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 الخاص بـ Specialvideo دقة الكشف إلى أكثر من 95٪ وقلل وقت الفحص إلى أقل من 250 مللي ثانية لكل بيتزا.
غالبًا ما يحتاج مصنعو البيتزا إلى إنتاج منتجات عالية الجودة وجذابة بصريًا بسرعة عالية، ولكن الفحص اليدوي للإضافات لكل بيتزا قد يستغرق وقتًا طويلاً. تستفيد Specialvideo من نهج يعتمد على رؤية الذكاء الاصطناعي لاكتشاف المكونات وعدها في الوقت الفعلي، مما يمكّن المنتجين من الحفاظ على معايير الوصفات وتقليل النفايات والحفاظ على سلاسة العمليات.
أثناء اختبار حلول رؤية مختلفة، اكتشفت Specialvideo أن بعض التقنيات مثل التجزئة الدلالية واجهت صعوبة في الطبقات المتداخلة أو المخفية. باستخدام نماذج Ultralytics YOLO، تمكنوا من معالجة هذه العقبات وتطوير نظام موثوق به وعالي الدقة للتحكم في الجودة مدعوم بالذكاء الاصطناعي يحدد ويحصي ويتحقق من الطبقات أثناء التنقل. 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.
على وجه الخصوص، قاموا بتطوير نظام الرؤية الاصطناعية لفحص الأغذية الذي يستخدم تقسيم الحالات لتبسيط إنتاج البيتزا. من خلال التعامل مع كل طبقة ككائن منفصل، يمكن للنظام بدقة اكتشاف وتقسيم وعد المكونات في الوقت الفعلي. يعالج مشكلات مثل الانسدادات (حيث يتم تغطية أحد المكونات جزئيًا بمكون آخر) والاكتشافات المزدوجة (حيث يحدد النظام مثيلين لمكون ما بينما يوجد مثيل واحد فقط). من خلال تحديد أخطاء التوزيع (أي الطبقات غير المتوازنة)، يمكن للمصنعين تعديل معلمات الإنتاج وفقًا لذلك.
تم تصميم النموذج لاستيعاب المكونات الجديدة بسهولة ويمكن إعادة تدريبه دون إصلاح كامل.
أيضًا، يمكن للنظام التحقق من الشكل والتحقق من توافق الألوان واكتشاف الملوثات المحتملة، مما يضمن أن كل منتج يلبي معايير السلامة والجودة العالية.
غالبًا ما يعمل مصنعو البيتزا بسرعات عالية بشكل لا يصدق، حيث ينتجون بيتزا جديدة كل 600 مللي ثانية. وبهذه الوتيرة، يصعب على المفتشين البشريين مواكبة ذلك، مما يجعل من الصعب مراقبة الإضافات واكتشاف 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 رؤية الذكاء الاصطناعي الخاص بـ Specialvideo دعم تجزئة المثيل لنماذج Ultralytics YOLO لفحص كل بيتزا في الوقت الفعلي بحيث تصل المنتجات عالية الجودة فقط إلى المستهلكين. يقوم بعد وقياس الطبقة العلوية بدقة من خلال مقارنة كل بيتزا بوصفة تحضيرها، ويكتشف بسرعة المكونات المفقودة أو الإضافية والتوزيعات غير المتساوية والكميات غير المتناسقة.
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.
للحفاظ على الدقة بعد النشر، تقوم Specialvideo باستمرار بتوسيع مجموعة البيانات الخاصة بها، وتحسين دقة التصنيف، وإعادة تدريب YOLO بانتظام. إنهم يستخدمون زيادة البيانات أثناء التدريب لمنع التجاوز في التوفيق ومساعدة النموذج على التعميم من عدد محدود من العينات. أيضًا، تحتوي 10٪ من صور التدريب على بيتزا مارغريتا لتوفير سياق خلفية مفيد، مما يساعد الشبكة على التعامل مع الاختلافات حتى داخل نفس نوع المكونات، مثل الأنواع المختلفة من السلامي.
بالإضافة إلى ذلك، لجعل 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 الحاجة إلى الإشراف البشري مع تطور أنواع المكونات.
اختارت Specialvideo استخدام نماذج Ultralytics YOLO لأنها توفر توازنًا رائعًا بين أداء نموذج الذكاء الاصطناعي والتكلفة. مع وحدة معالجة الرسومات Nvidia GTX-1660gt، يحقق النظام أوقات استدلال تبلغ 200 - 250 مللي ثانية فقط، مما يجعله سريعًا بما يكفي للتعامل مع خط إنتاج ينتج بيتزا كل 600 مللي ثانية.
تسهل سرعة المعالجة الفعالة لـ YOLO التحكم في الجودة في الوقت الفعلي. بشكل عام، 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 الخاص بـ Specialvideo تحولًا في مراقبة الجودة في إنتاج البيتزا. بعد التدريب على مجموعة بيانات قوية تضم أكثر من 1500 صورة، يتعرف النموذج بدقة على أكثر من 10 مكونات مختلفة، ويصنفها إلى عناصر قابلة للعد، مثل الزيتون وشرائح السلامي والأنشوجة وكرات الموزاريلا، وعناصر غير قابلة للعد، مثل لحم الخنزير المكعب والفطر وشرائح الجبن والفلفل.
يعمل النظام المدفوع بـ YOLO في الوقت الفعلي بدقة تصل إلى 99٪، متفوقًا 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 تريد تعزيز عملياتك باستخدام Vision AI؟ توجه إلى مستودع GitHub الخاص بنا لترى كيف تُحدث حلول الذكاء الاصطناعي من Ultralytics تأثيرًا في مجالات مثل الذكاء الاصطناعي في الرعاية الصحية و الرؤية الحاسوبية في التصنيع. ابحث عن رؤى تفصيلية حول نماذج YOLO الخاصة بنا و خيارات الترخيص، واتخذ الخطوة الأولى نحو أتمتة أكثر ذكاءً وكفاءة.
نماذج Ultralytics YOLO هي هياكل رؤية حاسوبية تم تطويرها لتحليل البيانات المرئية من الصور ومدخلات الفيديو. يمكن تدريب هذه النماذج لمهام تشمل اكتشاف الكائنات (Object detection)، والتصنيف (classification)، وتقدير الوضعية (pose estimation)، والتتبع (tracking)، وتقسيم الحالات (instance segmentation). تتضمن نماذج Ultralytics YOLO ما يلي:
Ultralytics YOLO11 هو أحدث إصدار من نماذج الرؤية الحاسوبية الخاصة بنا. تمامًا مثل الإصدارات السابقة، فإنه يدعم جميع مهام الرؤية الحاسوبية التي أحبها مجتمع Vision AI في YOLOv8. ومع ذلك، يأتي YOLO11 الجديد بأداء ودقة أكبر، مما يجعله أداة قوية وحليفًا مثاليًا لتحديات الصناعة الواقعية.
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 بشكل افتراضي. تم تصميم هذا الترخيص المعتمد من OSI للطلاب والباحثين والمتحمسين، وتعزيز التعاون المفتوح ويتطلب أن يكون أي برنامج يستخدم مكونات AGPL-3.0 مفتوح المصدر أيضًا. في حين أن هذا يضمن الشفافية ويعزز الابتكار، فقد لا يتماشى مع حالات الاستخدام التجاري.
إذا كان مشروعك يتضمن تضمين برامج Ultralytics ونماذج الذكاء الاصطناعي في المنتجات أو الخدمات التجارية وكنت ترغب في تجاوز متطلبات المصدر المفتوح لـ AGPL-3.0، فإن ترخيص المؤسسة مثالي.
تشمل مزايا ترخيص المؤسسة ما يلي:
لضمان التكامل السلس وتجنب قيود AGPL-3.0، اطلب ترخيص Ultralytics Enterprise باستخدام النموذج المقدم. سيساعدك فريقنا في تصميم الترخيص ليناسب احتياجاتك الخاصة.
.webp)
.webp)
.webp)
.webp)