虽然很明显，AI开发在行业中缓慢移动，但食品和饮料公司可能能够使用AI食品加工， 特别是：
- 分类和质量控制
- 食品生产
机器视觉似乎是在食品和饮料行业最常见的人工智能方法。食品加工设备供应商提供机器视觉软件与他们的设备配合使用，声称他们可以自动从流水线和/或食品通过机械系统的传送带上筛选出劣质食品和非食品。
其他供应商提供用于优化成分混合物的软件，以防止浪费成分和低质量的食品和饮料批次。我们将首先查看排序和质量控制：
分类和质量控制
Tomra Systems Asa
Tomra Systems Asa优惠一行具有分析功能的食品分类机械它声称可以提供帮助食品制造公司执行自动食品分析，如测量薯条的大小、形状和颜色，或分析肉中的脂肪含量使用形状识别技术是机器视觉的一个子集．
托管声称客户可以整合POM / DYN.炸薯条长度分析仪具有他们自己现有的炸薯条生产机械。
我们可以推断出来该软件背后的机器学习模型是在不同大小和形状的炸薯条图片从各种角度和各种照明条件。这些图像会被标记为正确长度的薯条，比如3到4英寸，或者太短或太长．
这些标记为图像然后通过软件的机器学习算法运行。这将训练算法识别1和0的序列和模式，对人眼来说，形成图片A.法国煎炸的正确长度和太短或太长的人，或者是一种变色和可能污染的人，显示在图像上仪表盘．
然后，机器操作员可以通过POM / DYN相机运行实际的炸薯条,软件背后的算法将能够辨别在3到4英寸之间的碎片，在机械的主流上被接受。不符合指定长度的碎片被重定向到另一个流. 通过LDC显示器，系统显示机器运营商通过形状、颜色和长度标准的薯条的一个随机样本，并与不合格的薯条样品进行比较。
下面是一个简短的2-演示如何操作的分钟视频Tomra分拣设备能够辨别法国油炸物的正确形状，长度和颜色，并分开不符合规格的薯条：
托姆拉声称有帮助agristo.在葡萄牙在2014年更新其食品加工厂，消除由于缓慢过时的机器造成的瓶颈。然而，有限的空间和持续的能力意味着Agristo不需要也不能安装更大的机器．Agristo生产冷冻炸薯条和其他马铃薯产品，选择部署Tomra的光学分选机在比利时和荷兰的Agristo工厂。
该案例研究报告称，Tomra升级了现有的分拣机，在冷冻薯条打包前检查它们，并补充说，Tomra更换了摄像头、电脑和软件，但保留了框架、传送带和歧管。
根据案例研究，每个设施只花了四天时间，其中一天用于培训Agristo的员工。Agristo还报道说，机器投入生产后，工厂没有遇到任何问题，并帮助公司维持了超过14万吨的生产。
2015年，Agristo还计划将另一个项目委托给TOMRA，为其荷兰计划制造分拣机．
托姆拉还有名单Sun Valley Raisins，Tann Marchtrenk，Gerry的厨房，Hata Foods，Morada坚果，Salaisons Jouvin和Kadi作为一些他们过去的客户。
Volker Rehrmann.是执行副总裁和首席技术官在托姆拉．他持有博士在里面计算机科学从科布伦茨大学．在此之前,这个人的姓充当题目在面向AI集中公司的马奎公司或领导的名称．
关键技术
关键技术优惠一种分类机械，包括Manta数码相机/激光分拣机，它声称可以提供帮助蔬菜包装公司通过清除新鲜农产品中的异物，如绿叶蔬菜、玉米、绿豆和豌豆，保持食品质量和安全使用形状识别技术．
我们可以推断软件背后的机器学习模型受过培训数千种农产品和国外材料显示优质农产品与劣质农产品、泥土、昆虫、树枝、小石块和子叶之间的区别从各种角度和各种照明条件。这些图像会被标记为产品质量好坏．
这些标记为图像然后通过软件的机器学习算法运行。这将训练算法识别1和0的序列和模式，对人眼来说，形成图片的好农产品和坏农产品。不清楚系统是否有显示单个对象检查的仪表板．
然后，机器操作员可以开始移动机器当摄像机捕捉图像时，传送带上实际的农产品那是未标记为该软件．软件背后的算法将能够区分好产品和不合格产品以及异物的形状和颜色．
下面是一个简短的2-演示如何操作的分钟视频2000年外套从不合标准的碎片中对优质的玉米粒进行分类：
关键技术声称有帮助纯太平洋有机物（PPO），一种有机鲜切种产品的处理器，如婴儿菠菜和弹簧混合物保持产品质量和安全。PPO部署关键技术该公司的Optyx配备了荧光感应激光分选机FluoRaptor．根据案例研究，机械能够根据叶绿素水平以及颜色、大小和形状检测和去除有缺陷的、外来的植物物质和外来物质。
该机器具有48英寸（1220毫米）宽的扫描区域，每小时可分拣6500磅（3公吨）的产品。该机器还配备了一台顶部安装的激光器、两台顶部安装的Vis/IR摄像机和两台底部安装的Vis/IR摄像机，用于从顶部和底部查看产品。
因此，该案例研究称PPO的产品效率接近100%，在保持生产目标的同时降低了劳动力成本。
关键技术还有名单Eisberg Group, The Clements & Son Ltd, Pizzoli, Quebec Wild Blueberries, Emblème Canneberge, Antarctic Foods, and Nut Company作为一些他们过去的客户。公司是被杜兰万特收购2018年1月175万美元。
路易Vintro是新产品和业务发展高级副总裁在关键技术．他持有博士在里面物理从斯坦福大学．此前,Vintro担任作为Emarket Solutions导演在Vitria技术公司和KLA-Tencor公司技术项目高级主管．
食品生产
罗克韦尔自动化
罗克韦尔自动化优惠一个生产分析应用软件叫做FactoryTalk分析，该公司声称这会有所帮助各种行业，包括食品和饮料公司，利用数据节省时间、防止错误、降低能耗、提高质量、提高效率，并为相关员工提供自助分析的访问使用机器学习．
罗克韦尔自动化声称食物饮料公司可以将该软件集成到生产和商业系统中。
该公司美国该软件背后的机器学习模型是在来自设备，传感器，标签和业务系统的结构化和非结构化数据，这些数据可能与生产过程，资产函数或管理流程有关．然后，这些数据将通过软件的机器学习算法运行。这将训练算法识别哪些数据点相关生产和能力，衡量成分，能耗或机器条件．
然后软件就可以进行预测最佳生产能力、正确的配料量、最低能耗或最佳的机器维护日期等。这可能需要也可能不需要用户上传有关其工作的信息计划增加生产或新配方的食品配方等事先进入软件。
下面是一个简短的3.-演示如何操作的分钟视频FactoryTalk Analytics可以从内部企业数据库中访问任何类型的数据，并接收这些数据以创建预测：
罗克韦尔自动化声称有帮助美可，乳制品加工公司一世分阶段实施Pavilion8解决方案，以引入模型预测控制技术，满足监管要求、消费者需求、产品质量和不断上涨的成本。为了提高绩效和盈利能力，Miraka投资了罗克韦尔的应用程序，以优化奶粉工艺。
蒸发过程在第1阶段部署后，第二阶段实施喷雾干燥器模型预测控制，使公司能够通过闭环水分控制来提高产量，以确定奶粉产品所需的最佳水量。容量也在安全范围内增加。
在项目的第三阶段和最后阶段，实施了多变量模型预测控制，跟踪奶粉产品干燥过程中的液体成分，并使过程标准化。这使得最终产品的蛋白质和脂肪含量具有更好的一致性，减少了标准化成分的使用。
罗克韦尔自动化还有名单杜邦、卡夫·亨氏、加尔布塞拉·特雷·玛丽、卡夫·博伯恩、AFA系统、塔斯马尼亚水电、阿诺特、亨肖、阿肯色钢铁、弗雷格登希尔、德尤、托马蒂和洛特作为一些他们过去的客户。
Sujeet集是高级副总裁兼首席技术官在罗克韦尔自动化．他持有博士在里面电气工程从佛罗里达大学．钱德在罗克韦尔工作了17年．
标题图像信用：维基百科
