计算机视觉几乎渗透到每个行业。ImpactVision正在利用机器学习和高光谱成像技术，将光谱学和计算机视觉相结合，自动评估工厂和其他地方的食品质量。

检测食品

高光谱成像的根源可以追溯到几十年前的NASA，虽然人眼广泛地感知三个波段中的光的颜色，高光谱相机覆盖更广泛的光谱，超越人类可见的范围。

因此，ImpactVision的相机和机器学习软件可以提供有关食品质量的信息，包括它的新鲜程度，预期的保质期以及可能存在的任何污染，而且纯粹是通过从外部扫描食物。这里的一个核心卖点是在此过程中没有食物被损坏，这完全是非侵入性的。

例如，确定鳄梨成熟度的一种方法是进行干物质（DM）含量分析。在过去，这是缓慢的并基于样品的，这意味着它在确保每个鳄梨的质量方面并不完全可靠。ImpactVision声称其自动化的基于视觉的分类系统可以产生更准确的结果，同时还能够扫描全部产品。

ImpactVision正在与鳄梨分销商合作，以取代他们现有的系统，减少资源浪费。

ImpactVision首席执行官Abi Ramanan说，“高光谱成像使我们能够通过访问电磁波谱中的信息来感知人眼无法检测到的品质，例如，食品的新鲜度或成熟度，我们认识到这些数据可能会改变供应链处理和分配食物的方式。”

然而，这项技术不仅仅可以检查成熟度和污染程度。ImpactVision还表示正在与大型浆果经销商进行讨论，以便自动化一些手动过程，比如计算草莓的产量来记录所生产的产品数量。

减少浪费

根据联合国粮食及农业组织的数据，全球每年生产的食物中约有三分之一被浪费。这相当于1万亿美元的食品最终进入垃圾填埋场。

ImpactVision的潜在前景与整个技术领域减少浪费的趋势相适应。“高光谱成像技术是食品系统改变游戏规则的一种方式，而ImpactVision的机器学习优先方法使它们在传感器越来越商品化时具有竞争力，”风险合作伙伴Peter Jorgensen表示，“我们看到了它在减少废物方面使食品供应链更具预测性的潜力，同时也提高了全球消费者的质量和安全性。”

软件作为服务

值得注意的是，ImpactVision的产品实际上是解释高光谱相机拍摄的图像的软件和机器学习算法。然而，该公司提供工厂和食品公司使用其软件所需的一切，它采用现成的高光谱成像相机，而不是开发自己的昂贵硬件，并以捆绑销售一切。安装相机传感器也需要收费，并且需要经常支付软件费用。

ImpactVision在世界各地开展了许多试点项目，以预测肉类，鱼类，水果和沙拉的质量。但位于墨西哥的糖加工商Beta San Miguel代表了ImpactVision技术的首次商业化。这些工具用于检测糖中可能被人眼，X光和金属探测器遗漏的异物。

“ImpactVision的异物检测系统让我们充分相信在加工过程中会实时检测到潜在的污染物，”Beta San Miguel特别项目和创新总监Ismael Santiago Aguirre补充道，“这意味着我们可以始终向客户保证优质的糖，从而提升我们的品牌和产品。”

应用前景

就目前和可预见的未来而言，ImpactVision将主要关注食品公司。但随着智能手机相机的不断发展，也许未来几年内它会提供应用程序。

从这些模型截图中可以看出，ImpactVision设想有一天你将不再需要用手检查产品来确定成熟度，你只需将手机指向水果并实时获得新鲜度分数。