
Automatisk detektion af bylder i slagtesvin
Avanceret billedanalyse og neurale netværk viser stort potentiale for at reducere kontaminering og forbedre hygiejnen i slagterier. En ny metode til automatisk detektion af overskårne bylder har leveret lovende resultater og baner vejen for mere effektive og hygiejniske processer i slagteriindustrien.
Projektet: Den digitale fabrik finansieret af Svineafgiftsfonden
Projektet har sigtet mod at forbedre hygiejne- og driftsprocesser på slagterier ved at detektere overskårne bylder efter den automatiske tredeling af halve slagtekroppe ved hjælp af avanceret billedanalyse og deep learning-teknologi.
Skjulte bylder i slagtesvin kan forårsage hygiejneproblemer og driftsforstyrrelser på slagterierne. Formålet med projektet har været at detektere overskårne bylder efter automatiseret opskæring ved at analysere billeder af skærefladerne. Ved at anvende neurale netværk til at genkende disse bylder kan vi hurtigt advare personalet og minimere kontaminering.
Vi har indsamlet over 1,9 mio. billeder af skæreflader på skinker og forender, hvoraf ca. 0,02% indeholder bylder eller kontaminering efter en overskåren byld. Der er på baggrund af disse billeder blevet trænet en computervisionmodel til at detektere overskårne bylder og kontaminering.
Resultaterne viser, at modellen er effektiv til at identificere store bylder stort set uden at finde nogen falske positive. Da det er vigtigst at finde de store bylder, samt ikke at have for mange falske positive, er det her, fokus har ligget i udvikling af modellen. Vores resultater indikerer, at vi er på vej mod en robust løsning til automatisk byldedetektion.
Vores test i produktion over to og en halv måned viste ligeledes lovende resultater i forhold til fund af bylder i skinker. Dog præsterede vores onlinemodel dårligt på forenderne grundet en ukendt fejl. Da værtslagteriet lukkede, var der ikke mulighed for at nå at rette op på den fejl, før onlinetesten måtte stoppe.