品檢查。
 

高光譜快速掃描技術已獲重大突破,對機器視覺於食品產業的應用發展影響甚鉅。美國Headwall Photonics公司開發的高光譜線上檢查家禽專利設備,可應用於屠體生產線檢查,速度較傳統方式提高四倍。挪威TOMRA公司開發近紅外光異物檢測器,用以檢測結構或顏色特徵類似之原料並將異物分離,已應用於堅果及果乾的分篩。德國LLA Instruments公司利用高光譜進行原料分類與新鮮度識別、異物辨別以及食品營養成分分析。美國Banner Engineering公司開發距離感測器,透過與原料距離的量測,控制玉米脆餅麵糰擀捲厚度與吐司麵包的最適發酵高度。另外,英國Nottingham大學與Martec公司整合超音波和光學感測器所開發的感測系統,可更精準用於清潔食品製造設備,估計每年可為英國食品產業節省1億英鎊。
 

透過機器視覺系統非破壞性的檢測方式,監測原料或成品瑕疵,進而排除製程產線之異常或不良品產生,其中感測器僅是獲取生產資訊的載具,後續需藉由演算技術或製程控制執行系統,進一步整合、分析、決策判斷。目前國內此部分研究與應用尚未整合與普及,相關進口設備價格昂貴且操作不易,推估初期相關技術的應用,以大宗原料與製程簡單、產品價值高的生產線為主,且導入價格亦應合理,方能快速推動食品加工製程智慧化的發展。
 

機器學習:優化製程管控與效能
 

機器學習(Machine learning)屬AI專業領域,需運用大量數據和演算法來訓練機器;若要投入實際生產流程,系統所連結每部設備都需進行訓練,其投資成本高且開發不易,但此為食品產業邁向智慧化的關鍵。食品產業升級改變應從原料端把關管理著手,再逐步應用於尚需人工判斷的食品製程階段。以烘焙產業為例,高品質烘焙產品的麵糰攪拌及發酵都由師傅把關,以個人經驗或者觸摸方式進行判定,難以數量化及標準化製成自動化設備。部分攪拌機雖設有扭力感測機制,但從單一指標判斷麵糰攪拌程度不夠全面,若導入機器學習中的決策樹概念,單一步驟能以多項指標評斷,即可以更精確地完成所有作業。
 

國外食品設備應用機器學習已有不少案例,例如美國BreadGuard烘焙食品公司以光譜法與超音波感測器,監測烤箱環境溫濕度、產品褐變度及內部結構特性,應用反饋機制適時調整製造條件,以及預測烤焙時間。另日本Kirin及英國Intelligent layer等啤酒業者,結合機器學習的釀酒設備,可依據過去20年經驗數據與現階段各種生產條件,預測與設定最佳釀造方法;同時應用機器學習系統與客戶反饋的數據,可提高生產速率三成以上,及深入了解消費者喜好。
 

臺灣食品製造多為半自動化生產模式,其中飲料業整線自動化程度最高。然將全程製造產線智慧化需解決幾項問題,例如複雜變數的決策判定、人工經驗複製與數位化等,由於勞動人力短缺和高齡化,機器學習是傳承經驗與技術選擇之一。
 

機器手臂:導入人力繁重之作業
 

機械手臂是智慧化技術應用在食品製程最終階段,用以搬運重物,取代難受的溫濕工作環境以及高頻率、重複性的肢體動作等。例如豐田物流公司開發智慧化省力搬運車,Headwall Photonics公司以具真空吸盤的機械手臂,進行核桃原料異物的快速剔除。然越精細及複雜的機械手臂運轉動作,必須花費較長的資訊處理時間,以軟體程式運算抓取物體的最短路徑,另需設計適用多項食品的夾具,讓機器手臂執行人類無法施行的動作或運轉速度比人類快。
 

現階段生產系統僅能達到自動化而非智慧化,因此多數生產線上機器手臂都設置於產品製程末端,食品產業大幅應用於瑕疵產品剔除、包裝和裝箱等,例如德國Gerhard-schubert公司在包裝設備裝設具視覺系統的機器手臂。國內已有食品業者導入自動搬運車、機械手臂,但只屬於自動化一環。與自動化最大的區隔,是智慧化包含進階的機器視覺、深度學習、判斷等功能,因此未來有相當大的技術難度需要克服,才有機會逐步實現智慧化加工製程。
 

結語
 

漸進式落實自動化與智慧化:因應食品消費市場快速變動及產業製造升級轉型之需求,未來加工製程智慧化是重要發展趨勢。漸進式落實自動化與智慧化是首要措施,先將未自動化製程升級自動化,或將自動化製程加裝智慧化模組。廠商可由產程原料端的檢查開始導入智慧化技術,以完整掌握原料特性及安全性,例如運用機器視覺系統分篩原料時,即能獲取原料重要資訊。
 

善用科技提升產品製程與品質:許多國內食品製造相當倚賴人為經驗,是食品產業自動化與智慧化不易推行的關鍵。然透過機器學習系統數位化及標準化複製人工經驗,可直接獲知消費偏好動向,製造符合消費者需求的產品,並開發原料處理階段的智慧化設備,降低人力成本。未來食品產業導入智慧化製程技術,將逐漸引為趨勢,如何善用智慧化新興技術將是未來食品產業優化生產製程必須思考的方向。
 

(本文作者為食品所執行產業技術前瞻研究與知識服務計畫產業分析師)


* 點閱數2275
更新日期:2020-04-08

回上一頁 回首頁