到2018年底，美國食品和飲料行業將生產足夠的商品，以創造162億美元的收入。從長遠來看，這個數字僅次于于中國，按收入計算，中國是世界上最大的食品和飲料生產國，也是世界上人口最多的國家，擁有近14億人口。

　　要使美國龐大的食品和飲料行業平穩運轉，需要復雜的加工、生產、包裝和分銷環節。事情并不總是按計劃進行，生產商可能會發現自己面臨產品召回、食源性疾病爆發，甚至出現消費者投訴等。工業4.0提供了一個智能和有效的方法，在機器視覺的幫助下，可以確保最高水平的食品檢驗和符合食品安全標準。

　　機器視覺定義

　　機器視覺直到最近才被認為是一種廣泛應用于食品生產行業的工具，實際上，機器視覺在20世紀80年代就首次被用于食品質量檢測。這些早期的機器視覺的迭代僅僅由一個拍照的照相機組成，用來檢查松餅生產線，以確保超大的產品不會進入機器。雖然這個過程很粗糙，但它被證明是有效的。

　　今天的機器視覺系統要復雜得多。自動成像協會(AIA)將機器視覺分類為硬件和圖像分析軟件的相互組合，通過捕獲圖像來協助設備工作。當今的機器視覺系統通常都有或多或少復雜的人工智能，它可以分析模式，并從其視線內的物體中提取數據。然后將獲得的數據與從系統數據庫中提取的任何現有數據進行比較——該數據庫由人工管理，而不是自動化。一旦審查了數據，系統就會得出關于所捕獲項目的結論。

　　整個過程，從開始到結束，只需要不到一秒鐘。但是，在這么短的時間內，系統收集了大量關于該項目的有用信息。關于食物的顏色、成熟度、變質程度和內部溫度的數據是一眨眼的功夫就能得到的。甚至有可能獲得人類眼睛無法探測到的信息，比如機器視覺通過使用不同的波長分析食物中的內部成分。也可以用于包裝缺陷檢測，防止材料浪費，貼錯標簽和昂貴的食品召回。

　　食品召回

　　食品檢驗，老板雜志根據美國食品藥品管理局和美國農業部食品安全檢驗局的數據，2017年有456起食品召回事件。其中包括同一產品的多次食品安全違規/召回。未申報的食物過敏原(特別是在乳制品中)是召回原因的首選。李斯特菌是召回的第二大常見原因，通常影響受歡迎的早餐食品。還有24次以沙門氏菌為基礎的召回，以及240萬磅即食面包屑雞肉產品含有未申報的牛奶含量，使乳制品過敏的人處于危險之中。

　　盡管召回總數較2015年和2016年有所下降，但召回仍是食品生產中的一個主要問題。事實上，作為一個行業，盡管機器視覺使用的增加可以顯著提高健康和安全標準，但在利用自動化方面，食品生產遠遠落后于其他生產線行業。

　　行業挑戰

　　食品生產行業走得很好。它必須保持高效率，同時生產滿足消費者需求的食品，以及聯邦健康和安全法規。此外，生產商需要權衡傳統低利潤業務的成本與食品生產價值線中更高安全性和質量的要求。

　　實現機器視覺可能需要初始投資高于許多生產商，但可以提高加工效率，減少代價高昂的錯誤、疏忽和召回(其中一些可能導致更昂貴的訴訟)，可以在較短的視覺內彌補投資成本。

　　此外，還需要考慮消費者成本。由于消費者的健康和安全受到威脅，食品檢驗過程必須對錯誤采取零容忍政策。品牌或產品一旦失足，就會失去顧客的信任。標記不當的食品或肉或家禽中被忽視的感染跡象可能會造成生命損失。僅今年一年，FDA就已經將44人的死亡與沙門氏菌爆發聯