كانت Specialvideo تحاول بناء عملية موثوقة وعالية السرعة لمراقبة الجودة لمصنعي البيتزا لأن عمليات التفتيش البشرية لم تستطع مواكبة إنتاج بيتزا واحدة كل 600 مللي ثانية.
من خلال دمج نماذج Ultralytics YOLO عزز نظام فحص الأغذية بالذكاء الاصطناعي من Specialvideo دقة الكشف إلى أكثر من 95% وخفض وقت الفحص إلى أقل من 250 مللي ثانية لكل بيتزا.
غالبًا ما يحتاج مصنعو البيتزا إلى إنتاج منتجات جذابة بصريًا وعالية الجودة بسرعة عالية، ولكن فحص الإضافات يدويًا لكل بيتزا قد يستغرق وقتًا طويلاً. يستفيد Specialvideo من نهج يعتمد على الذكاء الاصطناعي في الرؤية detect المكونات وإحصائها في الوقت الفعلي، مما يتيح للمنتجين الحفاظ على معايير الوصفات وتقليل الفاقد والحفاظ على سلاسة العمليات.
أثناء اختبار حلول الرؤية المختلفة، اكتشفت شركة Specialvideo أن بعض التقنيات مثل التجزئة الدلالية واجهت صعوبات في التداخل أو التراكبات المخفية. ومن خلال استخدام نماذجUltralytics YOLO تمكنوا من معالجة هذه العقبات وتطوير نظام موثوق وعالي الدقة لمراقبة الجودة مدعوم بالذكاء الاصطناعي يحدد الطبقة ويحسبها ويتحقق منها أثناء التنقل. وهو يضمن جودة متسقة دون التضحية بسرعة الإنتاج.
تأسست Specialvideo في عام 1993 في إيمولا، إيطاليا، وتعتمد على أكثر من 30 عامًا من الخبرة في تصميم أنظمة رؤية الكمبيوتر المتقدمة لتوجيه الروبوتات والفحص الآلي واكتشاف العيوب. تمتد خبرتهم أيضًا إلى رؤية الكمبيوتر في صناعة المواد الغذائية.
وعلى وجه الخصوص، طوّروا نظام فحص الطعام بالذكاء الاصطناعي المرئي الذي يستخدم تجزئة النماذج لتبسيط إنتاج البيتزا. من خلال التعامل مع كل طبقة علوية على أنها كائن مميز، يمكن للنظام detect المكونات segment وعدها بدقة في الوقت الفعلي. ويعالج مشاكل مثل الانسدادات (حيث يكون أحد المكونات مغطى جزئيًا بمكون آخر) والاكتشافات المزدوجة (حيث يحدد النظام مثيلين لمكون واحد في حين أن هناك مكونًا واحدًا فقط). ومن خلال تحديد الأخطاء في وضع المكونات (أي الإضافات غير المتوازنة)، يمكن للمصنعين تعديل معايير الإنتاج وفقًا لذلك.
تم تصميم النموذج لاستيعاب المكونات الجديدة بسهولة ويمكن إعادة تدريبه دون إصلاح كامل.
كما يمكن للنظام التحقق من الشكل، والتحقق من توافق الألوان، detect الملوثات المحتملة، والتأكد من أن كل منتج يفي بمعايير السلامة والجودة العالية.
غالبًا ما يعمل مصنعو البيتزا بسرعات عالية بشكل لا يصدق، حيث يقومون بإنتاج بيتزا جديدة كل 600 ميلي ثانية. وبهذه الوتيرة، يصعب على المفتشين البشريين مواكبة هذه الوتيرة، مما يجعل من الصعب مراقبة الطبقات detect أي عيوب بدقة.
علاوة على ذلك، يمكن للمكونات المتداخلة مثل السلامي والفطر أن تحجب بعضها البعض، مما يؤدي أحيانًا إلى وجود طبقة علوية مفقودة أو مفرطة على البيتزا، أو توزيعات غير صحيحة، أو كميات غير متناسقة. هذا لا يعطل توحيد المنتج فحسب، بل يضر أيضًا بسمعة العلامة التجارية عندما يتلقى العملاء بيتزا لا ترقى إلى مستوى توقعاتهم.
في الوقت نفسه، تزيد هذه المشكلات من التكاليف التشغيلية من خلال ارتفاع معدلات الخردة والموارد المهدرة. بالإضافة إلى هذه المشكلات، يمكن أن يصاب المفتشون البشريون بالإرهاق خلال فترات العمل الطويلة، مما يتسبب في تضاؤل انتباههم وزيادة خطر الأخطاء.
إدراكًا لهذه المخاطر، يتبنى العديد من المصنّعين الآن أنظمة مراقبة الجودة وفحص الأغذية الآلية التي تعتمد على رؤية الكمبيوتر. توفر هذه الأنظمة المبتكرة إشرافًا في الوقت الفعلي وتساعد على تقليل الأخطاء البشرية مع دعم مخرجات عالية الجودة.
يستخدم حل Vision AI من Specialvideo الخاص بـ Specialvideo دعم تجزئة النماذج من Ultralytics YOLO لفحص كل بيتزا في الوقت الفعلي بحيث لا تصل إلى المستهلكين سوى المنتجات عالية الجودة. فهو يقوم بحساب وقياس الإضافات بدقة من خلال مقارنة كل بيتزا بالوصفة الخاصة بها، ويكتشف بسرعة المكونات المفقودة أو الإضافية والتوزيعات غير المتساوية والكميات غير المتسقة.
عند اكتشاف بيتزا معيبة - سواء كان ذلك بسبب عدم محاذاة الإضافات أو كميات المكونات غير الصحيحة أو الملوثات مثل البلاستيك الأزرق - يقوم النظام تلقائيًا بتحويلها إلى خط الخردة.
وللحفاظ على الدقة بعد النشر، يعمل Specialvideo باستمرار على توسيع مجموعة البيانات الخاصة به وتحسين دقة التسمية وإعادة تدريب YOLO بانتظام. كما أنها تستخدم زيادة البيانات أثناء التدريب لمنع الإفراط في التخصيص ومساعدة النموذج على التعميم من عدد محدود من العينات. كما أن 10% من صور التدريب تحتوي على بيتزا مارجريتا لتوفير سياق خلفي مفيد، مما يساعد الشبكة على التعامل مع الاختلافات حتى داخل نفس نوع المكون، مثل الأنواع المختلفة من السلامي.
وبالإضافة إلى ذلك، ولجعل عملية إعادة التدريب أكثر كفاءة، نفذت Specialvideo سير عمل لمكونات البيتزا الجديدة. يستفيد سير العمل هذا من YOLO لتسريع عملية وضع العلامات على الصور الجديدة، مما يقلل من الحاجة إلى الإشراف البشري مع تطور أنواع المكونات.
اختارت Specialvideo استخدام نماذج Ultralytics YOLO لأنها توفر توازناً رائعاً بين أداء نموذج الذكاء الاصطناعي والتكلفة. وبفضل GPU معالجة الرسومات Nvidia GTX-1660gt (وحدة معالجة الرسومات)، يحقق النظام أزمنة استدلال تتراوح بين 200 و250 مللي ثانية فقط، مما يجعله سريعاً بما يكفي للتعامل مع خط إنتاج ينتج بيتزا كل 600 مللي ثانية.
تسهل سرعة معالجة YOLOالفعالة مراقبة الجودة في الوقت الفعلي. وعمومًا، لا يعمل هذا النهج على تبسيط الإنتاج فحسب، بل يدعم أيضًا قابلية التوسع، مما يجعله حلاً قويًا لبيئات تصنيع الأغذية ذات الحجم الكبير.
من خلال دمج نماذج Ultralytics YOLO أحدث حل فحص الأغذية بالذكاء الاصطناعي من Specialvideo تحولاً في مراقبة الجودة في إنتاج البيتزا. يتعرف النموذج الذي تم تدريبه على مجموعة بيانات قوية تضم أكثر من 1500 صورة، على أكثر من 10 مكونات مختلفة بدقة، ويصنفها إلى عناصر يمكن عدها، مثل الزيتون وشرائح السلامي والأنشوجة وكرات الموزاريلا، وعناصر غير قابلة للعد، مثل مكعبات لحم الخنزير والفطر وشرائح الجبن والفلفل.
يعمل النظام YOLO في الوقت الفعلي بدقة تصل إلى 99%، ويتفوق على المفتشين البشريين ويقلل بشكل كبير من أوقات الفحص مقارنة بالطرق اليدوية.
ومن المثير للاهتمام أن الحل أظهر نتائج واعدة من خلال التعرف بدقة على المكونات الموجودة في المنتجات الغذائية غير المدرجة في التدريب الأولي، مثل السلطات والمعكرونة، مما يسهل التوسع في خطوط إنتاج جديدة. في النهاية، يعزز هذا النهج المبتكر الكفاءة التشغيلية، ويقلل من النفايات، ويخفض التكاليف، ويضع معيارًا جديدًا لفحص الأغذية الآلي وضمان الجودة.
يبدو المستقبل واعدًا لـ Specialvideo. تخطط الشركة لتوسيع حل Vision AI ليشمل المنتجات الغذائية الأخرى مثل السلطات والمعكرونة. من خلال التحسين المستمر لنماذج التعلم العميق الخاصة بها وتنمية مجموعة البيانات الخاصة بها، تهدف Specialvideo إلى تحسين مراقبة الجودة في الوقت الفعلي بشكل أكبر، وتقليل النفايات، وتعزيز كفاءة الإنتاج. ستساعد هذه التحسينات في وضع معايير صناعية جديدة.
هل ترغب في تعزيز عملياتك باستخدام الذكاء الاصطناعي البصري؟ توجّه إلى مستودع GitHub الخاص بنا للاطلاع على كيفية تأثير حلول الذكاء الاصطناعي من Ultralyticsفي مجالات مثل الذكاء الاصطناعي في الرعاية الصحية والرؤية الحاسوبية في التصنيع. اعثر على رؤى تفصيلية حول نماذج YOLO وخيارات الترخيص الخاصة بنا، واتخذ الخطوة الأولى نحو أتمتة أكثر ذكاءً وكفاءة.
نماذج Ultralytics YOLO عبارة عن بنيات رؤية حاسوبية تم تطويرها لتحليل البيانات المرئية من الصور ومدخلات الفيديو. يمكن تدريب هذه النماذج على مهام تشمل اكتشاف الكائنات وتصنيفها وتقدير الوضعية والتتبع وتجزئة النماذجUltralytics
Ultralytics YOLO11 هو أحدث إصدار من نماذج الرؤية الحاسوبية لدينا. تمامًا مثل إصداراته السابقة، فهو يدعم جميع مهام الرؤية الحاسوبية التي أحبها مجتمع الذكاء الاصطناعي للرؤية في YOLOv8. ومع ذلك، يأتي YOLO11 الجديد بأداء ودقة أكبر، مما يجعله أداة قوية وحليفًا مثاليًا لتحديات الصناعة في العالم الحقيقي.
يعتمد النموذج الذي تختاره للاستخدام على متطلبات مشروعك المحددة. من الضروري مراعاة عوامل مثل الأداء والدقة واحتياجات النشر. إليك نظرة عامة سريعة:
يتم توزيع مستودعات Ultralytics YOLO مثل YOLOv5 و YOLO11 بموجب ترخيص AGPL-3.0 افتراضيًا. صُممت هذه الرخصة المعتمدة من OSI للطلاب والباحثين والمتحمسين، وهي مصممة للطلاب والباحثين والمتحمسين، وتعزز التعاون المفتوح وتتطلب أن تكون أي برمجيات تستخدم مكونات AGPL-3.0 مفتوحة المصدر أيضًا. وعلى الرغم من أن هذا يضمن الشفافية ويعزز الابتكار، إلا أنه قد لا يتماشى مع حالات الاستخدام التجاري.
إذا كان مشروعك يتضمن تضمين برمجيات Ultralytics ونماذج الذكاء الاصطناعي في المنتجات أو الخدمات التجارية وترغب في تجاوز متطلبات المصدر المفتوح لرخصة AGPL-3.00، فإن رخصة المؤسسة هي الحل الأمثل.
تشمل مزايا ترخيص المؤسسة ما يلي:
لضمان التكامل السلس وتجنب قيود AGPL-3.0 ، اطلب ترخيص Ultralytics للمؤسسات باستخدام النموذج المقدم. سيساعدك فريقنا في تكييف الترخيص مع احتياجاتك الخاصة.
.webp)
.webp)
.webp)
.webp)