CN112789492A - 用于检测包装内部的气体的真空包装产品检验 - Google Patents

Abstract

一种用于检测有缺陷的真空包装产品的过程、产品和系统。该过程可包括提供包括被封闭在包装物品内的产品的包装产品。包装物品可包括膜，该膜具有包含基于荧光的指示剂的至少一个层。该过程可进一步包括：将包装产品暴露于入射电磁能以产生激发的基于荧光的指示剂，使得激发的基于荧光的指示剂发射荧光电磁能；以及基于由激发的基于荧光的指示剂发射的荧光电磁能来确定气体存在于包装物品内。

Description

用于检测包装内部的气体的真空包装产品检验

技术领域

本发明涉及一种用于出于品质保证而检验真空包装产品的过程，以确保在包装内部获得并保持真空严密度。

背景技术

柔性膜经常用于真空包装中，因为它们能够适形于产品的表面。各种包装缺陷会导致真空包装内部有气体，其中包括以下原因：膜中有孔或撕裂、形成密封时的密封不连续性、形成密封后的密封失效、以及在包装过程期间获得的不足真空。

当在真空下包装时（即，处于真空包装），具有短保质期的产品（诸如，食品产品）呈现延长的保质期。食品与真空包装内部气体的接触会加速腐败速率，从而降低食品的保质期。

如今，检测包含食品产品的泄漏的真空包装仍然作为客户包装设施处的劳动密集型的、离线的、破坏性的过程存在。传统的仪表化漏隙（leaker）检测方法是已知的，其基于压力差、压力梯度或发射的气体（例如，CO₂）检测。这些过程和系统大都是破坏性的，并且只能离线执行。

在可以在线执行的实施例中，将期望能够以非破坏性的过程来检查真空包装产品的包装真空完整性，例如检查真空包装内部气体的存在。还将期望具有可以检验真空包装的期望的真空度的包装完整性检查。

发明内容

在包装和/或分布期间，及早检测真空包装内部的气体、接着是拆开包装和重新包装可以阻止潜在的食品腐败、提高保质期并改进产品一致性。

已发现，如果膜设置有在由入射电磁能激发之后发荧光的指示剂并且该膜用于产品的真空包装中，则真空包装内部气体的存在增强了在包装的其中膜与产品分离且产品和膜之间有气体的（一个或多个）任何区域中所测量的荧光强度。更特别地，已发现，在其中在包装内部膜和产品之间的间隙中存在气体的（一个或多个）区域中，对比在膜和产品之间没有气体的区（area），激发的指示剂的荧光可检测到在其中膜和产品之间有气体的（一个或多个）区中处于更大的强度。据信，增强的荧光可由包装内气体的折射率和光散射引起，这可增加发射回到观察者和成像装置的荧光电磁能。指示剂可引起穿过膜的光在膜和产品之间具有气体的区中相长干涉，并且指示剂可引起反射回到观察者的光的变化（例如，与周围的没有被截留气体的膜和产品相比，波长或强度的变化），人眼和/或成像传感器可检测到这些变化。结果，检测荧光强度增强的一个或多个区域揭示了与膜和产品之间的气体相关联的包装缺陷的存在，这进而揭示了真空包装内部气体的存在，即真空包装的完整性问题或包装内真空度的问题。

第一方面涉及一种用于检测真空包装内部的气体的过程，该过程包括：A）将产品放置在打开的包装物品内部以提供部分包装的产品，该包装物品包括膜，该膜具有包含基于荧光的指示剂的至少一个层；B）通过将部分包装的产品放入真空室中并从真空室内排空气体，来从真空室内部以及从包装物品内部排空气氛；C）在已从包装物品内部排空气体之后，将包装物品密封闭合，以产生真空包装产品；D）从真空室移除真空包装产品并将真空包装产品带入环境气氛中；E）将真空包装产品暴露于入射电磁能以产生激发的基于荧光的指示剂，使得激发的指示剂发射荧光电磁能；F）基于由激发的指示剂发射的荧光电磁能来生成原始数据；G）从原始数据形成图像数据；H）评估图像数据以确定真空包装产品是否呈现与产品和膜之间的气体相对应的波长偏移和/或荧光强度。

在实施例中，产品是氧敏感产品。

在实施例中，气体是空气。

在实施例中，膜是单层膜。在另一个实施例中，膜是多层膜。

在实施例中，膜是可热收缩膜，其在85℃下根据ASTM D2732测量的总自由收缩率为≥ 10%。在其他实施例中，膜在85℃下根据ASTM D2732测量的总自由收缩率为≥15％、或≥20％、或≥30％、或≥40％、或≥50％、或≥60％、或≥70％、或≥80％、或≥ 90％、或≥100％、或≥ 110％、或≥ 120％。

在实施例中，膜是可热收缩膜，并且该过程进一步包括：在从真空室移除真空包装产品知乎，使膜收缩贴紧产品。在从真空室移除真空包装产品时，真空包装产品与环境气氛接触。

在实施例中，在将真空包装产品从真空室移除并带入环境气氛中之后的至少一秒钟生成原始数据。在实施例中，在将真空包装产品从真空室移除并带入环境气氛中之后的≥ 1秒、≥ 5秒、或≥ 10秒、或≥ 20秒、或≥ 30秒、或≥ 60秒、或≥ 120秒、或≥ 300秒生成原始数据。

在实施例中，在使膜收缩贴紧产品后生成原始数据。在实施例中，通过使真空包装产品穿过收缩通道来使膜收缩贴紧产品，并且在真空包装产品从收缩通道出来之后的至少一秒钟生成原始数据。在其他实施例中，在真空包装产品从收缩通道出来后的≥ 1秒、≥ 5秒、或≥ 10秒、或≥ 20秒、或≥ 30秒、或≥ 60秒、或≥ 120秒、或≥ 300秒生成原始数据。

在实施例中，使真空包装产品穿过热水浴以使膜围绕产品收缩，接着是使真空包装产品穿过吹离单元以将水吹离真空包装产品。在实施例中，在真空包装产品从吹离单元出来之后的至少一秒钟生成原始数据。在其他实施例中，在真空包装产品从吹离单元出来之后的≥ 1秒、≥ 5秒、或≥ 10秒、或≥ 20秒、或≥ 30秒、或≥ 60秒、或≥ 120秒、或≥300秒生成原始数据。

已发现，由于存在允许环境气体（例如，空气）进入包装的小通路（例如，具有小泄漏的“漏隙”）所致而缺乏完整性的真空包装可在使大量的环境气体进入包装方面呈现明显的延迟。可以通过使真空包装产品穿过包装操纵器来缩短该延迟，该包装操纵器使真空包装经受一种或多种操纵形式，这些操纵形式提高了环境气体进入到包装中的速率。在一些实施例中，可在搜寻包装物品内部的气体之前或同时使用本文中所公开的任何感测手段来操纵真空包装产品。包装也可人工操纵。

操纵形式包括振动、冲击、翻滚、空气喷射、温度变动等，即，增加通过小通路进入包装中的气流的速率的任何操纵形式，所述气体进入由此增加了膜与产品分离的面积，从而由此增强了检测真空包装中的泄漏的能力。在实施例中，在真空包装产品从包装操纵器出来后的至少一秒钟生成原始数据。在其他实施例中，在真空包装产品从包装操纵器出来之后的≥ 1秒、≥ 5秒、或≥ 10秒、或≥ 20秒、或≥ 30秒、或≥ 60秒、或≥ 120秒、或≥300秒生成原始数据。

替代地或另外，包装操纵器可以用于通过引起膜变松或起皱、或通过使膜的一部分与产品分离（其方式为引起已进入包装的气体去到包装的某个区，使得从该区获得的原始数据与产品和膜之间的气体相对应）来揭示泄漏的包装的存在。所诱发的膜起皱或与产品分离的任一种存在都可指示包装中气体的存在。

在一些实施例中，也可在不足真空已形成于原本密封的物品中的情况下（即，“低真空”条件）使用包装操纵器。在低真空条件下，气体被截留在包装产品中，但不存在泄漏。在这种情况下，包装操纵器可对将气体移入包装的某个区中有用，该区允许更容易检测或通过引起膜变松或起皱来揭示泄漏的包装的存在。

尽管可以使用快照图像来确定气氛是否已经进入包装，但是包装操纵器可以用于进行以下各者中的任一者：（i）将包装内部的气体移动到更容易观测到的区，和/或（ii）生成包装异常，诸如包装物品中的褶皱，所述褶皱也更容易观测到。容易观测包括肉眼观测和/或使用机器视觉系统观测。（i）和（ii）两者都可以用于增强检测包装内部气体的存在或不存在的能力。此外，经历操纵的包装的视频图像（或多个快照）可以帮助人工观测和/或机器视觉软件评估包装在膜和产品之间是否具有气体。

在实施例中，在拍摄快照或视频的时间期间，包装相对于成像装置（例如，相机或其他光敏传感器）的位置而处于固定位置中。在实施例中，在拍摄快照或视频的时间期间，包装相对于成像装置的位置而不处于固定位置中（即，正在移动）。

在实施例中，通过包含基于荧光的指示剂的所述至少一个层来均匀地分布基于荧光的指示剂。

在实施例中，膜包含包括聚合物和基于荧光的指示剂的共混物的层，其中基于荧光的指示剂在共混物中基于层总重量以从大约5到50 ppm的量存在，其中基于荧光的指示剂与聚合物均匀地共混。在抽取10个随机样本（每个样本的大小为10克）时，指示剂在指示剂/聚合物共混物中的均匀性指代指示剂在共混物中的浓度基于指示剂在共混物中的目标浓度经受不超过20%且不小于20％的变化。在实施例中，聚合物包括PVDC，即聚偏二氯乙烯。

指示剂在聚合物中的目标浓度被计算为[W_I/W_B] x 100，其中W_I表示用于制备共混物的指示剂的总重量，且W_B表示共混物总重量，即经组合以制成共混物（包括指示剂）的所有成分的总重量。可以通过确定由样本发射的荧光的量并将该荧光与具有已知W_I/W_B的一组标准的荧光进行比较来确定每个样本中的指示剂的重量百分数，这些标准包括目标浓度下的标准以及方差极限下的标准（即，比目标浓度高20%和低20%下的标准）。

在另一个实施例中，在抽取10个随机样本（每个样本的大小为1克）时，指示剂在指示剂/聚合物共混物中的均匀性指代指示剂在共混物中的浓度基于指示剂在共混物中的目标浓度经受不超过20%且不小于20％的变化。在实施例中，聚合物包括PVDC，即聚偏二氯乙烯。

在另一个实施例中，在抽取10个随机样本（每个样本的大小为0.1克）时，指示剂在指示剂/聚合物共混物中的均匀性指代指示剂在共混物中的浓度基于指示剂在共混物中的目标浓度经受不超过20%且不小于20％的变化。在实施例中，聚合物包括PVDC，即聚偏二氯乙烯。

在另一个实施例中，在抽取10个随机样本（每个样本的大小为0.01克）时，指示剂在指示剂/聚合物共混物中的均匀性指代指示剂在共混物中的浓度基于指示剂在共混物中的目标浓度经受不超过20%且不小于20％的变化。在实施例中，聚合物包括PVDC，即聚偏二氯乙烯。

在另一个实施例中，在抽取10个随机样本（每个样本的大小为0.001克）时，指示剂在指示剂/聚合物共混物中的均匀性指代指示剂在共混物中的浓度基于指示剂在共混物中的目标浓度经受不超过20%且不小于20％的变化。在实施例中，聚合物包括PVDC，即聚偏二氯乙烯。

在另一个实施例中，在抽取10个随机样本（每个样本的大小为0.0001克）时，指示剂在指示剂/聚合物共混物中的均匀性指代指示剂在共混物中的浓度基于指示剂在共混物中的目标浓度经受不超过20%且不小于20％的变化。在实施例中，聚合物包括PVDC，即聚偏二氯乙烯。

尽管包含荧光指示剂的功能层可以是氧气屏障层，但是可将荧光指示剂放置在各种各样功能性或非功能性膜层中的任一者上。在一些实施例中，指示剂可以以任何形式并入到包装物品中，作为包装结构的一部分，或者例如经由涂覆在膜制造过程中进行添加。即，除了氧气屏障层之外，膜还包括各种各样的层。被设计成提供微生物屏障的包装可包含中和微生物的活性剂，如在US 2012/0087968 A1和WO 2012/047947中所描述的，其中每一者通过引用以其整体并入本文中。这些膜中的一些被设计成用于食品包装。其他膜被设计成用于非食品接触的最终用途。包含批准用于食品用途的材料的食品接触膜可包括例如天然衍生的材料，诸如抗生素、细菌素、壳聚糖、酶、天然提取物、肽、多糖、蛋白质和/或异硫氰酸烯丙酯。

其他膜可具有包含一种或多种酸的层，所述酸诸如为：乙酸、柠檬酸、肉桂酸、乳酸、月桂酸、辛酸、丙酸、山梨酸和/或苯甲酸。这种层可以设置有添加的可检测成分，使得可以通过机器视觉系统以与检验具有氧气屏障层的膜相同的方式（即，如上文所描述的）来检验该层。

再其他膜可具有包含以下各者的层：酸盐、细菌素、噬菌体、1,2-苯并异噻唑啉-3-酮、BHA/BHT、氯化十六烷基吡啶、壳聚糖、二氧化氯、抑霉唑、溶菌酶和/或乳铁蛋白。这种层可以在其中设置有可检测成分，使得可以通过机器视觉系统以与检验具有氧气屏障层的膜相同的方式（即，如上文所描述的）来检验该层。

再其他膜可具有包含以下各者的层：金属或金属盐（例如，银、铜或锌）、金属氧化物和/或单月桂酸甘油酯。这种层可以设置有添加的可检测成分，使得可以通过机器视觉系统以与检验具有氧气屏障层的膜相同的方式（即，如上文所描述的）来检验该层。

再其他膜可具有包含天然油或提取物的层，所述提取物诸如为百里香酚、丁子香酚、香兰素、大蒜油、葡萄籽提取物、肉桂、洋葱、罗勒、牛至、月桂和/或丁香。

再其他膜可具有包含以下各者的层：聚六亚甲基双胍盐酸盐、对羟基苯甲酸酯、接枝的硅烷-季胺、三氯生、以及银、铜和/或锌的沸石。

再其他膜可具有包括荧光指示剂的涂层，该荧光指示剂在膜上的印刷物之后施加。涂层可改进美学目的或保护产品上的印刷物。

如果荧光指示剂并入到功能层中，则该指示剂可以以检测器可检测到的任何水平存在于膜的任何部分或层中，同时允许功能层保持其预期功能。功能层中的过多荧光指示剂可干扰层功能。过少的荧光指示剂可变得检测器无法检测到。在一些实施例中，指示剂可并入到非功能层中或作为涂层添加到膜。在实施例中，荧光指示剂可以以至少0.5百万分率（ppm）的水平存在。如本文中所使用的，短语“百万分率”和等效表达“ppm”指代荧光指示剂的重量对层的总重量（荧光指示剂重量+层中其余成分的重量）。当然，该层的多数成分是在室温下为固体的一种或多种热塑性聚合物。该层的荧光指示剂和热塑性聚合物两者在室温下都可以是固体。在实施例中，荧光指示剂可以以至少1 ppm、或至少1.5 ppm、或至少2ppm、或至少3 ppm、或至少5 ppm、或至少10 ppm、或至少20 ppm、或至少40 ppm、或至少80ppm、或至少120 ppm、或至少160 ppm、或至少200 ppm、或至少300 ppm、或至少500 ppm的水平存在。在实施例中，荧光指示剂可以以从0.5到40 ppm、或从1到20 ppm、或从1.5到10ppm、或从2到5 ppm的水平存在于层中。为了使膜适合于食品接触的最终用途，荧光指示剂以不超过150 ppm的量存在于层中。

基于UV的荧光指示剂是具有独特的吸收和/或荧光性质的UV吸收化合物。优选的UV吸收荧光指示剂成分具有自然界中不存在并且不容易与来自天然源的信号相混淆的独特的光学特性。优选的UV荧光指示剂在其UV光谱中具有多个独特的吸收或荧光特征。例如，如本文中所使用的，将375纳米下的电磁辐射用作入射辐射以激发被称为2,5-噻吩二基双(5-叔-丁基-1,3-苯并恶唑)的荧光指示剂，其指派有CAS登记号7128-64-5，并且其也被称为：2,2′-(2,5-噻吩二基)双[5-叔-丁基苯并恶唑]；2,5-双-2(5-叔-丁基-苯并草酰基)噻吩；2,5-双(5-叔-丁基-2-苯并恶唑基)噻吩；2,5-双-(5-叔-丁基苯并恶唑基-[2-基])-噻吩；2,5-双-(5-叔-丁基-2-苯并恶唑-2-基)噻吩；2,5-双(5'-叔-丁基-2-苯并恶唑-2-基)噻吩；2,5-双(5'-叔-丁基-2'-苯并恶唑基)噻吩；2,5-双(5-叔-丁基-2-苯并恶唑基)噻吩；2,5-双(5-叔-丁基-苯并恶唑-2-基)噻吩；2,5-双(5-叔-丁基苯并恶唑基)-2-噻吩；2,5-二(5-叔-丁基苯并恶唑-2-基)噻吩；2,2'-(2,5-噻吩二基)双[5-(1,1-二甲基乙基)-苯并恶唑；2,5-双(5'-叔-丁基-2-苯并恶唑基)噻吩；以及2,5-噻吩二基双(5-叔-丁基-1,3-苯并恶唑)。对375纳米下的入射辐射的吸收引起激发的2,5-噻吩二基双(5-叔-丁基-1,3-苯并恶唑)光学增亮剂可检测成分发射435纳米下的辐射。将荧光指示剂均匀地共混入PVDC树脂中，该PVDC树脂用于产生多层膜的氧气屏障层。将所得的环形带和/或可热收缩膜管材暴露于375 nm下的入射辐射，该入射辐射激发2,5-噻吩二基双(5-叔-丁基-1,3-苯并恶唑)光学增亮剂发射435纳米下的辐射。机器视觉系统检测发射的435 nm辐射，从而揭示带和多层膜管材的PVDC屏障层的存在、连续性和厚度。

在实施例中，在将包装物品密封闭合之后，实施从真空室排空气氛直到真空室内的压力小于4 mm Hg，并且在从真空室移除真空包装产品之后，对图像数据的评估产生在包装的至少一个区域内部膜和产品之间存在环境气氛的指示，其中该指示是包装内部的环境气氛处于至少10 mm Hg的压力。在另一个实施例中，该指示是包装内部的环境气氛处于等同于包装外部的环境气氛压力的压力。

在实施例中，结合穿过膜的孔而存在包装内部有气体的指示。

在实施例中，结合密封件中的间隙而存在包装内部有气体的指示。

在实施例中，在包装物品的有缺陷的区域中存在包装内部有气体的指示，该缺陷允许气体进入包装中。

在实施例中，包装物品被密封闭合并且完全包围产品，但是在从真空室移除真空包装产品之后，对图像数据的评估产生在包装的至少一个区域内部气体以大于4 mm Hg的水平存在的指示，由此指示在从包装物品排空气氛期间没有达到期望的真空度。在一些实施例中，期望的真空度是5 mm Hg或更小。在一些实施例中，期望的真空度是4 mm Hg或更小。在一些实施例中，期望的真空度是3 mm Hg或更小。在一些实施例中，期望的真空度是2mm Hg或更小。在一些实施例中，期望的真空度是1 mm Hg或更小。在包装内部未达到期望的低压的原因包括：（i）排空的速率过低和/或排空的持续时间过短，和/或（ii）真空泵不恰当地执行，和/或（iii）真空室不是完全不透气的；（iv）在环境排空期间未去除被截留在产品和膜之间的气氛；和/或（v）膜中的缺陷。

在实施例中，发生以下中的至少一种情况：（i）相对于其中在膜和产品之间不存在气体的区域，荧光电磁能强度在其中膜和产品之间有气体的区域中更高，或者（ii）在其中在膜和产品之间有气体的区域中发生荧光电磁能色移（能量下降，即波长更长、频率更低），在其中膜和产品之间不存在气体的区域中未发生所述色移。

在实施例中，相对于其中膜与产品直接接触的区域，荧光电磁能强度在其中在膜和产品之间有气体的区域高出至少10％。在另一个实施例中，相对于在其中膜与产品直接接触的区域中的荧光电磁能强度，荧光电磁能强度在其中在膜和产品之间有气体的区域中高出≥15%、或高出≥20%、或高出≥ 30％、或高出≥ 40％、或高出≥ 50％、或高出≥60％。会影响由包装发射的荧光图像的因素其中包括以下各者：（i）视角、（ii）成像装置和在考虑中的包装区之间的焦距、（iii）暴露时间、（iv）激发量、以及（v）膜的厚度变化，包括膜在热封到其自身或另一个膜时的厚度增加。

在实施例中，荧光增强的区域构成了≥ 1 mm²。在另一个实施例中，荧光增强的区域构成了≥ 2 mm²、或≥ 2 mm²、≥ 5 mm²、或≥ 10 mm²、或≥ 20 mm²、或≥ 40 mm²、或≥100 mm²、或≥ 500 mm²、或≥ 1000 mm²、或≥ 2000 mm²、或≥ 5000 mm²。

在实施例中，通过人工检验由激发的指示剂发射的荧光电磁能来实施对图像数据的获取和对图像数据的评估，以确定荧光图像是否包括与膜和产品之间的气体相对应的荧光。

在实施例中，通过将真空包装产品人工暴露于入射电磁能以人工产生激发的基于荧光的指示剂来实施该过程。在实施例中，结合人工评估（即，视觉评估）由激发的指示剂发射的荧光电磁能来实施将包装产品人工暴露于入射电磁能，以确定荧光图像是否包括与膜和产品之间的气体相对应的荧光。

在实施例中，使用成像装置来实施对图像数据的获取，该成像装置生成由激发的指示剂发射的荧光电磁能的图像数据，其中使用计算装置来实施对图像数据的评估，该计算装置用能够评估由激发的指示剂发射的荧光电磁能强度的算法进行编程。

在实施例中，指示剂包括选自由以下各者组成的组的至少一个成员：紫外线指示剂、红外线指示剂、染料、颜料、光学增亮剂、荧光增白剂、2,2’-(2,5-硫代苯二基)双(5-叔-丁基苯并恶唑)、羟基-4-)对-甲苯氨基)蒽-9,10-二酮、2,5-噻吩二基双(5-叔-丁基-1,3-苯并恶唑)和蒽醌染料。指示剂是如下的一种类型，即，如果暴露于第一峰值波长下的辐射，则发射第二峰值波长下的辐射。

在实施例中，指示剂存在于膜的至少一个层中，其中指示剂以基于层重量从0.5到150 ppm的水平存在。在另一个实施例中，指示剂存在于膜的至少一个层中，其中指示剂以基于层重量从1到20 ppm、或从2到10 ppm的水平存在。在实施例中，可检测成分以至少1百万分率的水平存在于膜层中。

在实施例中，可检测成分是如下的一种类型，即，如果暴露于第一峰值波长下的辐射，则发射第二峰值波长下的辐射。

在实施例中，响应于检测到有缺陷的真空包装而生成的信号包括选自由以下各者组成的组的至少一个成员：警报、标示（flagging）有缺陷的真空包装、显示有缺陷的真空包装的图像、显示关于有缺陷的包装的数据、以及生成有缺陷的真空包装的报告。

在实施例中，产品是食品产品。在实施例中，食品产品包括选自由肉类和奶酪组成的组的至少一个成员。

在实施例中，膜是包括功能层的多层膜，并且指示剂存在于该功能层中。

在实施例中，多层膜包括：A）第一层，其为第一外膜层并且其用作热封层；B）第二层，其为第二外层并且其用作滥用层；C）在第一层和第二层之间的第三膜层，该第三层用作功能层；D）在第一层和第三层之间的第四膜层，该第四层用作第一粘结层；以及E）在第二层和第三层之间的第五膜层，该第五层用作第二粘结层。在一些实施例中，膜可包括如上文所描述的第一层、第二层和第三层，而没有第一粘结层和第二粘结层。

在实施例中，多层膜的功能层是选自由以下各者组成的组的成员：氧气屏障层、感官屏障层、湿气屏障层、有害化学屏障层、微生物屏障层、酸层、酸盐层、细菌素层、噬菌体层、金属层、金属盐层、天然油层、天然提取物层、包含聚六亚甲基双胍盐酸盐的层、包含对羟基苯甲酸酯的层、包含接枝的硅烷-季胺的层、包含三氯生的层、包含银、铜和/或锌的沸石的层。

在实施例中，功能层是氧气屏障层，其包括选自由以下各者组成的组的至少一个成员：偏二氯乙烯共聚物、经皂化的乙烯/乙酸乙烯酯共聚物、聚酰胺、聚酯、取向的聚丙烯和乙烯均聚物。

在实施例中，包装物品是选自由以下各者组成的组的成员：端部密封袋、侧部密封袋、小袋（pouch）或背缝合的（backseamed）包装物品。在一些实施例中，包装物品可以是具有包围产品的膜的膜容器（例如，端部密封袋、侧部密封袋等）。膜可在其中包括基本上均匀分布的荧光指示剂，使得包装产品可在产品的所有侧部上指示包装物品内的气体。在一些实施例中，包装物品可包括刚性或半刚性壳并且具有封闭该壳的膜覆盖物或密封件。在这种实施例中，膜可包括指示剂，从而允许检测穿过物品上的膜密封件的气体。在一些实施例中，包装物品可包括贴体包装。在一些实施例中，具有基于荧光的指示剂的膜可仅部分地包围产品。

在实施例中，在评估多个真空包装产品的图像数据时：i）第一组真空包装产品呈现与膜和产品之间没有气体相对应的图像数据，该第一组真空包装产品被转递以送出（pack-off）；ii）第二组真空包装产品呈现与膜和产品之间有气体的一个或多个区域相对应的图像数据，其中该第二组的真空包装产品被拆开包装并且这些产品被重新包装在第二真空包装中并再次经受用于检测真空包装内部的气体的过程。

在实施例中，该过程进一步包括：在评估真空包装产品的图像数据并确定在产品和膜之间存在气体时生成信号；响应于在产品和膜之间气体的存在而生成信号，该信号包括选自由以下各者组成的组的至少一个成员：警报、包装标示、显示有缺陷的真空包装的图像、生成报告、标注真空包装、以及转移真空包装。

在实施例中，该过程包括：在使膜收缩贴紧产品前生成原始数据。在一些实施例中，该过程包括非收缩膜。

在实施例中，该过程包括：在一段时间内拍摄同一个真空包装产品的多个图像。该过程使得能够评估包装内部气体的任何量是否随时间而增加。气体的量随时间而增加的确定很可能与包装中的泄漏相对应。包装内部气体的量没有随时间而增加的确定很可能与在包装内部未达到期望的真空度相对应。

在实施例中，膜在85℃下的总自由收缩率为10％或更多。在实施例中，膜在85℃下的总自由收缩率为10％或更少。在实施例中，膜在85℃下的总自由收缩率为零。

在实施例中，该过程进一步包括：在从真空室移除包装产品之后但在基于由激发的指示剂发射的荧光电磁能来生成原始数据之前，用产品操纵器来操纵包装产品。

已发现，由于存在允许外部气体进入包装的通路（即，“漏隙”）所致而缺乏完整性的真空包装可在使大量的环境气体进入包装方面呈现明显的延迟，特别是在通路小的情况下。可以通过使真空包装产品穿过包装操纵器来缩短该延迟，该包装操纵器使真空包装经受一种或多种操纵形式。可以以移动（例如，平移和/或旋转）、振动、冲击、翻滚等形式（即，任何操纵形式）来实施操纵，这（i）增加了通过泄漏（例如，膜中的孔或密封件中的间隙）进入包装中的气流的速率，所述气体进入由此增加膜与产品分离的面积，从而由此增强检测真空包装中的泄漏的能力，和/或（ii）增加包装内部气体从一个位置到另一个位置的移动，由此增强检测真空包装内部气体的存在的能力（无论是否存在泄漏）。

在实施例中，在真空包装产品从包装操纵器出来之后的至少一秒钟生成原始数据。在其他实施例中，在真空包装产品从包装操纵器出来之后的≥ 1秒、≥ 5秒、或≥ 10秒、或≥ 20秒、或≥ 30秒、或≥ 60秒、或≥ 120秒、或≥ 300秒生成原始数据。

替代地或另外，包装操纵器可以用于通过引起膜变松或起皱、或通过使膜的一部分与产品分离（其方式为引起已进入包装的气体去到包装的某个区，使得从该区获得的原始数据与产品和膜之间的气体相对应）来揭示包装中气体的存在。所诱发的膜起皱或与产品分离的任一种存在都可指示包装中泄漏的存在或包装中的低真空条件。

第二方面涉及一种用于检测真空包装产品内部的气体的系统，该系统包括被包装在包装物品内部的产品，该包装物品包括包含基于荧光的指示剂的膜。该系统包括：A）真空室，其被构造成从部分包装的产品内部排空气氛，该部分包装的产品包括内部具有产品的打开的包装物品，该真空室包括被构造成将包装物品密封闭合以形成真空包装产品的热封机；B）照明器，其被构造成生成入射电磁能并将入射电磁能引导到真空包装产品上，且由此产生激发的基于荧光的指示剂；C）成像装置，其布置成基于由激发的基于荧光的指示剂发射的荧光电磁能来生成原始数据；以及D）存储在存储器中以使用算法由原始数据形成图像数据的指令，其中，所述指令响应于处理器的执行而引起处理器指示包装产品在膜和产品之间是否具有气体。

在实施例中，该系统进一步包括收缩通道，该收缩通道被构造成在将真空包装产品暴露于入射辐射之前使包装物品收缩。在一些实施例中，可使用使包装物品收缩的任何手段，包括但不限于热空气收缩或浸渍槽。

在实施例中，数据获取系统被构造成在将包装物品密封闭合之后获取图像数据。例如，数据获取系统可以被构造成在将包装物品密封闭合之后的至少10秒或者在将包装物品密封闭合之后的至少20秒、或至少30秒、或至少1分钟、或至少5分钟、或至少10分钟、或至少30分钟来获取图像数据。在一些实施例中，可在包装物品被闭合之后但在使包装物品收缩之前（例如，在使用收缩膜的实施例中）获取图像数据。在一些实施例中，可在包装物品被闭合之后并在通过人工或自动化操纵器操纵包装之后获取图像数据。在一些实施例中，可在通过人工或自动化操纵器操纵包装期间获取图像数据。在一些实施例中，可在膜收缩期间（例如，在收缩通道、热空气收缩设备、浸渍槽等中）获取图像数据。在一些实施例中，可在将包装产品送出之前获取图像数据。在一些实施例中，可在将包装产品送出期间获取图像数据。在一些实施例中，可在将包装产品送出之后获取图像数据。

在实施例中，视觉检验引擎被构造成基于来自基于荧光的指示剂的荧光的强度或波长来输出在膜和产品之间存在气体的指示。

在实施例中，该系统进一步包括真空包装操纵器，该真空包装操纵器被构造成提高进入包装的气体的速率。

在实施例中，该系统进一步包括分离器，该分离器被构造成分离呈现真空缺陷的真空包装产品。

在实施例中，该系统进一步包括打包机，该打包机被构造成将呈现包装完整性的真空包装产品送出。

在实施例中，该系统进一步包括转移器，该转移器被构造成转移已被确定为在膜和产品之间具有气体的真空包装产品。

在实施例中，可检测成分包括包括选自由以下各者组成的组的至少一个成员：紫外线指示剂、红外线指示剂、染料、颜料、光学增亮剂、荧光增白剂和2,5-噻吩二基双(5-叔-丁基-1,3-苯并恶唑)、2,2'-(2,5-硫代苯二基)双(5-叔-丁基苯并恶唑)、羟基-4-)对-甲苯氨基)蒽-9,10-二酮、2,5-噻吩二基双(5-叔-丁基-1,3-苯并恶唑)和蒽醌染料。2,5-噻吩二基双(5-叔-丁基-1,3-苯并恶唑)作为光学增亮剂由多家供应商销售，包括BASF公司（TINOPAL OP^® 2,5-噻吩二基双(5-叔-丁基-1,3-苯并恶唑)荧光增亮剂）和Mayzo, Inc（BENETEX OB PLUS^® 2,5-噻吩二基双(5-叔-丁基-1,3-苯并恶唑)荧光增亮剂）。指示剂是如下的一种类型，即，如果暴露于第一峰值波长下的辐射，则发射第二峰值波长下的辐射。

附图说明

在因此概括地描述了本公开后，现在将参考附图，所述附图未必按比例绘制，并且在附图中：

图1A是根据本文中的一些实施例的用于挤出环形幅材以制作环形带的幅材生产过程的示意图；

图1B是根据本文中的一些实施例的用于将图1A中所生产的环形带转换为环形膜管材的另外的幅材生产过程的示意图；

图1C是根据本文中的一些实施例的可使用图1A-1B的过程制造的多层膜的图示；

图1D是用于装载、抽真空和密封包装物品的真空包装设备的示意图；

图2是根据本文中的一些实施例的用于使系统密封、测试和送出一个或多个产品的框图；

图3是根据本文中所讨论的一些实施例的气体检测设备的透视图；

图4A是根据本文中所讨论的一些实施例的视觉系统的框图；

图4B是根据本文中所讨论的一些实施例的分布式视觉系统的框图；

图5A是根据本文中所讨论的一些实施例的用于评估包装产品的完整性的基于模型的过程的流程图；

图5B是根据本文中所讨论的一些实施例的用于评估包装产品的完整性的基于算法的过程的流程图；

图6是根据本文中所讨论的一些实施例的示例算法的框图；

图7是根据本文中所讨论的一些实施例的开发训练后的图像分类模型的方法的实施例；

图8是根据本文中所讨论的一些实施例的示例神经网络，该神经网络是多层神经网络；

图9是根据本文中所讨论的一些实施例的基于许多参数来开发训练后的图像分类模型的方法的实施例；

图10是根据本文中所讨论的一些实施例的基于许多参数来开发训练后的图像分类模型的方法的实施例；

图11是根据本文中所讨论的一些实施例的用于使图像分类系统既训练模型来对真空密封包装的状态进行分类又应用训练后的模型以对真空密封包装的状态进行分类的方法的实施例；

图12是根据本文中所讨论的一些实施例的对真空密封包装的状态进行分类的方法的实施例；

图13是根据本文中所讨论的一些实施例的示出包装物品和产品（例如，火腿）之间的气体的两个包装产品的彩色图像；

图14是根据本文中所讨论的一些实施例的已经历去噪过程的图13的彩色图像；

图15是根据本文中所讨论的一些实施例的转换为灰度的图14的去噪图像；

图16是根据本文中所讨论的一些实施例的已经历阈值化（thresholding）过程的图15的灰度图像；

图17是根据本文中所讨论的一些实施例的已经历轮廓检测和区阈值化过程的图16的阈值化图像；

图18是根据本文中所讨论的一些实施例的图17的图像到图14的去噪图像上的叠加；

图19是具有发荧光的膜的两个包装产品的彩色图像，其中在左侧的产品为对照，且在右侧的产品为具有大刺孔的漏隙；

图20是在一段时间后图19的两个包装产品的彩色图像，其中右侧的漏隙产品呈现指示泄漏的增加的荧光；

图21是在另外的一段时间后图20的两个包装产品的彩色图像，其中右侧的漏隙产品呈现指示泄漏的增加的荧光；

图22是对于针对图19-21的图像所提供的指数值而言漏隙检测指数作为时间的函数的曲线图；

图23是具有发荧光的膜的两个包装产品的彩色图像，其中在左侧的产品为对照，且在右侧的产品为具有小刺孔的漏隙；

图24是在一段时间后图23的两个包装产品的彩色图像，其中右侧的漏隙产品呈现指示泄漏的增加的荧光；

图25是在另外的一段时间后图24的两个包装产品的彩色图像，其中右侧的漏隙产品呈现指示泄漏的增加的荧光；

图26是对于针对图23-25的图像所提供的指数值而言漏隙检测指数作为时间的函数的曲线图；

图27是具有发荧光的膜的两个包装产品的彩色图像，其中在右侧的产品为对照，且在左侧的产品具有低真空条件；

图28是已用阈值化算法进行处理的图27的两个包装产品的黑白图像；

图29是图27-28的包装产品的合成图像，该合成图像示出了对低真空和基线产品的纹理分析；以及

图30示出了结合示例图像掩蔽过程使用的示例色相、饱和度、亮度（HSV）图。

具体实施方式

现在将在下文中参考附图更充分地描述示例实施例，附图中示出了一些但非全部的实施例。实际上，实施例可采用许多不同的形式且不应被解释为限于本文中所阐述的实施例；相反，提供这些实施例使得本公开将满足可适用的法定要求。通篇中，相似的附图标记指代相似的元件。根据一些示例实施例，术语“数据”、“内容”、“信息”和类似术语可互换使用，以指代能够被传输、接收、操作和/或存储的数据。此外，术语“示例性”当可用在本文中时不提供为传达任何定性的评估，而是改为仅传达对示例的图示。因此，任何这种术语的使用都不应被理解为限制本发明的实施例的精神和范围。

如本文中所使用的，术语“膜”包括塑料幅材，无论其是膜（高达10密耳厚）还是片材（大于10密耳厚）。在实施例中，可以通过如下步骤来实施固态下幅材的取向以产生可热收缩膜：首先挤出单层或多层热塑性环形“带”，此后使其淬火并坍塌成它的平折构型，且此后任选地照射（以交联聚合物）并任选地挤出涂覆一个或多个附加的热塑性层，随后将环形带再加热到其软化点，且然后在截留气泡过程中处于固态的同时双轴地定向（即，沿横向方向伸展并沿机器方向拉伸）以得到可热收缩膜，如以下示例中所描述并如图1A和图1B中所图示的。结果是一种可热收缩膜管材，即，在185℉（85℃）下具有至少10%的总（即，纵向加横向，L+T）自由收缩的膜。

如本文中所使用的，短语“功能层”指代具有一种或多种功能的单层或多层膜的层，诸如例如强度层、热封层、滥用层、光泽层、屏障层、收缩层、易开层和用于使两个原本不相容的层相互粘合的粘结层。功能层可包括热塑性聚合物。指示剂可存在于多层膜的一个或多个层中，包括如本文中所描述的功能或非功能层。

如本文中所使用的，术语“屏障（barrier）”和短语“屏障层（barrier layer）”在应用于膜和/或膜层时参考膜或膜层充当一种或多种气体的屏障的能力来使用。在包装领域中，氧气（即，气态O₂）屏障层已包括例如经水解乙烯/乙酸乙烯酯共聚物（由缩写“EVOH”和“HEVA”标明，并且也被称为“乙烯/乙烯醇共聚物”）、聚偏二氯乙烯、非晶态聚酰胺、聚酰胺MXD6、聚酯、聚丙烯腈等，如本领域技术人员已知的。除了第一层和第二层之外，可热收缩膜还可进一步包括至少一个屏障层。

短语“透氧率”（“OTR”）在本文中被定义为在0%相对湿度和23℃下在24小时内将穿过100平方英寸膜的氧气量（以立方厘米（cm³）为单位）。膜的厚度（规格）与透氧率有直接关系。需要用作氧气屏障的包装膜在1.0密耳或以下在0%相对湿度和23℃下在24小时内具有从大约0到10.0 cm³/100 in²的OTR值。可根据ASTM D-3985-81测量透氧率，该标准通过引用并入本文中。

如本文中所使用的，术语“指示剂”和短语“可检测成分”指代可以添加到被挤出以产生膜层的热塑性材料的任何成分，所述成分在吸收在指示剂中产生荧光的一定波长的入射电磁能时发射荧光电磁能。通过检测器、机器视觉或用于确定膜特定区中成分的存在或不存在的任何其他手段可检测到所得的荧光电磁能。

如本文中所使用的，短语“在线”指代在转递真空包装产品的流（stream）时实施该过程，而不必从该流移除包装以便进行该过程，并且不必打开包装以便检测泄漏或低真空条件。

如本文中所使用的，术语“真空”指代足够低的压力以满足真空包装产品所涉及的特定用途的保存和包装要求，并且不需要绝对的理论真空。在一些实施例中，构成低真空条件、有缺陷的产品、泄漏或类似术语的确切压力可随情况不同、随包装不同和/或随产品不同而不同。

在实施例中，功能层起屏障层的作用。屏障层可以是氧气屏障层、感官屏障层（香气和/或香味成分的屏障）、湿气屏障层或膜领域的技术人员已知的任何其他屏障层。

合适的湿气屏障层包括基于乙烯的聚合物（诸如，高密度聚乙烯）、聚丙烯（尤其是双轴取向的聚丙烯）、聚酯、聚苯乙烯和聚酰胺。

合适的热塑性氧气屏障层包括聚偏二氯乙烯（PVDC）、经皂化的乙烯/乙酸乙烯酯共聚物（通常也被称为乙烯/乙烯醇共聚物或EVOH）、聚酰胺、聚酯、定向的聚丙烯和乙烯均聚物。

在实施例中，可检测成分（例如，紫外线（UV）荧光剂）与氧气屏障树脂（诸如，PVDC或EVOH）共混，或者甚至包括有进行聚合以形成PVDC或EVOH的反应剂。以一致的水平在屏障树脂内提供可检测成分使得可检测成分遍布树脂均相地分散（并由此遍布所得的膜层分散），这允许跨越包装产品准确检测气体。通过将添加剂共混到聚合物中或在添加剂存在下制备聚合物的如本领域技术人员已知的共混和/或复合（compounding）步骤，可以实现均匀性。例如，如下所述，可以使用分阶段共混实施制作15 ppm指示剂与热塑性聚合物的均相共混物。在第一共混阶段，使3重量份指示剂母料与97重量份主要聚合物共混，得到包含处于30,000 ppm水平的指示剂的第一阶段共混物。在第二共混阶段，用主要聚合物以20:1对一部分或全部第一阶段共混物进行稀释，得到包含处于1500 ppm水平的指示剂的第二阶段共混物。在第三阶段共混中，用主要聚合物以100:1对一部分或全部第二阶段共混物进行稀释，得到包含处于15 ppm水平的指示剂的第三阶段共混物。在每个阶段，通过使用例如高剪切混合机将共混实施到高度的均匀性。所得的共混物的均匀性也允许屏障树脂在膜的屏障层中保持其屏障功能。

可以以低水平（例如，20 ppm）添加可检测成分，使得层保持其屏障性质，但是可检测成分以机器视觉系统可容易检测到的足够高的水平存在。如果使用UV荧光剂，则在接收激发荧光剂的UV辐射时，提供的UV剂处于足够高的水平使得机器视觉系统可以容易检测到其荧光，但同时处于足够低的水平使得UV剂的存在基本上不降低制作屏障层的氧气屏障聚合物的氧气屏障特性。

然后可以将可检测成分/屏障材料共混物单独挤出，或与一种或多种附加的熔体流结合挤出，以形成单层或多层膜。

尽管包装产品中可检测成分的存在优选地不容易对消费者可见，但如果将UV荧光剂用作可检测成分，则使用这种膜的卷来包装产品的产品包装人员能够通过以下步骤来肯定地确认膜中屏障层的存在或不存在：用UV光（例如，UV手电筒）简单地照明膜的卷以引起UV剂发荧光，由此基于是否观测到期望的荧光来确认在膜中氧气屏障层的存在或不存在。

立即识别膜中的屏障层的能力是重要的，因为各种各样膜被利用来进行包装，其中一些膜需要屏障层，且其他包装膜不需要屏障层。如果非屏障膜无意中被错标为屏障膜或者无意中被利用来包装需要屏障膜的产品，则被包装在该膜中的产品的保质期可能受损，从而潜在地导致产品损坏。例如，在膜的氧气屏障层中UV荧光剂的存在允许快速和准确地测试，以肯定地确认膜中屏障层的存在或不存在，由此使将氧敏感产品包装在缺乏氧气屏障层的膜中的机会最大限度地减少。

示例成分

以下是关于下文中所阐述的示例的膜中存在的各种树脂和其他成分的特性（identity）的信息。

SSPE1是获自The Dow Chemical Company的AFFINITY^® PL 1281G1均相乙烯/辛烯共聚物，其密度为0.900 g/cm³且熔化指数为6.0 dg/min。

SSPE2是获自The Dow Chemical Company的AFFINITY^® PL 1850G均相乙烯/辛烯共聚物，其密度为0.902 g/cm³且熔化指数为3.0 dg/min。

SSPE3是获自ExxonMobil的EXCEED^® 1012HJ均相乙烯/己烯共聚物，其密度为0.912 g/cm³且熔化指数为1.0 dg/min。

VLDPE1是获自The Dow Chemical Company的XUS 61520.15L极低密度聚乙烯，其密度为0.903 g/cm³且熔化指数为0.5 dg/min。

LLDPE1是获自Exxon Mobil的LL 3003.32非均相乙烯/己烯共聚物，其密度为0.9175 g/cm³且熔化指数为3.2 dg/min。

LLDPE2是获自The Dow Chemical Company的DOWLEX® 2045.04线性低密度聚乙烯，其密度为0.920 g/cm³且熔化指数为1.0 dg/min。

EVA1是获自Westlake Chemical的EB524AA乙烯/乙酸乙烯酯共聚物（14%乙酸乙烯酯），其密度为0.934 g/cm³且熔化指数为3.5 dg/min。

EVA2是获自Exxon Mobil的ESCORENE^® LP761.36乙烯/乙酸乙烯酯共聚物（26.7%乙酸乙烯酯），其密度为0.951 g/cm³且熔化指数为5.75 dg/min。

PVDC-2是获自Solvin的IXAN^® PV910偏二氯乙烯/丙烯酸甲酯共聚物，其密度为1.71 g/cm³。

OB是获自Mayzo Inc.的BENETEX OB PLUS^® 2,5-噻吩二基双（5-叔-丁基-1,3-苯并恶唑）荧光剂。

MB 1是获自Ampacet的100458线性低密度聚乙烯中的含氟聚合物母料，其密度为0.93 g/cm³且熔化指数为2.3 g/10 min。

MB 2是获自Ingenia Polymers的IP-1121线性低密度聚乙烯中的含氟聚合物母料，其密度为0.92 g/cm³且熔化指数为2 g/10 min。

1号膜和2号膜的生产和组成

使用图1A中所图示的过程来制备多层可热收缩膜（本文中被称为1号膜和2号膜）。在一些实施例中，可使用任何已知的方法来制造包装物品，从而得到包装材料的任何组合，条件是如本文中所描述的指示剂并入到包装物品中。在一些实施例中，将固体聚合物珠粒（未图示）馈送到多个挤出机28（为简单起见，仅图示一个挤出机）。在挤出机28内部，对聚合物珠粒进行转递、熔化并脱气，随后将所得的无泡熔体转递到模头30中并通过环形模将其挤出，得到环形带32，该环形带大约为15密耳厚。

在通过来自冷却环34的喷水冷却和淬火之后，环形带32通过夹辊36坍塌成平折构型。当坍塌时，环形带具有大约2.5英寸的平折宽度。呈平折构型的环形带32然后穿过由屏蔽体40包围的照射拱顶38，其中环形带32用来自铁芯变压器加速器42的高能电子（即，电离辐射）照射。在辊44上引导环形带32通过照射拱顶38。优选地，对环形带32的照射处于大约64 kGy的水平。

在照射之后，引导经照射的环形带46通过预涂夹辊48，随后经照射的环形带46略微膨胀，从而产生被截留气泡50。在被截留气泡50处，经照射的环形带46并未明显地纵向拉伸，因为后涂夹辊52的表面速度与预涂夹辊48的表面速度大约相同。此外，经照射的带46膨胀为只足以使环形带放置成基本上圆形构型，而没有明显的横向取向（即，没有横向伸展）。

通过气泡50而略微膨胀的经照射的带46穿过真空室54，且此后被转递通过涂覆模56。环形涂覆流58从涂覆模56熔化挤出并涂覆到所膨胀的经照射的环形带46上，以形成经涂覆的环形带60。涂覆流58包括由PVDC制成的O₂屏障层连同附加的层，所有这些层都未穿过电离辐射。上述涂覆步骤的进一步细节通常阐述于BRAX等人的美国专利号4,278,738中，该专利通过引用以其整体并入本文中。

在照射和涂覆后，使现在厚度为大约25密耳的经涂覆的环形带60卷绕到卷绕卷62上。

此后，转向图1B，在制作期望的可热收缩膜管材的过程中的第二阶段，将卷绕卷62作为退绕卷64进行安装。将经涂覆的环形带60从退绕卷64退绕并在导辊66上经过，其后将经涂覆的环形带60传递到包含热水70的热水浴槽68中。使仍然呈平折构型的经涂覆的管状膜60浸入热水70（优选地处于从大约185℉到210℉的温度）中历时从大约10到大约100秒的时段，即，长得足以使环形带60达到其软化点（即，在经涂覆的环形带呈固态同时达到对于双轴取向所期望的温度）。

此后，引导经涂覆的环形带60通过夹辊72，并吹制气泡74，由此使经涂覆的环形带60横向固态伸展。此外，在吹制（即，横向伸展）时，夹辊76沿纵向方向拉伸环形带60，因为夹辊76的表面速度高于夹辊72的表面速度。由于横向伸展和纵向拉伸，环形带60在固态下被双轴定向，以形成双轴定向的可热收缩膜管材78。可热收缩膜管材78以3.6:1的比率横向伸展并以3.6:1的比率纵向拉伸，达到大约13X的总取向。当气泡74保持在成对的夹辊72和76之间时，所得的吹制膜管材78通过辊80坍塌成平折构型。吹制膜管材78具有大约10英寸的平折宽度。此后，将呈平折构型的膜管材78输送通过夹辊76并跨越导辊82，且然后卷到卷绕辊84上。惰辊86保证良好的卷绕。

1号膜和2号膜中的每一者是多层可热收缩膜，它们具有如通常在以下表1和2中阐述的层布置、层组成、层厚度和层功能。密封层、第1主体层和第1粘结层全部一起被共挤出并在拱顶38中经受高能照射。在涂覆步骤中放上屏障层、第2粘结层、第2主体层和滥用层，即，未照射。由1号膜和2号膜制成的可热收缩膜管材具有以下层布置、组成和厚度：

1号膜

2号膜的膜管材的层布置、层组成、层功能和层厚度如下：

2号膜

1号膜和2号膜中的每一者的屏障层配方设置有指示剂，更特别地，1号膜和2号膜各自包含2,2’-(2,5-(噻吩二基)-双(5-叔-丁基苯并恶唑))光学增亮剂作为可检测成分。更特别地，光学增亮剂是获自3935 Lakefield Court, Suwanee, GA的Mayzo, Inc的BENETEX OB PLUS^®光学增亮剂。尽管该材料已用作增亮剂以减轻膜挤出期间PVDC褐变的外观，但2,2’-(2,5-(噻吩二基)-双(5-叔-丁基-1,3-苯并恶唑))在经受375 nm下的入射辐射时也充当荧光剂。在通过暴露于具有375 nm的峰值波长的辐射而激发时，指示剂在435 nm的峰值波长下发荧光。1号膜具有OB水平为45 ppm的屏障层。2号膜具有OB水平为15 ppm的屏障层。

1号膜和2号膜可用于制作端部密封袋，所述端部密封袋用于根据本文中所详述的方法和设备来包装肉类产品。在一些实施例中，可使用非可热收缩膜。在一些实施例中，膜可以是清晰和透明的。

在一些实施例中，膜中的PVDC和任何要求保护的指示剂的组合可进一步改进包装物品的可回收性。特别地，PVDC可能需要无法由主流回收设施处理的更复杂的回收设备（例如，与传统的PE或PVC膜相比）。在一些实施例中，回收站可照明被发送到回收设施的材料（例如，使用本文中所讨论的任何照明技术），以基于基于荧光的指示剂的存在来快速地识别基于PVDC的包装物品。在这种实施例中，本文中所公开的基于荧光的指示剂膜可通过允许快速识别和分离所公开的包装物品来提高主流回收设施的效率。

参考图1C，在实施例中，多层膜90包括：A）第一层91，其为第一外膜层并且其用作热封层；B）第二膜层95，其为第二外层并且其用作滥用层；C）在第一层和第二层之间的第三膜层93，该第三层用作功能层；D）在第一层91和第三层93之间的第四膜层92，该第四层用作第一粘结层；以及E）在第二层95和第三层93之间的第五膜层94，该第五层用作第二粘结层。

参考图1D，真空包装设备10被示为用于装载、抽真空和密封由本文中所讨论的膜制成的包装物品。尽管示出了一个示例，但是可使用封闭和密封包装产品的任何方法。真空包装设备的示例包括在美国专利号6,499,274（McDonald等人）中所公开的设备，该专利通过引用以其整体并入本文中。所描绘的设备10包括袋装载设备12。袋装载设备12可以是用于将袋装物品放置到子压板（subplaten）上的人工系统。替代地，袋装载设备12可以是自动化或半自动化的系统。示例包括在美国专利号5,692,360（McDonald等人）中所公开的袋装载设备，该专利通过引用以其整体并入本文中。在图1D的所描绘的实施例中，输送机14将具有装载的（优选地，夹持的）袋装物品的子压板16运输到同步组件18。同步组件18充当袋装载设备12（该袋装载设备通常以间歇运动操作）和真空/密封设备19之间的缓冲器。如果真空/密封设备19是以连续运动操作的旋转室机器（如图1D中所描绘的），则这是尤为有用的。此处的优点在于，如果袋装载设备12是自动化的，则该袋装载设备不需要将直接人工设计在内，并且每个袋装物品26的袋颈部被自动拉直并夹持到子压板16。因此，可以在原本常规的真空/密封设备19上以高速完成抽真空和密封。

系统设置

本文中提供了用于非破坏性地识别包装产品中的气体的手段。在制造膜（例如，上文所描述的1号膜和2号膜）之后，可将产品打包并密封在由膜形成的包装物品内。图2示出了根据本文中的系统和方法的用于使系统密封、测试和送出一个或多个产品的示例框图。在所描绘的实施例中，真空包装设备100被示为用于将产品包装在包装物品中、从包装物品去除气体、以及密封包装物品以形成包装产品。真空包装设备100可包括但不限于：真空室，包装物品和产品被插入该真空室中以从包围物品和产品的空间去除空气。喷嘴，其连接到包装物品；构成包装物品的两个膜之间的间隙，可通过该间隙排空空气；和/或包装物品中的孔，可通过该孔抽取真空。例如，可将Darfesh®或Multivac®热成型系统用作真空包装设备。

在形成包装产品后，可将包装产品传递到气体检测设备200中以验证包装物品的密封完整性。在一些实施例中，气体检测设备200可馈送到送出设备300中，该送出设备可以是自动化的或人工的。在一些实施例中，包装产品可在进入气体检测设备200前穿过包装操纵器150。包装操纵器150可包括本文中所公开的任何操纵设备（例如，振动、冲击、翻滚、空气喷射、温度变动等），并且可加速包装物品的任何有缺陷部分的泄漏，使得及早识别出缺陷。包装操纵器150可将包装产品内的气体更多地移动到包装物品和产品的区。在一些实施例中，可在包装和密封产品之后（包括但不限于在由中间或最终客户装箱和装运前或在装运和接收后）的任何时间发生气体检测过程以及对本文中所公开的气体检测设备的使用。在一些实施例中，气体检测设备200或其部分（例如，视觉系统225）可与生产线的任何其他设备或组件集成在一起或联接到生产线的任何其他设备或组件。气体检测设备200可在打包和装运操作内在线使用，或者在一些实施例中，气体检测设备可以是被构造成对包装产品离线执行泄漏和被截留气体检查的独立设备。

继续参考图2，组件可进一步包括送出设备300，以用于促进无缺陷的包装产品的包装和装运。在一些实施例中，可以采用机器人送出来将真空密封的包装恰当地引导到散装装运容器中。可使用机器人包装搬运机（handler）和打包机来获得自动送出。在一些实施例中，机器人包装搬运机还可促进包装产品中的在线气体检测（以及潜在的附加包装操纵以加速碰巧与产品密切接触并将模糊的气体移入包装的更可见区中的现有小漏隙的漏隙速率），并与2）中提到的动作系统（例如，自动分离器）结合以将缺陷包装挑出并循环返回以到重新包装。

在一些实施例中，气体检测设备200可被定位成邻近生产组件中的一个或多个其他部件，或者可与生产组件中的一个或多个其他部件集成在一起。例如，在一些实施例中，一个或多个成像装置210（例如，图3中所示的相机）可被定位在机器人包装搬运机上或邻近机器人包装搬运机，以在包装产品被装箱以进行装运时检测包装物品内的气体。在另一个示例中，一个或多个成像装置210（例如，图3中所示的相机）可被定位在单独的操纵器上或邻近单独的操纵器。在前述示例中的任一者中，所述一个或多个成像装置210（在图3中示出）可在操纵（例如，由操纵器150、用户或本文中所描述的任何其他装置或过程操纵）期间捕获包装产品的（一个或多个）图像或视频，以搜寻包装物品中的气体。在一些实施例中，图像序列（例如，视频）可用于在有操纵抑或没有操纵的情况下跟踪包装产品随时间的变化。在操纵期间对包装产品进行成像可允许在图像序列中的图像之间比较包装产品，以观测在包装产品的包装物品内的移动气体。在另一个示例中，气体检测设备200可至少部分地被定位在真空包装设备内或真空包装设备自身的真空室内，以在包装后立即检测包装产品中的气体。作为其他气体检测手段的补充或替代，可使用本文中所公开的气体检测设备200的视觉系统225，其他气体检测手段诸如为破坏性检验方法、基于接触的泄漏检测和/或人工检验。在一些实施例中，气体检测设备可按顺序包括抑或同时包括非破坏性检验方法（例如，根据本文中所公开的任何实施例的成像）和破坏性检验方法的组合。例如，除了本文中所描述的基于荧光的成像技术之外，还可使用水池测试。

在一些实施例中，收缩通道或其他膜收缩装置可被定位在真空包装设备100的下游。在一些实施例中，吹离单元可被定位在膜收缩装置的下游。在一些实施例中，气体检测设备200可被定位在收缩装置和/或吹离单元的下游。在一些实施例中，气体检测设备200可与收缩装置抑或吹离单元成一体。

图3示出了根据本文中的系统和方法的用于检测原本真空包装的产品内的气体的示例气体检测设备200。所描绘的实施例示出了实验室规模的气体检测设备200，该气体检测设备从至少一个成像装置210（例如，相机）到输送机为35英寸（即35英寸的焦距）；然而，可根据任何商业包装操作来调整该规模。在一些实施例中，成像装置210可沿着输送机205被定位在不同的纵向和侧向点处，以从不同的角度捕获包装产品的图像。在设备200包括多个相机的情况下，成像装置210中的每一者可朝向公共焦点取向。在一些实施例中，至少一个成像装置210可被定位在输送机205上方和包装产品上方（例如，自顶向下角度）。在一些实施例中，至少一个成像装置210可被定位到包装产品的一侧（例如，低角度）。在低角度应用中，成像装置210通过减少反射光并与反射光相比增加发射光的比率来减少假阳性。在实施例中，成像装置210以低角度放置。在实施例中，成像装置210以自顶向下角度（90度）放置。在实施例中，成像装置210被放置成使得竖直平面与成像装置210的角度在0和60度之间。在实施例中，成像装置210被放置成使得竖直平面与成像装置210的角度在10和50度之间。

气体检测设备200可包括输送机205，在在线实施例中，该输送机可将气体检测设备连接到生产线的其余部分（例如，真空包装设备100和送出设备300）。在一些实施例中，输送机205可被构造成将包装产品连续地馈送通过该设备，并且当包装产品在成像装置210下方移动时，设备200可对这些包装产品进行成像。在一些实施例中，输送机205可被构造成暂停以允许对一个或多个包装产品进行静态成像。输送机200可被编程为以任何间隔或足够慢的速度操作从而允许视觉系统225对包装产品进行成像。

在一些实施例中，视觉系统225可与生产线中的另一个部件集成在一起。例如，在一些实施例中，视觉系统225或其部分（例如，成像装置210）可被定位成邻近于真空包装设备的真空室或在真空包装设备的真空室内部，以在包装之后立即或在包装之后不久检测包装产品中的气体。在一些实施例中，视觉系统225或其部分（例如，成像装置210）可被定位成邻近收缩通道或在收缩通道内部，以用于在热收缩过程期间进行成像。在一些实施例中，视觉系统225或其部分（例如，成像装置210）可被定位成邻近操纵器150或在操纵器150内部。在一些实施例中，视觉系统225或其部分（例如，成像装置210）可被定位成邻近送出设备（例如，机器人包装臂）或在送出设备内部。在一些实施例中，视觉系统225或其部分（例如，成像装置210）可被定位在包装产品被操纵或搬运的任何位置处或邻近该任何位置。

在一些实施例中，作为在计算设备220的控制下的补充或替代，用户可人工检验由成像装置210捕获的图像。在一些实施例中，用户可用手持式成像装置来人工捕获图像。在一些实施例中，作为视觉系统225的补充或替代，用户可观测包装产品以寻找缺陷。在一些实施例中，作为视觉系统的补充或替代，用户可使用手持式照明器215（例如，手持式黑光灯）来检验包装产品。

气体检测设备200可进一步包括外壳230，输送机205行进通过该外壳并且（一个或多个）成像装置210和（一个或多个）照明器215可被定位在该外壳中（例如，如图3中所示）。在一些实施例中，外壳230可限定形成通道的多个壁235，输送机205穿过该通道。在一些实施例中，壁235可以是至少部分反射的，以改进来自照明器的电磁辐射的量和覆盖范围。

在一些实施例中，视觉系统225可包括一个或多个成像装置210、一个或多个照明器215以及一个或多个计算设备220。在一些实施例中，成像装置210可包括能够检测由激发的基于荧光的指示剂以由指示剂发射的波长和强度所辐射的电磁能的任何传感器。例如，在一个示例实施例中，视觉系统225可包括相机头，该相机头是GigE彩色变焦相机。（一个或多个）相机可包括彩色相机或单色相机。在一些实施例中，（一个或多个）相机可包括面扫描相机或线扫描相机，并且相机每行可具有4k或8k像素。在一些实施例中，线扫描相机可以是优选的，因为它产生可以更快地进行分析的较少数据。在一些实施例中，成像装置210可以是胶片相机。在一些实施例中，成像装置210可以是互补金属氧化物半导体（CMOS）图像传感器。在一些实施例中，成像装置210可以是电荷耦合装置（CCD）图像传感器。

可以适于实施对包装产品的检验的视觉系统的一个实施例是由Isra SurfaceVision Inc.销售的系统。该系统以320兆赫操作。对于使用标准镜头的4K线扫描彩色相机，每次扫描有4096个像素跨过。每个像素的灰度值为从0到255，其中0为白色，255为黑色，且1-254为灰色调。替代实施例采用4K线扫描单色相机。使用带有单色相机的标准镜头，每次扫描有4096个像素跨过。

在一些实施例中，照明器215可包括能够产生处于足以激发基于荧光的指示剂的峰值波长和强度下的电磁辐射的任何电磁辐射源。在一些实施例中，照明器215可具有可变强度。例如，在一个示例实施例中，照明件（lighting）是4个黑光灯，每个黑光灯具有24英寸的长度，这些黑光灯布置成正方形且成像装置在顶部上并在中间位置中对准。在一些实施例中，照明器215可包括LED。在一些实施例中，照明器215可包括荧光灯、白炽灯或者其他灯或光源。在实施例中，照明器215包括可见光阻挡滤光器，以阻挡某些波长的光穿过而到达包装。在实施例中，光阻挡滤光器具有100到600 nm的带通。在实施例中，光阻挡滤光器（也被称为带通滤光器）具有200 nm的带通范围。在实施例中，（一个或多个）照明器215以低角度放置。在实施例中，（一个或多个）照明器215以自顶向下角度（90度）放置。在实施例中，照明器215被放置成使得照在包装上的光的角度在90度和160度之间。在实施例中，照明器215进一步包括偏振器，以减少眩光并提供改进的成像能力。

在一些实施例中，来自照明器的入射光的波长可至少在紫外线范围内。在一些实施例中，来自照明器的入射光的波长可限定紫外线范围内的峰值。在一些实施例中，来自照明器的入射光的波长可在可见光和紫外线范围两者内。在一些实施例中，来自照明器的入射光的波长可对应于自然光和紫外光两者。在一些实施例中，由激发的基于荧光的指示剂响应于入射光而发射的荧光电磁能的波长可至少在紫外线范围内。在一些实施例中，由激发的基于荧光的指示剂响应于入射光而发射的荧光电磁能的波长可至少在可见光谱中。在一些实施例中，由激发的基于荧光的指示剂响应于入射光而发射的荧光电磁能的波长可至少在蓝色或紫色范围内。在一些实施例中，入射光的波长可在紫外线范围内，并且由激发的基于荧光的指示剂发射的荧光电磁能可在可见范围内。在一些实施例中，从激发的基于荧光的指示剂发射的荧光电磁能的波长可大于来自照明器的入射光的波长。在示例实施例中，测试确定：当入射光在仅具有紫外光以及可见光和紫外光的组合的紫外线范围内时，从照明器发射的入射光引起期望的荧光。在实施例中，照明器215具有允许光以第一波长穿过的带通滤光器，并且成像装置210具有允许光以不同于第一波长的第二波长穿过的带通滤光器。在实施例中，第一波长小于400 nm，且第二波长大于400 nm。

计算设备220可控制成像装置210和照明器215并从成像装置210和照明器215接收数据。在一些实施例中，计算设备220可被构造成使用设置有图像处理和检测算法的视觉检验引擎504来完成对真空包装产品的真空严密度的自动化检验。在一些实施例中，监督学习算法和无监督学习算法可以用于图像处理和故障检测（即，检测膜和产品之间的气体）。在一些实施例中，多条生产线或多个生产设施可使用相同的计算设备220（例如，服务器）以在每条生产线上执行计算。

示例系统架构

在一些实施例中，可使用一个或多个计算系统（诸如，计算设备220）来控制气体检测设备200（在图3中示出）的成像装置210、照明器215和整体视觉系统225。在一些实施例中，一个或多个计算系统（诸如，计算设备220）可控制或指导其他计算系统来控制包装环境内的其他功能，诸如在线输送机和材料搬运装置。

如图4A中所图示的，计算设备220可包括处理器250、存储器252、输入/输出电路254、通信电路256、视觉检验电路258和获取电路260，并且可被构造成执行本文中所描述的功能。在一些实施例中，处理器250（和/或协处理器或者辅助处理器或以其他方式与处理器相关联的任何其他处理电路）可经由总线262与存储器252通信，以用于在设备的各部件当中传递信息。在一些实施例中，计算设备220可以是计算部件的分布式系统和/或远程地定位的计算装置。在一些实施例中，计算设备220可以是本地的。存储器252可以是非暂时性的，并且可包括例如一个或多个易失性和/或非易失性存储器。换句话说，例如，存储器可以是电子存储装置（例如，计算机可读存储介质）。存储器可被构造成存储信息、数据、内容、应用程序、指令等，以使得设备能够根据本发明的任何示例实施例来实施各种功能。

处理器250可以以许多种不同的方式具体实施，并且可例如包括被构造成独立执行的一个或多个处理装置。附加地或替代地，处理器可包括一个或多个处理器，所述处理器经由总线串联构造以使得能够独立执行指令、流水线操作和/或多线程操作。

在示例实施例中，处理器250可被构造成执行存储在存储器252中或处理器原本可访问的指令。替代地或附加地，处理器可被构造成执行硬编码的功能。因而，无论是通过硬件或软件方法还是通过其组合来构造，处理器都可表示能够在相应地被构造时根据本发明的实施例来执行操作的实体（例如，物理地被具体实施在电路中）。替代地，作为另一个示例，当处理器被具体实施为软件指令的执行器时，指令可具体地将处理器构造成在执行指令时执行本文中所描述的算法和/或操作。

在一些实施例中，设备225可包括输入/输出电路254，该输入/输出电路可进而与处理器250通信以向用户提供输出并在一些实施例中接收用户输入的指示。输入/输出电路254可包括用户界面，并且可包括显示器，且可包括网络用户界面、移动应用、客户端装置、信息亭（kiosk）等。在一些实施例中，输入/输出电路254还可包括键盘、鼠标、操纵杆、触摸屏、触摸区、软键、麦克风、扬声器或其他输入/输出机构。处理器和/或包括处理器的用户界面电路可被构造成通过存储在处理器可访问的存储器（例如，存储器252和/或等）上的计算机程序指令（例如，软件和/或固件）来控制一个或多个用户界面元件的一个或多个功能。

同时，通信电路256可以是被构造成从网络和/或与计算设备220通信的任何其他装置或模块接收数据和/或将向其传输数据的任何手段，诸如以硬件抑或硬件和软件的组合具体实施的装置或电路。在这方面，通信电路可包括例如一根或多根线缆（例如，USB线缆），所述线缆将（一个或多个）成像装置210和（一个或多个）照明器215连接到设备225以供与本文中所描述的软件和硬件构型一起使用。在一些实施例中，通信电路256可包括例如一个天线（或多个天线）以及支援硬件和/或软件以用于实现与无线通信网络或一个或多个无线装置的通信。附加地或替代地，通信接口可包括用于与（一根或多根）线缆和/或（一个或多个）天线交互的电路，以引起经由（一根或多根）线缆和/或（一个或多个）天线对信号的传输或处理对经由（一根或多根）线缆和/或（一个或多个）天线接收到的信号的接收。在一些环境中，通信接口可附加地或替代地支持与网络（例如，以太网）的有线通信。因而，例如，通信接口可包括通信调制解调器和/或其他硬件/软件，以用于支持经由线缆、数字订户线（DSL）、通用串行总线（USB）或其他机构进行的通信。

获取电路258可用于缓冲在成像装置（例如，（一个或多个）相机210）处捕获的一系列图像和数据。在一些实施例中，（一个或多个）成像装置210可捕获成像装置内的伴随的一个或多个表面（例如，在图像传感器的一个或多个基板上）的原始数据。（一个或多个）成像装置210可经由一个或多个电路将原始数据转换为计算机可读图像数据，并且可将图像数据传输到获取电路258。在一些实施例中，图像数据可包括对应于用于检测包装产品中的泄漏的电磁能的波长和/或强度的任何传感器数据。图像数据可包括各个图像；图像序列；视频；等。根据本发明的任何实施例，获取电路258可进一步控制（一个或多个）成像装置210和（一个或多个）照明器215以触发和定时对包装产品的相应照明以及对原始数据的捕获。在一些实施例中，可通过本文中所公开的用于生成图像数据的任何手段来捕获图像数据，手段包括但不限于本文中所公开的呈人工、自主、以及部分人工和部分自主的操作形式的任何成像装置（例如，相机、传感器等）。

视觉检验电路260可用于促进处理和分析从获取电路258接收到的图像数据。视觉检验电路260可进一步基于处理和分析的结果来触发警报或其他下游通知或动作。视觉检验电路可进一步连接到一个或多个远程服务器以进行数据挖掘和存储（例如，以访问模型和数据以从中训练新模型）。在一些实施例中，视觉系统225和视觉检验电路260可包括单个计算设备，或者可包括通过有线和/或无线网络本地连接或交互的多个设备。

在一些实施例中，视觉系统225可包括操作员用户界面（例如，作为输入/输出电路254的一部分）。缺陷数据（例如，来自视觉检验电路260）可显示在界面上，并且可本地地抑或远程地（例如，经由本地连接或网络连接）存档在数据库中。缺陷数据和图像可实时显示在界面上。在一些实施例中，也可按需在界面上观察即时、历史和统计数据。计算设备220可以被设置成选择性地检测和准确地分类包装产品中的缺陷，包括检测激发的基于荧光的指示剂，该指示剂指示被截留在包装物品内的气体。

可以对每个缺陷的图像进行分类、存储、显示、以及与其他缺陷的先前和未来图像进行比较。计算设备220可实时捕获每个缺陷的高分辨率图像。可以提供离散缺陷信息（诸如，个体缺陷几何信息和组缺陷统计）以关于过程改进进行即时决策和动作并监测（诸如，缺陷报警）。在一些实施例中，可向操作员示出每个潜在缺陷以关于如何处理有缺陷的包装产品进行人工决策。在一些实施例中，可部分地或完全自动完成对有缺陷的包装产品的筛选、标示和/或分离。在一些情况下，人操作员可再次检查原本自动的系统的工作。

可以对不同的缺陷严重性水平设定针对标注/标示、报警和自主性的各种输出。例如，用允许容易地自动和/或按需生成各种报告的数据挖掘软件，可以将数据导出到MSExcel和/或位于网络上任何地方的SQL数据库。可在处理单元（诸如，数字处理板）上处理缺陷数据。标示可以与分离和/或丢弃具有受损膜或损害程度超过预定阈值的膜的包装产品结合使用。可以通过在（或对应于）膜中缺陷的位置处将标记应用于膜来进行标示，以进行人工或自动分离（例如，用上文所描述的机器人送出）。在一些实施例中，有缺陷的包装（例如，示出泄漏或低真空条件的包装产品）可被拆开包装，并以新的包装物品和新的真空密封过程重新包装。

在实施例中，输入/输出电路254可允许外部信号输入，诸如新卷或新生产运行指示和暂停检验指示。关于用户定义的缺陷警报标准的警报输出也通过输入/输出电路254（例如，用户界面）处理。还可以启动输出，以控制下游标示或标注装置。可以对不同的预定义严重性或标准缺陷来激活警报。来自计算设备220的警报和缺陷信息可以经由OPC（即，软件接口标准）发送到工厂网络、可编程逻辑控制器（PLC）或监督控制和数据获取/人机接口（SCADA/HMI）。

在实施例中，编码器（未示出）可用于测量输送机205的速度，使得可查明检测到的有缺陷的包装产品的位置。由系统接收来自编码器的一系列脉冲，并对其进行计数。该计数被发送到处理器250以确定检测到的有缺陷的包装产品所处的沿输送机250向下的距离，并且该计数可用于对缺陷分离器的操作进行定时以从生产线移除有缺陷的包装产品。

参考图4B，示出了根据本文中所讨论的一些实施例的示例分布式系统。在所描绘的实施例中，图像传感器系统264（例如，包括（一个或多个）成像装置210和（一个或多个）照明器215）连接到第一计算设备270。第一计算设备270连接到网络272并经由网络连接到第二计算设备274。在一些实施例中，网络272可包括任何有线或无线通信网络，包括例如有线或无线局域网（LAN）、个人局域网（PAN）、城域网（MAN）、广域网（WAN）等、以及实施它所需的任何硬件、软件和/或固件（诸如例如，网络路由器等）。例如，网络272可包括蜂窝电话、802.11、802.16、802.20和/或WiMax网络。进一步地，网络272可包括公共网络（诸如，因特网）、私有网络（诸如，内联网）或其组合，并且可利用现在可用或以后开发的各种联网协议，包括但不限于基于TCP/IP的联网协议。

在一些实施例中，第一计算设备270和第二计算设备274可共同地包括本文中所描述的计算设备220的特征。在一些实施例中，任何数量的计算设备均可构成计算设备220。例如，在一些实施例中，第一计算设备270可包括图4A中所示的获取电路258和/或视觉检验电路260，并且第二计算设备274可包括图4A中所示的过程生成电路266和数据收集电路268。在一些实施例中，每个计算设备可包括如本文中所描述的处理器250、存储器252、输入/输出电路254、通信电路256和/或总线262。

示例检测模型和算法

在一些实施例中，可实施各种算法、模型和过程以检测包装产品中的缺陷。算法、模型和过程中的每一者可被构造成在包装产品上定位和识别激发的基于荧光的指示剂的区。在一些实施例中，可实施训练后的模型（例如，如图5A中所示），而在其他实施例中，算法方法可用于基于接收到的传感器信息来检测包装产品内的气体（例如，如图5B中所示）。本文中所公开的过程（例如，算法解决方案、基于模型的解决方案等）可接收处于一种或多种处理和预处理状态的图像数据；可进一步处理、拣选、分类和分析图像数据；并且可基于其来识别包装物品中存在的气体。在一些实施例中，如本文中所讨论的，操纵器可用于人为地增加任何现有泄漏的速度，并且可将包装物品内的气体移动到包装物品上的气体可更容易检测到的位置，以改进本文中所讨论的检测过程的准确性和精度。可在捕获图像数据前或同时操纵包装产品。在一些实施例中，可使用用于确定由激发的基于荧光的指示剂发射的荧光电磁能是否指示包装物品内的气体的任何手段，包括但不限于本文中所描述的计算设备、算法和模型；能够检测荧光的其他成像或感测技术；或者对捕获的图像的人工观测和/或对图像的人工捕获及对图像的分析。

图5A图示了用于评估真空包装产品在膜和产品之间是否具有气体（例如，空气）的基于模型的过程500的流程图（被描绘为功能性框图）。过程500可被具体实施在以下各者中和由以下各者执行：例如，图3中所示的气体检测设备200和图4A-4B中所示的视觉系统225，该视觉系统包括图像传感器系统264和计算设备220。如所描绘的，该系统可包括一个或多个成像装置210、数据获取系统502（例如，利用图4A中所示的计算设备220和获取电路258）、视觉检验引擎504（例如，利用图4A-4B中所示的计算设备220和图4A中所示的视觉检验电路260）、在线动作系统506、数据库管理系统508、数据收集系统510（例如，利用图4A-4B中所示的计算设备220和利用数据收集电路268）、以及模型生成器520（例如，利用图4A-4B中所示的计算设备220和图4A中所示的过程生成电路266）。图5A示出了根据一些实施例的用于执行结合本发明所描述的过程500的示例流程图。

在所描绘的实施例中，使用成像装置（例如，包括镜头和/或传感器选择）和照明件（例如，经由照明器215）的适当组合，获取一系列图像并将其馈送到获取系统502中，在该获取系统处，获取、缓冲数据并将其传送到视觉检验引擎504或数据收集系统510中的一者。图5A的所描绘的实施例包括两个示例用例：模型生成工作流和模型应用工作流。

在模型生成工作流中，过程500可从多个图像生成模型。图像可由（一个或多个）成像装置210捕获并由获取系统502接收。获取系统可包括图像获取引擎540、获取例程542、存储器缓冲器544和工作空间546。获取系统502可缓冲图像并将图像传输到数据收集系统510，该数据收集系统可标记512图像（例如，存在的良好/足够的真空或不良/气体）并对图像进行存储514。在一些实施例中，模型生成工作流可直接从存储装置514检索图像，或者图像（例如，训练集）可被单独地加载到系统中（例如，经由图4A中所示的通信电路256）。

可使用本文中所描述的任何过程来标记512图像。例如，用户可与每个图像相关联地将标记输入到系统中。在一些实施例中，包装产品可包括标签或标记，其向用户或视觉系统225识别包装产品的特性，以与产品的相应图像相关联。在一些实施例中，训练集可被预加载有标记。

可将标记的图像从数据收集系统510输入到模型生成器520以生成一个或多个模型，所述模型可在第一步骤521中通过以下方式来接收图像：在图像数据库522中接收标记的图像并初始化图像523以供在模型生成器中使用。然后，可将初始化的图像传递到图像分析524中，在该图像分析处，图像可被预处理525并且可被分析526。然后，可使用本文中所描述的训练过程执行模型生成527以基于所分析的图像来创建多个模型528，并且可测试这些模型并选择优选模型529（在一些实施例中，基于在测试数据中对该优选模型的预测准确性）。

一旦在模型生成器520中创建并选择了模型，就可在模型应用工作流中将模型部署到视觉检验引擎504。在模型应用工作流中，可由（一个或多个）成像装置210捕获图像并将该图像馈送到获取系统502中，在该获取系统处，获取、缓冲数据并将其传送到视觉检验引擎504。在视觉检验引擎504中，可将模型应用于未知图像以基于在模型生成工作流中由模型生成器520开发的训练后的模型来对图像进行分类（例如，存在的良好/足够的真空或不良/气体）。该过程可包括初始化模型532，可将图像输入到决策函数534中以在检测模型输出536处接收决策。

可将检测结果538馈送到在线动作系统506中以设置：预定的警报、膜标示、显示包装物品和产品之间的气体的图像（例如，经由用户界面）；显示关于一个或多个缺陷的数据，包括显示与气体填充区的几何特性、缺陷的位置、缺陷的发生程度、缺陷的严重性有关的数据；生成缺陷数据的报告和/或任何其他期望的输出。关于缺陷的数据可以即时和在线显示，或者在生产完成之后显示（即，离线或非在进行中（not-on-the-fly）），该数据可在离线数据库管理系统508中访问。使用数据挖掘，可以操纵、可视化数据并将其组织成期望的任何按需报告表（report form）。

检测结果可进一步作为标记的图像从视觉检验引擎504传送到数据收集系统510，以存储在图像存储装置514中并在随后的模型生成过程中使用，以递归地改进模型的准确性。

可设置数据处理软件和硬件以适应不同的浓度水平，并且对参数（诸如，暴露时间和光强度）的在进行中调整的需求最小。在一些实施例中，可离线或远程地完成过程500的多个部分。例如，数据收集系统510和/或模型生成器520可从过程的其余部分远程地定位（例如，在服务器上执行）。此外，视觉检验过程中的一些或全部可远程地发生。

转向图5B，示出了用于评估真空包装产品在膜和产品之间是否具有气体（例如，空气）的算法过程550的流程图（被描绘为功能性框图）。过程550可被具体实施在以下各者中和由以下各者执行：例如，图3中所示的气体检测设备200和图4A-4B中所示的视觉系统225，该视觉系统包括图像传感器系统264和计算设备220。如所描绘的，系统可包括一个或多个成像装置210、数据获取系统502（例如，利用图4A-4B中所示的计算设备220和图4A中所示的获取电路258）、视觉检验引擎504（例如，利用图4A-4B中所示的计算设备220和图4A中所示的视觉检验电路260）、在线动作系统506、数据库管理系统508、数据收集系统510（例如，利用图4A-4B中所示的计算设备220和利用数据收集电路268）、以及推理引擎560（例如，利用图4A-4B中所示的计算设备220和图4A中所示的过程生成电路266）。图5B示出了根据一些实施例的用于执行结合本发明所描述的过程550的示例流程图。

在所描绘的实施例中，使用成像装置（例如，包括镜头和/或传感器选择）和照明件（例如，经由照明器215）的适当组合，获取一系列图像并将其馈送到获取系统502中，在该获取系统处，获取、缓冲数据并将其传送到视觉检验引擎504或数据收集系统510中的一者。图5B的所描绘的实施例包括两个示例用例：算法生成工作流和算法应用工作流。

在算法生成工作流中，过程500可从多个图像生成算法。图像可由（一个或多个）成像装置210捕获并由获取系统502接收。获取系统可包括图像获取引擎540、获取例程542、存储器缓冲器544和工作空间546。获取系统502可缓冲图像并将图像传输到数据收集系统510，该数据收集系统可标记512图像（例如，存在的良好/足够的真空或不良/气体）并对图像进行存储514。在一些实施例中，算法生成工作流可直接从存储装置514检索图像，或者图像（例如，图像的测试集）可被单独地加载到系统中（例如，经由图4A中所示的通信电路256）。

可使用本文中所描述的任何过程来标记512图像。例如，用户可与每个图像相关联地将标记输入到系统中。在一些实施例中，包装产品可包括标签或标记，其向用户或视觉系统225识别包装产品的特性，以与产品的相应图像相关联。在一些实施例中，训练集可被预加载有标记。

可将标记的图像从数据收集系统510输入到推理引擎560以生成并识别一个或多个算法，所述算法可在第一步骤561中通过以下方式来接收图像：在图像数据库562中接收标记的图像并初始化图像563以供在推理引擎中使用。然后，可将初始化的图像传递到图像分析564中，在该图像分析处，图像可被预处理565并且可被分析566。然后，可使用本文中所描述的过程执行算法确定567以基于所分析的图像来创建一个或多个算法568，并且可测试这些算法并选择569优选算法（在一些实施例中，基于在测试数据中对该优选算法的预测准确性）。在一些实施例中，可使用一百个测试图像。在一些实施例中，可使用一千个测试图像。在一些实施例中，用户可在算法生成期间或之前人工识别图像和/或图像处理参数中的期望特征以识别这些特征。在一些实施例中，系统可使用本文中所描述的技术部分或完全自主地处理图像和/或检测图像中的期望特征。

一旦在推理引擎560中创建并选择了算法，就可在算法应用工作流中将算法部署到视觉检验引擎504。在算法应用工作流中，可由（一个或多个）成像装置210捕获图像并将该图像馈送到获取系统502中，在该获取系统处，获取、缓冲数据并将其传送到视觉检验引擎504。在视觉检验引擎504中，可将算法应用于未知（例如，未标记）图像以基于在算法生成工作流中在推理引擎560中选择的算法来对图像进行分类（例如，存在的良好/足够的真空或不良/气体）。该过程可包括初始化算法572，可将图像输入到决策函数574中以在检测算法输出576处接收决策。

可将检测结果578馈送到在线动作系统506中以设置：预定的警报、膜标示、显示包装物品和产品之间的气体的图像（例如，经由用户界面）；显示关于一个或多个缺陷的数据，包括显示与气体填充区的几何特性、缺陷的位置、缺陷的发生程度、缺陷的严重性有关的数据；生成缺陷数据的报告和/或任何其他期望的输出。关于缺陷的数据可以即时和在线显示，或者在生产完成之后显示（即，离线或非在进行中），该数据可在离线数据库管理系统508中访问。使用数据挖掘，可以操纵、可视化数据并将其组织成期望的任何按需报告表。

检测结果可进一步作为标记的图像从视觉检验引擎504传送到数据收集系统510，以存储在图像存储装置514中并在随后的算法生成过程中使用，以改进算法的准确性。在一些实施例中，可自主地执行推理引擎560中的图像分析和算法生成。在一些实施例中，可部分地人工执行推理引擎560中的图像分析和算法生成。在一些实施例中，可人工执行推理引擎560中的图像分析和算法生成。

可设置数据处理软件和硬件以适应不同的浓度水平，并且对参数（诸如，暴露时间和光强度）的在进行中调整的需求最小。在一些实施例中，可离线或远程地完成过程550的多个部分。例如，数据收集系统510和/或推理引擎560可从过程的其余部分远程地定位（例如，在服务器上执行）。此外，视觉检验过程中的一些或全部可远程地发生。

在一些示例实施例中，算法过程可用于检测激发的基于荧光的指示剂并识别包装产品中的气体。例如，在一些实施例中，基于特征提取的算法可用于检测包装产品的多个部分，这些部分呈现高于预定的阈值强度或处于预定的波长的被激发的荧光或与入射光的波长变化。在一些实施例中，暗特征检测可用于识别捕获的图像数据中的暗点和亮点，这可将低荧光区与高荧光区分离，其中高荧光区指示泄漏的可能性。在一些实施例中，可以以类似于暗特征检测的方式来使用亮特征检测。在一些实施例中，可基于图像数据的灰度值阈值来计算暗特征检测和亮特征检测。

在一些实施例中，特征提取可包括提取图像的一个或多个纹理。可将图像纹理与一个或多个产品的参考图像进行比较，以识别泄漏。例如，火腿产品可具有棋盘格表面纹理，该棋盘格表面纹理以棋盘格图案发荧光。可通过计算设备（例如，计算设备220）来确定预定强度或波长下的激发的基于荧光的指示剂的棋盘格图案以指示泄漏。在一些实施例中，特征提取可进一步用于排除不期望区，诸如背景或围绕密封件的区。例如，在一些实施例中，包装物品的密封件可具有不一致的纹理或厚度，这可在捕获的图像上产生明亮点。在一些实施例中，可将由密封件引起的明亮点从算法中排除。

在一些实施例中，算法过程可包括条纹检测。条纹检测可基于捕获的图像中所提取的几何特征。

参考图6，在示例实施例中，算法600（例如，由推理引擎560生成的算法）和相关联的图像处理可包括以下步骤：（1）捕获图像602；（2）将去噪应用于图像604；（3）将图像转换为灰度606；（4）应用阈值化以减小图像的供考虑的区段608；(5）消除图像的不期望区（例如，比预期的荧光更高或更低的区，诸如背景或密封件）610；以及（6）识别其余图像中对应于包装物品内的气体的特征612。在一些实施例中，算法600可进一步包括：基于检测到的特征来对图像进行分类614。在一些实施例中，只要识别出包装产品中的气体的发荧光区，就可消除前述算法的一些步骤。

如上所述，在一些实施例中，可开发训练后的模型（例如，图5A中所示的检测模型）以对真空包装产品的图像数据进行分类（例如，使用图5A中所示的模型生成器520训练的）。在图7中描绘的是一种开发训练后的图像分类模型的方法700的实施例。在框702处，获得真空包装产品的训练图像数据。在一些实施例中，训练图像数据包括具有已知状态的真空包装产品的图像和/或视频（即，图像序列）。在一些实施例中，用于获得训练图像数据的视觉系统225与将用于在创建训练后的图像分类模型之后获得未知状态的真空包装产品的图像数据的视觉系统225（例如，最终生产线中的视觉系统）相同。在一些实施例中，测试床或其他实验构型可用于获得训练图像数据。

在框704处，用训练图像数据中真空包装产品的状态来人工标记训练图像数据。例如，用户可以针对图像数据中真空包装产品的每个图像和/或视频来人工输入状态（例如，真空包装产品是有缺陷的、无缺陷的、或具有特定缺陷）。人工标记图像数据可包括：对真空包装产品进行物理测试以确定各个真空包装产品是真空密封的还是有缺陷的，且然后基于物理测试的结果将标记应用于图像数据。训练样本可包括多个真空密封包装产品和多个有缺陷的包装产品（例如，具有泄漏或低真空条件的包装产品）。在一些实施例中，训练图像数据中所表示的真空包装产品的数量在数十个真空包装产品、数百个真空包装产品、数千个真空包装产品或更多的范围内。在这些数字下，训练图像数据的人工标记过程可能是劳动密集型和时间密集型过程。在框706处，将标记的训练图像日期输入到训练模块中。

在一些实施例中，训练模型是机器学习模块，诸如“深度学习”模块。深度学习是基于提供给它的训练数据集来生成模型的机器学习子集。在一些实施例中，训练模型可使用无监督学习技术，包括聚类、异常检测、赫布型学习以及学习潜变量模型，学习潜变量模型诸如为期望最大化算法、矩量法（均值、协方差）和盲信号分离技术（包括主成分分析、独立成分分析、非负矩阵分解和奇异值分解）。在一个示例中，结合包括成像纹理分析（例如，计算漏隙检测指数值）在内的几种图像预处理/后处理技术来利用无监督学习技术以实现检测和分类。在另一个实施例中，结合包括成像纹理分析（例如，计算低真空检测指数值）在内的几种图像预处理/后处理技术来利用无监督学习技术异常检测以实现检测和分类。

在框708处，开发训练后的模型以对真空包装产品进行分类。在一些实施例中，随着对训练后的模型的开发，一种或多种学习算法用于基于训练图像数据中真空包装产品的标记状态来创建训练后的模型。在一些实施例中，基于指示真空包装产品的特性的一个或多个输入向量来创建训练后的模型。在一个示例中，输入向量可以是真空包装产品上的包装物品的“松度”（例如，包装表面中的褶皱），其中较松的真空包装产品被定义为有缺陷的。在一个示例中，高于特定阈值的松度可指示包装物品内的真空损失。在另一个示例中，如上文所描述，输入向量可以是由膜中的激发的基于荧光的指示剂根据所使用的特定指示剂和照明所发射的荧光电磁能的性质。例如，输入向量可包括以下各者中的一者或多者：由激发的基于荧光的指示剂发射的荧光电磁能的波长；由激发的基于荧光的指示剂发射的荧光电磁能的强度；和/或与来自照明器的入射电磁能相比，由激发的基于荧光的指示剂发射的荧光电磁能的波长变化。在一些实施例中，输入向量可对应于由激发的基于荧光的指示剂发射是可见光谱中的一种或多种颜色的荧光电磁能的波长、使用不可见电磁能（例如，紫外线、红外线）对真空包装产品的膜中的添加剂的检测、膜折痕的存在和数量、或任何其他数量的可能的输入向量。在实施例中，照明器（例如，照明器215）可以是具有用于控制快门速度和光强度的软件的紫外线背光。在一些实施例中，由激发的基于荧光的指示剂发射的荧光电磁能的波长可至少在紫外线范围内。在一些实施例中，由激发的基于荧光的指示剂发射的荧光电磁能的波长可至少在可见光谱中。在一些实施例中，由激发的基于荧光的指示剂发射的荧光电磁能的波长可至少在蓝色或紫色范围内。在一些实施例中，来自照明器的入射光的波长可至少在紫外线范围内。在一些实施例中，来自照明器的入射光的波长可限定紫外线范围内的峰值。在一些实施例中，入射光的波长可在紫外线范围内，并且由激发的基于荧光的指示剂发射的荧光电磁能可在可见范围内。在其中该过程被设计成同时针对同一膜同时检验多个膜层的实施例中，多个照明器215和/或多个成像装置210可以与用于快门速度和光强度的一个或多个控件一起使用。

使用输入向量进行训练可帮助训练后的模型在不识别根本原因的情况下识别有缺陷的真空包装产品。例如，真空包装产品可具有小针孔，当在运输系统（例如，输送机205）上移动真空包装产品时，将难以使用捕获的图像数据检测到该小针孔。本文中所详述的输入向量和基于荧光的指示剂的使用允许训练后的模型检测真空包装产品是有缺陷的，而无需识别小针孔或其他缺陷自身。在对输入向量进行建模之后，可以基于许多输入向量将训练后的模型开发为决策制定过程。决策制定过程的示例包括决策树、神经网络等。在一些实施例中，训练后的模型的决策制定过程基于在决策制定过程中对输入向量的可接受布置的确定。

在框708中对训练后的模型的开发的结果是在框710处所描绘的训练后的模型。可以在正常操作（例如，不用于训练为训练后的模型的操作）期间使用训练后的模型来识别真空包装产品的状态。在一些实施例中，训练后的模型包括具有许多个层的神经网络。在图8中描绘的是神经网络800的示例，该神经网络是多层神经网络。在所描绘的实施例中，神经网络800包括具有三个输入节点的第一层802、具有五个隐藏节点的第二层804、具有四个隐藏节点的第三层806、具有四个隐藏节点的第四层808、以及具有一个输出节点的第五层810。

神经网络800还包括在第一层802中的每对三个输入节点和第二层804中的五个输入节点之间的第一组连接812、在第二层804中的每对五个输入节点和第三层806中的四个隐藏节点之间的第二组连接814、在第三层806中的每对四个隐藏节点和第四层808中的四个隐藏节点之间的第三组连接816、以及在第四层808中的每对四个隐藏节点和第五层810中的输出节点之间的第四组连接818。在一些实施例中，输入节点表示到训练后的模型中的输入（例如，图像数据、与图像数据相关联的元数据等）、隐藏节点中的一者或多者（例如，隐藏节点的层中的一者）可表示在模型开发期间确定的输入向量中的一者，并且输出节点表示真空包装产品的确定的状态。

在图9中描绘的是一种使用训练后的图像分类模型来对真空包装产品的状态（例如，泄漏或密封、低真空或真空）进行分类的方法900的实施例。在框902处，获取真空包装产品的图像数据（例如，通过图3中所示的（一个或多个）成像装置210）。可通过视觉系统（诸如，在图3中的气体检测设备200中所示的视觉系统225）获得真空包装产品的图像数据。在一些实施例中，在通过运输系统（例如，输送机205）运输真空包装产品时获得真空包装产品的图像数据。

在框904处，将真空包装产品的图像数据输入到训练后的图像分类模型中。训练后的图像分类模型可在计算装置上操作，计算装置诸如为视觉系统225处的本地计算装置（例如，计算设备220）或者远离本地计算装置的计算装置。训练后的图像分类模型被构造成基于图像数据对真空包装产品的状态进行分类。在框906处，从训练后的图像分类模型接收对真空包装产品的状态的分类。在一些实施例中，已分类状态包括：真空包装产品是有缺陷的、无缺陷的、或具有特定缺陷的指示；和/或关于真空包装产品是否是有缺陷的、无缺陷的、或具有特定缺陷的确定度的指示。在一些实施例中，通过以下步骤中的一者或多者来接收已分类状态：在用户界面输出装置上显示分类、经由通信接口将分类传达到一个或多个外部装置、或将分类存储在数据库中。在一些实施例中，接收到的对真空包装产品的分类包括真空包装产品的已分类状态、或对真空包装产品的已分类状态的已分类状态确定度中的一者或多者。在一个特定示例中，将状态传达到定路线系统（例如，送出设备300），该定路线系统被构造成基于真空包装产品的状态在运输系统（例如，输送机205）上给这些真空包装产品（诸如，将有缺陷的包装定路线到用于重新包装和/或废品处置的位置）定路线。

如上所述，在框710处，使用方法700来获得训练后的分类模型，且然后可以在方法900中使用训练后的分类模型来对真空包装产品进行分类。在一些实施例中，在框702处获取的训练图像数据是特定类型的真空包装产品的图像数据，并且在框902处获取的图像数据是相同类型的真空包装产品的图像数据。在一个示例中，在框702处获取的训练图像数据是真空包装产品的图像数据，并且在框902处获取的图像数据是与这些真空包装产品相同类型的真空包装产品的图像数据。在一些实施例中，在框702处获取的训练图像数据是特定类型的真空包装产品的图像数据，并且在框902处获取的图像数据是不同类型的真空包装产品的图像数据。在一个示例中，在框702处获取的训练图像数据是一种类型的真空包装产品（例如，火腿）的图像数据，并且在框902处获取的图像数据是另一种类型的真空包装产品（例如，火鸡）的图像数据。即使在线成像的真空包装产品可以是与训练集中所使用的真空包装产品不同的类型，使用来自训练真空包装产品的训练图像数据的训练后的分类模型也可能够以足够的准确性对生产的真空包装产品的状态进行分类。

在图10中描绘的是一种开发训练后的图像分类模型的方法1000的实施例。在框1002处，获取许多真空包装产品的训练图像数据。在框1004处，将训练图像数据人工标记为有缺陷的或无缺陷的。通过用户针对训练图像数据中所表示的每个真空包装产品将有缺陷或无缺陷的指示输入到计算设备的用户界面输入装置中，可完成对训练图像数据的人工标记。在一些实施例中，训练真空包装产品可用其相应的状态（例如，有缺陷的或无缺陷的）来进行标记。

在框1006处，初始化模型信息、训练目标和约束。在一些示例中，模型信息包括要使用的模型的类型（诸如，神经网络）、输入向量的数量等。在一些示例中，训练目标可以包括训练后的模型的期望或预期的性能，诸如，大于或等于预定率（例如，大于或等于90％、95％、96％、97％、98％或99％中的一者或多者）的准确率。在一些示例中，约束可以包括训练后的模型的限制，诸如神经网络的最小层数、神经网络的最大层数、输入向量的最小权重、输入向量的最大权重、或训练后的模型的任何其他约束。在框1008处，可以使用模型信息和模型约束来训练模型。在一些实施例中，训练图像数据被分成两个子集—训练子集和校验子集，并且在框1008处对模型的训练包括使用图像数据的训练子集来训练模型。

在框1010处，做出是否满足训练目标的确定。在一些实施例中，通过将训练后的模型的结果与在框1006处初始化的训练目标进行比较来做出在框1010处的确定。在一些实施例中，在训练图像数据被分成训练子集和校验子集的情况下，在框1010处的确定包括使用图像数据的校验子集来测试在框1008处训练的模型。如果在框1010处做出不满足训练目标的确定，则方法1000进行到框1012，在该框处，更新训练目标和/或约束。在框1012处更新训练目标和/或约束后，方法1000返回到框1008，在该框处，使用更新后的训练目标和/或约束来训练模型。如果在框1010处做出满足训练目标的确定，则方法1000进行到框1014，在该框处，存储训练后的模型。存储训练后的模型可包括将训练后的模型存储在计算装置（例如，本地计算装置、远程计算装置等）中的一个或多个存储器中。

在一些实施例中，视觉系统（例如，视觉系统225）可用于既训练模型以对真空包装产品的状态进行分类又应用训练后的模型以对真空包装产品的状态进行分类。在图11中描绘的是一种用于使视觉检验引擎既训练模型以对真空包装产品的状态进行分类又应用训练后的模型以对真空包装产品的状态进行分类的方法1100的实施例。在一些实施例中，视觉系统包括图像传感器系统和计算设备（例如，图4A-4B中所示的图像传感器系统264和计算设备220），该图像传感器系统和计算设备可限定视觉检验引擎504和获取系统502。在那些实施例中，模型可在计算设备220上操作，同时图像传感器系统264获得真空包装产品的图像数据以用于训练抑或应用该模型。

在框1102处，初始化视觉系统225和分类模型。在一些实施例中，对视觉系统225的初始化包括初始化计算设备220和初始化图像传感器系统264，并且对分类模型的初始化包括在计算设备上加载包括分类模型的启动软件（launching software）。在框1104处，获取真空包装产品的图像数据（例如，通过图像传感器系统264和获取系统502）。在一些实施例中，图像传感器系统264获取真空包装产品的图像数据并将图像数据提供给计算设备220。在框1106处，做出分类模型是否处于训练模式的确定。可由在包括分类模型的计算系统上操作的软件来做出确定。

如果在框1106处做出分类模型处于训练模式的确定，则模型转到框1108，在该框处，做出真空包装产品的状态是否可用的确定。当用户将真空包装产品的状态人工输入到计算装置中或扫描真空包装产品的状态（例如，来自训练包装产品上的条形码）时，真空包装产品的状态可以是可用的。如果在框1108处做出状态可用的确定，则该方法进行到框1110。在框1110处，基于图像数据和真空包装产品的状态来更新分类模型。更新分类模型可以包括本文中所描述的用于训练和/或开发分类模型的任何方法。此时，真空包装产品状态（例如，人工输入的状态）是可用的，如框1112中所示的。然而，如果在框1106处做出分类模型不处于训练模式的确定，或者如果在框1108处做出状态不可用的确定，则该方法进行到框1114。

在框1114处，分类模型对真空包装产品的状态进行分类。在一些实施例中，通过分类模型进行分类的真空包装产品的状态包括：对真空包装产品是否是有缺陷的（例如，泄漏的或低真空的）、无缺陷的、或具有特定缺陷的确定；以及关于真空包装产品是否是有缺陷的、无缺陷的、或具有特定缺陷的确定度的指示。在框1116处，做出已分类状态的置信水平是否低的确定。在一些实施例中，置信水平是表示真空包装产品的已分类状态是准确的确定度的百分数，并且如果确定度低于可接受的确定度的预定百分数，则置信水平是低的。例如，如果可接受的确定度为90％，则在已分类状态的确定度低于90％的情况下，真空包装产品的已分类状态被认为是低的。如果在框1116处确定置信水平不低，则真空包装产品状态已被确定，如在框1118处所示的。然而，如果在框1116处确定置信水平是低的，则该方法进行到框1120，在该框处，将真空包装产品挑出以进行离线和/或人工分类（例如，在与生产线分开的情况下在视觉检验或物理测试后由用户进行分类）。

如果真空包装产品的状态可用（在框1112处抑或在框1118处），则该方法进行到框1122。在框1122处，输出真空包装产品的状态。在一些实施例中，输出真空包装产品的状态包括以下各者中的一者或多者：在用户界面输出装置上显示真空包装产品的状态、经由通信接口将真空包装产品的状态传达到一个或多个外部装置、或将真空包装产品的状态存储在数据库中。在一些实施例中，真空包装产品的状态包括以下各者中的一者或多者：真空包装产品是否是有缺陷的、无缺陷的、或具有特定缺陷的指示；或者真空包装产品是否是有缺陷的、无缺陷的、或具有特定缺陷的确定度。

无论是在框1122处输出真空包装产品的状态还是在框1120处保持真空包装产品以进行人工分类，方法1100都然后进行到框1124。在框1124处，做出另一个真空包装产品是否可用的确定。在一些实施例中，在框1124处的确定可以基于是否在输送机上检测到另一个真空包装产品（例如，经由一个或多个传感器）。在一些实施例中，在框1124处的确定可以基于用户是否输入了另一个真空包装产品是否可用的指示。如果在框处1124处做出另一个真空包装产品不可用的确定，则在框1126处，关闭视觉系统225和分类模型。然而，如果在框1124处做出另一个真空包装产品可用的确定，则方法1100循环回到框1104，在该框处，获取下一个真空包装产品的图像数据，并且方法1100针对下一个真空包装产品如上文所描述的那样从框1104进行。

如上文所讨论的，用以根据图像数据对真空包装产品的状态进行分类的训练后的模型可包括一个决策制定过程，诸如决策树或神经网络。在一些实施例中，用以根据图像数据对真空包装产品的状态进行分类的训练后的模型可包括多于一个的决策制定过程。在图12中描绘的是一种对真空包装产品的状态进行分类的方法1200的实施例。在所描绘的实施例中，方法1200部分地由以下各者执行：图像传感器系统1202（例如，图4A-4B中所示的图像传感器系统264）、检测决策制定过程1204、分类决策制定过程1206和输出装置1208。在框1210处，图像传感器系统获取真空包装产品的图像数据。在一些实施例中，当真空包装产品正由运输系统运输时，图像传感器系统1202可获取图像数据。在框1210处获取图像数据之后，图像传感器系统具有可以被传达到检测决策制定过程1204的图像数据1212。在一些实施例中，检测决策制定过程1204是在一个或多个计算装置上操作的基于软件的决策制定过程。

在框1214处，检测决策制定过程1204处理从图像传感器系统1202接收到的图像数据。在一些实施例中，由训练后的模型执行在框1214处对图像数据的处理，该训练后的模型已进行训练以检测与图像数据中真空包装产品相关联的感兴趣区域。在一些实施例中，在框1214处对图像数据的处理包括以下各者中的一者或多者：围绕图像中检测到的真空包装产品对图像数据中的图像进行裁剪（crop）、从图像数据中的视频中选择一个帧或帧的子集、从图像数据中的图像识别无关像素、以及用图像数据的最低有效值替换不相关像素。在一些实施例中，对图像数据的处理产生了具有矩形形状的单个图像，其中所识别的真空包装产品在图像中基本上居中并且用最低有效值替换被认为不相关的像素。在一些实施例中，对图像数据的处理可以包括掩蔽图像的一部分，其中用低值数据（例如，像素全部改变为黑色）替换图像的在感兴趣区域之外（例如，在真空包装产品之外）的区，以减少用以对真空包装产品的状态进行分类的处理量并在对真空包装产品的状态进行分类时减少误差的可能性。

在处理图像数据的一个实施例中，围绕图像数据中真空包装产品的表示来构建自定义边界。在自定义边界中还构建了环绕真空包装产品的边界框。该处理还包括从整个图像数据裁剪边界框。基于自定义边界裁剪图像数据的一个优点是，以后对真空包装产品的状态的分类可限于感兴趣区，而无需检验图像数据的不感兴趣区。这进而可提高分类的置信水平，且因此提高分类的整体准确性。在一些实施例中，在检测决策制定过程1204是多层神经网络的情况下，围绕自定义边界创建边界框简化了图像数据和神经网络的第一层之间的兼容性要求。附加地，裁剪图像数据导致图像数据的一部分而不是整个图像数据被处理以进行分类，这减少了用于分类的处理时间。在一些实施例中，自定义边界可帮助生成真空包装产品的区、其质心、或其取向中的一者或多者的数值。

在框1216处，做出在图像数据中是否检测到真空包装产品的存在的确定。在一些实施例中，在框1216处做出的确定是在框1216处对图像数据的处理的一部分。在一些实施例中，在框1216处对是否检测到真空包装产品的确定是与在框1216处对图像数据的处理分开的过程。如果在框1216处做出未检测到真空包装产品的存在的确定，则方法1200进行到框1218，在该框处，丢弃（例如，删除）图像数据，并且方法1200结束。然而，如果在框1216处做出检测到真空包装产品的存在的确定，则可以将在框1220处所表示的处理后的图像数据传达到分类决策制定过程1206。在一些实施例中，分类决策制定过程1206是在一个或多个计算装置上（例如，在视觉检验引擎504中的计算设备220上）操作的基于软件的决策制定过程，所述计算装置可与检测决策制定过程1204在其上操作的所述一个或多个计算装置相同或不同。在一些实施例中，在对数据中所表示的真空包装产品的状态进行分类前，在框1214处处理图像数据以获得处理后的图像数据（如在框1220处所示）提高了以后由分类决策制定过程1206执行的分类的准确性。

在框1222处，分类决策制定过程1206对从检测决策制定过程1204接收到的处理后的图像数据进行分类。在一些实施例中，由训练后的模型执行在框1222处对图像数据的分类，该训练后的模型已进行训练以对处理后的图像数据中所表示的真空包装产品的状态进行分类。在一些实施例中，在框1222处对处理后的图像数据中所表示的真空包装产品的状态的分类包括对真空包装产品是否是有缺陷的、无缺陷的、或具有特定缺陷的确定。在一些实施例中，在框1222处对处理后的图像数据中所表示的真空包装产品的状态的分类包括：对真空包装产品是否是有缺陷的、无缺陷的、或具有特定缺陷的确定；以及关于真空包装产品是否是有缺陷的、无缺陷的、或具有特定缺陷的确定度的指示。

在框1224处，做出已分类状态的置信水平是否低的确定。在一些实施例中，置信水平是表示真空包装产品的已分类状态是准确的确定度的百分数，并且如果确定度低于可接受的确定度的预定百分数，则置信水平是低的。例如，如果可接受的确定度为90％，则在已分类状态的确定度低于90％的情况下，真空包装产品的已分类状态被认为是低的。如果在框1224处确定置信水平不低，则真空包装产品状态已被确定，如在框1226处所示的。然而，如果在框1224处确定置信水平是低的，则该方法进行到框1228，在该框处，标示真空包装产品和/或图像数据以进行人工分类。

在框1230处，将真空包装产品的状态人工分类为在分类决策制定过程之外。在一些实施例中，在视觉检验或物理测试真空包装产品之后，由用户对真空包装产品进行人工分类。在框1232处，用户将真空包装产品的人工分类状态输入到分类决策制定过程1206。在框1234处，更新分类决策制定过程1206。在分类决策制定过程1206是训练后的模型的实施例中，更新分类决策制定过程1206包括基于人工分类来进一步训练训练后的模型。在更新分类决策制定过程1206后，方法1100返回到框1226，在该框处，真空包装产品的已分类状态是真空包装产品的人工分类状态。

在由分类决策制定过程1206分类或获得真空包装产品的已分类状态（如在框1226处所表示的）后，分类决策制定过程1206将真空包装产品的已分类状态发送到输出装置1208（例如，图4A中所示的输入/输出电路254和/或通信电路256）。在分类决策制定过程1206是在一个或多个计算装置上操作的软件的实施例中，输出装置1208可以是用户界面输出装置。在一些实施例中，在框1236处输出真空包装产品的已分类状态包括以下各者中的一者或多者：经由用户界面（例如，监测器、触摸屏等）向用户输出真空包装产品的已分类状态、经由通信电路将真空包装产品的已分类状态传达到外部装置、或将真空包装产品的已分类状态本地存储在数据库中。

在本文中所公开的任何实施例中，针对任何一个真空包装产品接收到的图像数据均可包括关于同一真空包装产品的多种形式的图像数据。例如，关于真空包装产品的图像数据可包括同一真空包装产品的在可见光范围内的两个图像。可将同一真空包装产品的这些多种不同形式的图像数据单独地传递通过训练后的模型。如果训练后的模型使用两种不同形式的图像数据传回（return）真空包装产品的相同的已分类状态，则可以明显提高对该真空包装产品的分类的置信水平。在一个示例中，如果训练后的模型将图像中的一者分类为具有处于98％置信水平的带有不完美密封的真空包装产品并将另一图像分类为具有处于96％置信水平的带有不完美密封的真空包装产品，则真空包装产品具有不完美密封的置信水平可大于99％。在另一个示例中，如果训练后的模型将图像中的一者分类为具有处于60%置信水平的无缺陷的真空包装产品并将另一图像分类为具有处于70%置信水平的无缺陷的真空包装产品，则真空包装产品无缺陷的置信水平可以是88%。即使使用两个图像的置信水平可明显高于单独的任一图像，来自两个图像的组合置信水平（例如，88％）也可能仍低于可接受的确定度的预定百分数（例如，95％），这可能引起标示真空包装产品以进行人工分类。在一些另外的实施例中，可使用多个相机角度以在多个表面上和从多个视点使真空包装产品成像（例如，图3中所示的三个相机210）。在一些实施例中，可使用同一真空包装产品的两个或更多个相机角度。将显而易见的是，多种形式的图像数据的数量不限于两种，而是可以是任何数量种形式的图像数据。

在一些实施例中，荧光增加或变更的每个区不一定都需要检测和报告，并且用户或计算机设备可确定一个或多个阈值以促进对包装物品中的气体的识别。阈值可基于本文中所详述的任何参数，并且可作为算法或模型的结果而被预先确定或应用。可以设定阈值，使得仅标示超过阈值大小的缺陷以进行去除。例如，阈值可以设定为沿至少一个方向具有至少2毫米大小的荧光区域（即，具有沿机器方向至少2毫米和/或沿横向方向至少2 mm的大小的变更的荧光）。替代地，阈值可以设定为沿至少一个方向至少1毫米的大小（即，沿至少一个方向至少1毫米的变更的荧光）。在一些实施例中，阈值可以设定为预定的表面积（例如，至少1 mm²、2 mm²、3 mm²、或4 mm²的面积）。即使系统有看到沿至少一个方向低至（downto）10微米大小的包装产品中的气体的能力，也可以设定这种阈值。阈值的设定不同于机器视觉系统检测沿至少一个方向的至少特定大小的缺陷（例如，包装产品中的气体）的能力。相反，阈值的设定是触发响应其而生成信号的面积的大小的最小值的设定。那个阈值可以设定为任何期望值，并且不同于机器视觉系统检测低至至少指定大小的缺陷的能力。

在一些实施例中，本文中所公开的算法或基于模型的检测手段可用于检测包装物品中的缺陷。例如，在一些实施例中，本文中所描述的算法或基于模型的检测手段可检测高于密封件的大多数的高荧光区，这可指示密封件中的褶状物或其他缺陷。在一些实施例中，算法或基于模型的检测手段可检测来自密封件的基本上均匀、恒定的荧光，从而指示强密封。在一些实施例中，在密封件的区域中荧光较少或没有荧光的区可指示密封件中的不连续性或弱化。

示例

在示例实施例中，算法和图像处理可包括以下步骤中的一些或全部：（1）捕获图像；（2）将去噪应用于图像；（3）将图像转换为灰度；（4）应用阈值化以减小图像的供考虑的区段；(5）消除图像的不期望区；（6）识别其余图像中对应于包装产品中气体的存在的特征。在以下附图中示出和描述了这些处理步骤中的每一者的示例。

图13是两个火腿产品的彩色图像1300，每个火腿产品包装由1号膜制成的10" x24"端部密封膜包装物品，其具有发荧光的指示剂1302。关于左火腿，高度荧光区1302表示包装物品中的气体，该包装物品示出火腿的基本图案。在一些实施例中，可通过由下面的肉类的纹理所引起的不均匀荧光图案将荧光区1302识别为气体（例如，包装物品中的气体填充火腿中的缝隙）。包装产品的某些区可曝光过度或者可指示高荧光而非有缺陷的，诸如围绕密封件的区1304。这些区可具有与包装产品中的任何泄漏或缺陷无关的厚度不均匀的膜或起皱的膜。本文中所公开的算法和训练后的模型可例如在气体填充区1302和无缺陷的高荧光区（例如，1304）之间进行区分，因为无缺陷的高荧光区可具有比泄漏区更高和/或更均匀的荧光。包装产品的呈现低荧光（例如，彩色图像中较深的蓝色和黑色）的区指示包装物品的膜贴紧肉类。

图14示出了包括泄漏区1402和密封区1400的图13的图像，其中图像1400已经历去噪过程以区分不同荧光的区并减少视觉系统必须考虑的噪声。在所描绘的实施例中，泄漏区1402由膜中的刺孔引起。在一个示例中，去噪过程使用7个像素的模板窗口大小、21个像素的搜寻窗口大小和20的滤光强度。

图15示出了图像1500，该图像包括泄漏区1502和密封区1504。图15的图像1500表示图14的图像1400的灰度版本。

图16示出了进一步处理的图像1600，该图像包括泄漏区1602和密封区1604，该密封区已经历根据图15中的图像的阈值化过程。在所描绘的实施例中，泄漏区1602和非泄漏的高荧光密封区1604各自是可见的。在所描绘的实施例中，图像已经历阈值化过程以更清楚地示出包装产品的发射高和低荧光的对比区。在一个示例中，阈值化过程使用Otsu’s阈值进行二进制类型的阈值化。

图17示出了图16的图像，该图像根据本文中所描述的任何算法或模型已经历消除步骤以去除高荧光密封区。所得的图像1700将泄漏区1702描绘为白色，而密封区1704已被消除为非泄漏的。在一个示例中，区步骤（例如，区阈值化）使用轮廓检测，该轮廓检测设定为在产品边界处进行最大区消除。

图18示出了在图13-17的步骤之后对包装产品上的泄漏区（由红线包围）的所得的识别。图像1800包括被识别为有缺陷的泄漏区1802、气体填充区、以及被忽略的密封区1804。

在图19-22中示出了另一个示例测试，这些图描绘了在包装中人为地刺了一个大刺孔（~2-3 mm）之后包装在1号膜中的已煮熟的无骨熟食火腿。在一些情况下，大刺孔可被称为“骨刺孔”，而不考虑刺孔的实际原因。

图19是两个真空包装火腿产品的彩色图像，包括对照包装产品1900（在左侧的包装，无泄漏）和漏隙包装产品1902（在右侧），该图像是在穿过在右侧的真空包装1902膜刺了一个大刺孔（~2-3 mm）后拍摄的。两个火腿产品都包装在由1号膜制成的10" x 24"端部密封袋中。在旋转室真空机（见图1D）中进行真空包装后，通过使包装产品穿过收缩通道来使膜收缩而紧密贴紧肉类。

图20是图19的两个真空包装火腿产品的彩色图像，其中图20的图像是在穿过在右侧的包装膜出现骨刺孔后1分钟拍摄的。在图20中，对照火腿包装2000从图19不变；然而，在泄漏火腿包装2002的荧光中明显地出现泄漏2004。增强的荧光是由于已通过泄漏进入真空包装的气体所致。

图21是图19和图20的两个真空包装火腿产品的彩色图像，其中图21的图像是在穿过在右侧的包装膜出现骨刺孔之后5分钟拍摄的。在图21中，对照火腿包装2100从图19不变；然而，在泄漏火腿包装2102的荧光中泄漏2104明显大于图19或图20中的泄漏。进一步增强的荧光是由于已通过泄漏进入真空包装的仍更大量的气体所致。

基于图19-21中所示的刺孔，基线漏隙检测指数值被确定为I_D0 = 547。在1分钟后，漏隙检测指数值为I_D1 = 13,115。在5分钟后，漏隙检测指数值为I_D5 = 29,152。

图22是对于针对图19-21的刺孔实施例图像所提供的指数值而言漏隙检测指数作为时间的函数的曲线图。向上倾斜的曲线示出了漏隙检测指数如何作为时间的函数增加。在本示例中，将假设阈值设定为0.5的漏隙检测指数。

转向图23-26，示出了另一个示例测试，这些图描绘了在包装中人为地刺了一个小刺孔（~1 mm）之后包装在1号膜中的已煮熟的无骨熟食火腿。在一些情况下，小刺孔可被称为“针孔”或“针孔刺孔”，而不考虑刺孔的实际原因。

图23是两个真空包装火腿产品的彩色图像，包括对照包装产品2300（在左侧的包装，无泄漏）和漏隙包装产品2302（在右侧），该图像是在穿过在右侧的真空包装2302膜刺了一个小刺孔（~1 mm）之后拍摄的。两个火腿产品都包装在由1号膜制成的10" x 24"端部密封袋中。在旋转室真空机（见图1D）中进行真空包装之后，通过使包装产品穿过收缩通道来使膜收缩而紧密贴紧肉类。

图24是图23的两个真空包装火腿产品的彩色图像，其中图24的图像是在穿过在右侧的包装膜出现针孔刺孔之后40秒拍摄的。在图24中，对照火腿包装2400从图23不变；然而，在泄漏火腿包装2402的荧光中明显地出现泄漏2404。增强的荧光是由于已通过泄漏进入真空包装的气体所致。

图25是图23和图24的两个真空包装火腿产品的彩色图像，其中图25的图像是在穿过在右侧的包装膜出现小刺孔之后250秒拍摄的。在图25中，对照火腿包装2500从图23不变；然而，在泄漏火腿包装2502的荧光中泄漏2504明显大于图23或图24中的泄漏。进一步增强的荧光是由于已通过泄漏进入真空包装的仍更大量的气体所致。

基于图23-25中所示的刺孔，基线漏隙检测指数值被确定为I_D0 = 159。在1分钟后，漏隙检测指数值为I_D40 = 1,842。在5分钟后，漏隙检测指数值为I_D250 = 6,004。

图26是对于针对图23-25的刺孔实施例图像所提供的指数值而言漏隙检测指数作为时间的函数的曲线图。向上倾斜的曲线示出了漏隙检测指数如何作为时间的函数增加。在本示例中，将假设阈值设定为1000的漏隙检测指数。

低真空检测可行性测试

在一个示例实施例中，模拟低真空条件以观测本文中所描述的系统和方法检测密封包装中的低真空的能力。如本文中所描述，出现了低真空条件，其中包装产品被密封，但是真空过程未能在密封前从包装物品去除足够的气体，并且包装产品中存在超过令人满意的量的过量气体。以下描述了涉及已煮熟的熟食火腿产品的低真空检测可行性测试的测试设置和结果。为了进行测试，结合包括成像纹理分析（计算低真空检测指数值）在内的几种图像预处理/后处理技术来利用无监督学习技术异常检测以达到检测和分类。

测试准备–包装、设置

包装机信息：

UltraVac 2100

程序1

密封度：1.0

真空设定：

对照包装：97%真空+Vac Plus 4

低真空包装：93%真空

包装信息：

火腿包装的高度范围为从4"到5.5"，且切割面的直径为大约6.5-8"。

参考图27-29，示出了针对1号膜测试的捕获的图像和所得的分析。图27示出了具有色图调整的对照火腿2702和低真空火腿2700的彩色照片，每个火腿包装在1号膜中。在照片中，低真空火腿2700示出了气体积聚在包装物品中的高荧光2704的图案，而基线火腿在同一位置2706处未示出气体。每个包装产品在密封件2708、2710处示出了高荧光。

图28-29示出了在应用如上文所描述的纹理分析的情况下的图27的图像，其中气体区2804在低真空条件2800的带纹理图像2904中可见并被识别，而在基线图像2802的同一区2806中未识别类似的纹理2906。每个包装产品在密封件2808、2810处示出了高荧光，该区段在如本文中所描述纹理分析期间被去除。所得的分析确定低真空测试火腿的纹理指数值为14,449并且基线测试火腿的纹理指数值为339，从而示出了对低真空条件下存在的气体的容易识别和区分。

图30示出了结合如与本文中的任何纹理识别过程（例如，从图15转换到图16或从图27转换到图28）一起描述的示例图像掩蔽过程使用的示例色相、饱和度、亮度（HSV）图。使用图像掩蔽，可对捕获的图像数据进行滤波以去除图像的不期望的部分，从而集中在接收到的图像数据的对应于本文中所描述的基于荧光的指示剂的性质的部分上。HSV图进一步示出了由本文中的成像装置捕获的示例图像的色相、饱和度和值，不过图像的确切参数可取决于所使用的成像装置、照明和指示剂而变化。在色相图中，带框区通常对应于从近似蓝绿色到近似紫色的色谱（例如，在“H”标记附近的向左定向的色相尖峰对应于蓝绿色，且从蓝绿色顺时针，大的色相尖峰对应于~绿色、~黄色、~红色、~粉色和~蓝色）。

结论

受益于前述描述和相关联的附图中呈现的教导，本文中阐述的发明所涉及的领域的技术人员将会想到这些发明的许多修改和其他实施例。因此，将理解，本发明将不限于所公开的特定实施例，并且修改和其他实施例旨在被包括在所附权利要求的范围内。此外，尽管前述描述和相关联的附图在元件和/或功能的某些示例组合的背景下描述了示例实施例，但是应了解，在不脱离所附权利要求的范围的情况下，可由替代实施例提供元件和/或功能的不同组合。在这方面，例如，如可在一些所附权利要求中阐述的，还构想与上文明确描述的元件和/或功能的组合不同的组合。尽管本文中采用特定的术语，但是它们仅在一般和描述的意义上使用而非用于限制的目的。彩色图像可与本公开一起提交以用于图示一些示例实施例，并且应被理解为在每种情况下都不是必需的或限制性的。在一些实施例中，可使用示例图30中所示的近似HSV值或本文中所公开的波长将本公开的诸图的灰度版本转换为彩色。随附的是附录A，其包括图1A-30的灰度版本。

Claims (45)

1.一种用于检测有缺陷的真空包装产品的过程，所述过程包括：

提供包括被封闭在包装物品内的产品的包装产品，其中，所述包装物品包括膜，所述膜具有包含基于荧光的指示剂的至少一个层；

将所述包装产品暴露于入射电磁能以产生激发的基于荧光的指示剂，其中，所述激发的基于荧光的指示剂发射荧光电磁能；以及

基于由所述激发的基于荧光的指示剂发射的所述荧光电磁能来确定气体存在于所述包装物品内。

2. 根据权利要求1所述的过程，其中，确定气体存在于所述包装物品内包括：

基于由所述激发的基于荧光的指示剂发射的所述荧光电磁能来生成图像数据；以及

分析所述图像数据以确定由所述激发的基于荧光的指示剂发射的所述荧光电磁能是否指示所述包装物品内的气体。

3.根据权利要求2所述的过程，其中，分析所述图像数据包括：确定所述包装产品的至少一部分是否呈现与在所述产品和所述膜之间气体的存在相对应的荧光波长和/或荧光强度。

4.根据权利要求3所述的过程，其中，分析所述图像数据包括：确定所述包装产品的所述至少所述部分是否呈现与在所述产品和所述膜之间气体的存在相对应的所述荧光波长和/或所述荧光强度包括检测阈值荧光波长和/或阈值荧光强度。

5.根据权利要求4所述的过程，其中，所述阈值荧光波长和/或所述阈值荧光强度指示所述包装物品内部的气体的阈值量。

6.根据权利要求4或5所述的过程，其中，所述阈值荧光波长和/或所述阈值荧光强度指示所述包装物品内部的所述气体的阈值压力。

7.根据权利要求3至6中任一项所述的过程，其中，所述包装产品的所述至少所述部分限定大于所述包装产品的阈值区的区。

8.根据权利要求2至7中任一项所述的过程，其中，生成所述图像数据包括用成像装置来捕获原始数据并将所述原始数据转换为所述图像数据。

9.根据权利要求8所述的过程，其中，使用计算设备实施分析所述图像数据，所述计算设备包括计算机可执行指令，所述计算机可执行指令被构造成确定由所述激发的基于荧光的指示剂发射的所述荧光电磁能是否指示所述包装物品内的所述气体。

10.根据权利要求9所述的过程，其中，所述计算机可执行指令包括训练后的模型。

11.根据权利要求10所述的过程，其进一步包括：在分析所述图像数据之前，用训练用包装产品的训练集来生成所述训练后的模型。

12.根据前述权利要求中任一项所述的过程，其中，确定所述气体存在于所述包装物品内包括确定所述膜呈现以下各者中的至少一者：（i）相对于其中在所述膜和所述产品之间不存在气体的第二区域，荧光电磁能在其中所述膜和所述产品之间有气体的第一区域中更高，和（ii）在其中在所述膜和所述产品之间有气体的所述第一区域中发生荧光电磁能色移。

13.根据前述权利要求中任一项所述的过程，其中，提供包括被封闭在所述包装物品内的所述产品的所述包装产品包括：

将所述产品放置在所述包装物品内部；

从所述包装物品排空气体；以及

至少部分地密封所述包装物品以创建所述包装产品。

14.根据权利要求13所述的过程，其进一步包括：从包围所述包装物品的区排空气体，其中，提供所述包装产品进一步包括：在所述至少部分密封后，使气体返回到包围所述产品和所述包装物品的所述区。

15.根据权利要求13或14所述的过程，其中，所述膜是可热收缩膜；并且其中，提供所述包装产品进一步包括：在从所述包装物品排空所述气体后，使所述膜收缩贴紧所述产品。

16.根据权利要求15所述的过程，其中，确定所述气体存在于所述包装物品内发生在使所述膜收缩之前。

17.根据权利要求15或16所述的过程，其中，所述膜在85℃下的总自由收缩率为10％或更多。

18. 根据权利要求13至17中任一项所述的过程，其中，从所述包装物品排空所述气体包括：在至少部分地密封所述包装物品以创建所述包装产品之前，将所述包装物品内部的气体压力减小到4 mmHg或更小。

19.根据前述权利要求中任一项所述的过程，其进一步包括：操纵所述包装产品以增加进入所述包装物品中的所述气体的流动速率和/或使所述气体在所述包装物品内移动。

20.根据权利要求19所述的过程，其中，由操纵器操纵所述包装产品，所述操纵器被构造成振动、冲击、翻滚、加热或引导空气喷射朝向所述包装产品。

21.根据前述权利要求中任一项所述的过程，其中，基于由所述激发的基于荧光的指示剂发射的所述荧光电磁能来确定所述气体存在于所述包装物品内指示以下各者中的至少一者：所述包装物品中的孔、所述包装物品的密封件中的间隙、所述包装物品的所述膜中的缺陷、或所述包装物品中的低真空条件。

22.根据前述权利要求中任一项所述的过程，其中，确定气体存在于所述包装物品内包括：人工检验由所述激发的基于荧光的指示剂发射的所述荧光电磁能。

23.根据前述权利要求中任一项所述的过程，其中，所述基于荧光的指示剂包括选自由以下各者组成的组的至少一个成员：紫外线指示剂、红外线指示剂、染料、颜料、光学增亮剂、荧光增白剂、2,2’-(2,5-硫代苯二基)双(5-叔-丁基苯并恶唑)、羟基-4-)对-甲苯氨基)蒽-9,10-二酮、2,5-噻吩二基双(5-叔-丁基-1,3-苯并恶唑)和蒽醌染料。

24. 根据前述权利要求中任一项所述的过程，其中，所述基于荧光的指示剂存在于所述膜的至少一个层中，其中所述基于荧光的指示剂以基于层重量从0.5到150 ppm的水平存在。

25.根据前述权利要求中任一项所述的过程，其中，所述产品是食品产品。

26.根据权利要求25所述的过程，其中，所述食品产品包括选自由肉和奶酪组成的组的至少一个成员。

27.根据前述权利要求中任一项所述的过程，其中，所述膜是单层膜。

28.根据前述权利要求中任一项所述的过程，其中，所述膜是多层膜。

29.根据权利要求28所述的过程，其中，所述多层膜包括功能层；并且其中，所述基于荧光的指示剂存在于所述功能层中。

30.根据权利要求29所述的过程，其中，所述功能层是选自由以下各者组成的组的成员：氧气屏障层、感官屏障层、湿气屏障层、有害化学屏障层、微生物屏障层、酸层、酸盐层、细菌素层、噬菌体层、金属层、金属盐层、天然油层、天然提取物层、包含聚六亚甲基双胍盐酸盐的层、包含对羟基苯甲酸酯的层、包含接枝的硅烷-季胺的层、包含三氯生的层、包含银、铜和/或锌的沸石的层。

31.根据权利要求30所述的过程，其中，所述功能性是氧气屏障层，其包括选自由以下各者组成的组的至少一个成员：偏二氯乙烯共聚物、经皂化的乙烯/乙酸乙烯酯共聚物、聚酰胺、聚酯、取向的聚丙烯和乙烯均聚物。

32.根据权利要求28至31中任一项所述的过程，其中，所述多层膜包括：

A）第一层，其为被构造成用作热封层的第一外膜层；

B）第二层，其为被构造成用作滥用层的第二外层；

C）在所述第一层和所述第二层之间的第三层，其中，所述第三层被构造成用作功能层；

D）在所述第一层和所述第三层之间的第四层，其中，所述第四层被构造成用作第一粘结层；以及

E）在所述第二层和所述第三层之间的第五层，其中，所述第五层被构造成用作第二粘结层。

33.根据前述权利要求中任一项所述的过程，其中，所述包装物品选自由以下各者组成的组：端部密封袋、侧部密封袋、小袋或背缝合的包装物品。

34.根据前述权利要求中任一项所述的过程，其中，在其中在所述包装物品内检测到所述气体的情况下，所述过程进一步包括：从所述包装物品将所述产品拆开包装并将所述产品重新包装在第二包装物品中。

35.根据前述权利要求中任一项所述的过程，其中，基于由所述激发的基于荧光的指示剂发射的所述荧光电磁能来确定所述气体存在于所述包装物品内包括：确定大于阈值量的所述气体存在于所述包装物品内。

36.根据前述权利要求中任一项所述的过程，其中，基于由所述激发的基于荧光的指示剂发射的所述荧光电磁能来确定所述气体存在于所述包装物品内包括：确定大于阈值压力的所述气体存在于所述包装物品内。

37.根据前述权利要求中任一项所述的过程，其中，在其中在所述包装物品内检测到所述气体的情况下，所述过程进一步包括：生成信号，所述信号包括选自由以下各者组成的组的至少一个成员：警报、包装标示、显示有缺陷的真空包装的图像、生成报告、标注所述包装产品、以及转移所述包装产品。

38.一种用于检测有缺陷的真空包装产品的系统，所述系统包括：

包装物品，其包括膜，所述膜具有包含基于荧光的指示剂的至少一个层；

其中，所述包装物品被构造成在其中接收产品；

其中，所述基于荧光的指示剂被构造成在其中由入射电磁能激发所述基于荧光的指示剂的情况下发射荧光电磁能；并且

其中，由所述激发的基于荧光的指示剂发射的所述荧光电磁能指示气体是否存在于所述包装物品内。

39.根据权利要求38所述的系统，其进一步包括成像装置，所述成像装置被构造成基于由所述激发的基于荧光的指示剂发射的所述荧光电磁能来生成图像数据。

40.根据权利要求39所述的系统，其进一步包括计算设备，所述计算设备包括计算机可执行指令，所述计算机可执行指令被构造成：当由所述计算设备执行时，引起所述计算设备确定由所述激发的基于荧光的指示剂发射的所述荧光电磁能是否指示所述包装物品内的所述气体。

41.根据权利要求40所述的系统，其中，所述计算机可执行指令进一步被构造成：当由所述计算设备执行时，引起所述计算设备确定由所述激发的基于荧光的指示剂发射的所述荧光电磁能是否指示所述包装物品内的超过预定阈值量或压力的所述气体。

42. 根据权利要求38至41中任一项所述的系统，其进一步包括：

用于基于由所述激发的基于荧光的指示剂发射的所述荧光电磁能来生成图像数据的器件；以及

用于确定由所述激发的基于荧光的指示剂发射的所述荧光电磁能是否指示所述包装物品内的所述气体的器件。

43.一种包装物品，其包括：

膜，所述膜具有包含基于荧光的指示剂的至少一个层；

其中，所述包装物品被构造成在其中接收产品；

其中，所述基于荧光的指示剂被构造成在其中由入射电磁能激发所述基于荧光的指示剂的情况下发射荧光电磁能；并且

其中，由所述激发的基于荧光的指示剂发射的所述荧光电磁能指示气体是否存在于所述包装物品内。

44.一种用于分离可回收材料的过程，所述过程包括：

提供包装物品，所述包装物品包括膜，所述膜具有包含基于荧光的指示剂的至少一个层；

将所述包装物品暴露于入射电磁能以产生激发的基于荧光的指示剂，其中，所述激发的基于荧光的指示剂发射荧光电磁能；以及

基于检测到所述激发的基于荧光的指示剂将所述包装物品与其他包装物品分离。

45.根据权利要求44所述的过程，其中，所述包装物品的所述膜包括PVDC。

Images