تصل Specialvideo إلى دقة 99% في فحص الأغذية باستخدام Ultralytics YOLO
اكتشف كيف تستخدم Specialvideo نماذج Ultralytics YOLO لتشغيل نظام فحص الأغذية بالذكاء الاصطناعي في الوقت الفعلي، مما يضمن الجودة، ويقلل الهدر، ويعزز الكفاءة.
يحتاج مصنعو البيتزا غالباً إلى إنتاج منتجات عالية الجودة وجذابة بصرياً بسرعة عالية، لكن الفحص اليدوي للإضافات فوق كل بيتزا قد يكون مستهلكاً للوقت. تستفيد Specialvideo من نهج الرؤية الحاسوبية المعتمد على الذكاء الاصطناعي للكشف عن المكونات وعدّها في الوقت الفعلي، مما يُمكّن المنتجين من الالتزام بمعايير الوصفات، وتقليل الهدر، والحفاظ على سلاسة العمليات.
أثناء اختبار حلول الرؤية المختلفة، اكتشفت Specialvideo أن بعض التقنيات مثل التجزئة الدلالية واجهت صعوبة في التعاملกับ الإضافات المتداخلة أو المخفية. ومن خلال استخدام Ultralytics YOLO models، استطاعوا التغلب على هذه العقبات وتطوير نظام مراقبة جودة موثوق وعالي الدقة مدعوم بالذكاء الاصطناعي يقوم بتحديد الإضافات، وعدّها، والتحقق منها مباشرة. وهو يضمن جودة متسقة دون التضحية بسرعة الإنتاج.
تحسين فحص الأغذية بالذكاء الاصطناعي باستخدام الرؤية الحاسوبية#
تأسست Specialvideo عام 1993 في إيمولا بإيطاليا، وتستند إلى أكثر من 30 عاماً من الخبرة في تصميم أنظمة رؤية حاسوبية متقدمة لتوجيه الروبوتات، والفحص الآلي، واكتشاف العيوب. كما تمتد خبرتهم لتشمل الرؤية الحاسوبية في صناعة الأغذية.
على وجه الخصوص، طوروا نظام Vision AI food inspection يستهلك instance segmentation لتبسيط إنتاج البيتزا. ومن خلال معاملة كل إضافة ككتم فريد، يستطيع النظام بدقة اكتشاف، وتجزئة، وعدّ المكونات في الوقت الفعلي. وهو يعالج مشكلات مثل التداخلات (حيث يكون أحد المكونات مغطى جزئياً بآخر) والاكتشافات المزدوجة (حيث يحدد النظام نسختين من مكون بينما لا يوجد سوى نسخة واحدة). ومن خلال تحديد أخطاء التوزيع (أي الإضافات غير المتوازنة)، يمكن للمصنعين ضبط معلمات الإنتاج تبعاً لذلك.
صُمم النموذج لاستيعاب مكونات جديدة بسهولة ويمكن إعادة تدريبه دون الحاجة إلى إصلاح شامل.
كما يمكن للنظام فحص الشكل، والتحقق من مطابقة الألوان، واكتشاف الملوثات المحتملة، مما يضمن تلبية كل منتج لمعايير السلامة والجودة العالية.
تحديات مراقبة الجودة (QC) للأغذية في الوقت الفعلي#
غالباً ما يعمل مصنعو البيتزا بسرعات عالية جداً، حيث يتم إنتاج بيتزا جديدة كل 600 مللي ثانية. وبهذه الوتيرة، يصعب جداً على المفتشين البشريين المواكبة، مما يجعل مراقبة الإضافات واكتشاف أي عيوب بدقة أمراً صعباً.
علاوة على ذلك، يمكن للمكونات المتداخلة مثل السلامي والفطر أن تحجب بعضها البعض، مما يؤدي أحياناً إلى بيتزا ذات إضافات ناقصة أو زائدة، أو توزيع غير صحيح، أو كميات غير متسقة. لا يؤدي هذا إلى الإخلال بتماثل المنتج فحسب، بل يضر أيضاً بسمعة العلامة التجارية عندما يتلقى العملاء بيتزا لا ترقى إلى توقعاتهم.
في الوقت نفسه، تؤدي هذه المشكلات إلى زيادة تكاليف التشغيل بسبب ارتفاع معدلات الهدر والموارد المهدورة. وإضافة إلى ذلك، يمكن أن يشعر المفتشون البشريون بالإرهاق خلال الورديات الطويلة، مما يقلل من تركيزهم ويزيد من مخاطر حدوث أخطاء.
إدراكاً لهذه المخاطر، يعتمد العديد من المصنعين الآن أنظمة مراقبة الجودة المدعومة بـ computer vision ونظم فحص الأغذية الآلية. توفر هذه الأنظمة المبتكرة إشرافاً في الوقت الفعلي وتساعد في تقليل الأخطاء البشرية مع دعم مخرجات عالية الجودة.
اكتشاف عيوب الأغذية في الوقت الفعلي باستخدام الرؤية الآلية#
يستخدم حل Vision AI الخاص بـ Specialvideo دعم تجزئة النسخ (instance segmentation) في نماذج Ultralytics YOLO لفحص كل بيتزا في الوقت الفعلي لضمان وصول المنتجات الجيدة فقط إلى المستهلكين. يقوم النظام بعدّ وقياس الإضافات بدقة من خلال مقارنة كل بيتزا بوصفاتها، ويكتشف بسرعة المكونات المفقودة أو الزائدة، والتوزيعات غير المتساوية، والكميات غير المتسقة.
عند اكتشاف بيتزا معيبة - سواء بسبب إضافات غير محاذية، أو كميات غير صحيحة من المكونات، أو ملوثات مثل البلاستيك الأزرق - يقوم النظام تلقائياً بتحويلها إلى خط النفايات.
للحفاظ على الدقة بعد نشر النظام، تقوم Specialvideo باستمرار بتوسيع مجموعة البيانات الخاصة بها، وتحسين دقة التصنيف، وإعادة تدريب YOLO بانتظام. وهي تستخدم data augmentation أثناء التدريب لمنع الإفراط في التجهيز ومساعدة النموذج على التعميم من عدد محدود من العينات. كما تتميز 10% من صور التدريب ببيتزا مارغريتا لتوفير سياق خلفية مفيد، مما يساعد الشبكة على التعامل مع الاختلافات حتى داخل نفس نوع المكون، مثل أنواع مختلفة من السلمي.
إلى جانب ذلك، ولجعل عملية إعادة التدريب أكثر كفاءة، طبقت Specialvideo سير عمل لمكونات البيتزا الجديدة. يستفيد سير العمل هذا من YOLO لتسريع تصنيف الصور الجديدة، مما يقلل الحاجة إلى الإشراف البشري مع تطور أصناف المكونات.
Fig 1. يُستخدم YOLO لاكتشاف وتجزئة الإضافات على البيتزا لفحص الأغذية بالذكاء الاصطناعي.
لماذا تختار نماذج Ultralytics YOLO؟#
اختارت Specialvideo استخدام نماذج Ultralytics YOLO لأنها توفر توازناً رائعاً بين AI model performance والتكلفة. ومع وحدة معالجة رسوميات Nvidia GTX-1660gt GPU (وحدة معالجة الرسوميات)، يحقق النظام أوقات 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 المعالجة الفعالة لـ YOLO مراقبة الجودة في الوقت الفعلي. وبشكل عام، لا يبسط هذا النهج الإنتاج فحسب، بل يدعم أيضاً قابلية التوسع، مما يجعله حلاً قوياً لبيئات تصنيع الأغذية ذات الحجم الكبير.
حل فحص الأغذية المدعوم بـ YOLO يحقق دقة 99%#
من خلال دمج نماذج Ultralytics YOLO، قام حل فحص الأغذية بالذكاء الاصطناعي الخاص بـ Specialvideo بتحويل مراقبة الجودة في إنتاج البيتزا. Trained على مجموعة بيانات قوية تضم أكثر من 1,500 صورة، يتعرف النموذج بدقة على أكثر من 10 مكونات مختلفة، ويصنفها إلى عناصر قابلة للعد، مثل الزيتون، وشرائح السلمي، والأنشوجة، وكرات الموتزاريلا، وعناصر غير قابلة للعد، مثل لحم الخنزير المكعب، والفطر، وشرائح الجبن، والفلفل.
يعمل النظام المعتمد على YOLO في الوقت الفعلي بدقة تصل إلى 99%، متفوقاً على المفتشين البشريين ومقلصاً أوقات الفحص بشكل كبير مقارنة بالطرق اليدوية.
ومن المثير للاهتمام أن the solution أظهر نتائج واعدة من خلال التعرف بدقة على المكونات في المنتجات الغذائية غير المدرجة في تدريبه الأولي، مثل السلطات والمعكرونة، مما يسهل التوسع بسهولة في خطوط منتجات جديدة. في النهاية، يعزز هذا النهج المبتكر الكفاءة التشغيلية، ويقلل من النفايات، ويخفض التكاليف، مما يضع معياراً جديداً لفحص الأغذية الآلي وضمان الجودة.
تعزيز التصنيع الذكي في صناعة الأغذية#
تبدو الطريق أمام Specialvideo مثيرة. تخطط الشركة لتوسيع حل Vision AI ليشمل منتجات غذائية أخرى مثل السلطات والمعكرونة. ومن خلال الضبط المستمر لنماذج التعلم العميق وتنمية مجموعة بياناتها، تهدف Specialvideo إلى تحسين مراقبة الجودة في الوقت الفعلي بشكل أكبر، وتقليل الهدر، وتعزيز كفاءة الإنتاج. ستساعد هذه التحسينات في وضع معايير صناعية جديدة.
هل تريد تعزيز عملياتك باستخدام الذكاء الاصطناعي للرؤية؟ توجه إلى GitHub repository الخاص بنا لترى كيف تحدث حلول الذكاء الاصطناعي من Ultralytics تأثيراً في مجالات مثل AI in healthcare وcomputer vision in manufacturing. اعثر على رؤى مفصلة حول نماذج YOLO الخاصة بنا وlicensing options، واتخذ تلك الخطوة الأولى نحو أتمتة أكثر ذكاءً وكفاءة.
