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.
Problem
كانت شركة Specialvideo تسعى لبناء عملية مراقبة جودة موثوقة وعالية السرعة لمصنعي البيتزا، لأن عمليات الفحص البشري لم تكن قادرة على مواكبة وتيرة إنتاج بيتزا واحدة كل 600 مللي ثانية.
Solution
من خلال دمج نماذج Ultralytics YOLO، تمكن نظام فحص الأغذية المعتمد على الذكاء الاصطناعي من Specialvideo من تعزيز دقة الكشف لتتجاوز 95% وتقليص وقت الفحص إلى أقل من 250 مللي ثانية لكل بيتزا.
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 تقنيات معينة مثل التجزئة الدلالية (semantic segmentation) تواجه صعوبة مع الإضافات المتداخلة أو المخفية. وباستخدام نماذج Ultralytics YOLO، تمكنوا من معالجة هذه العقبات وتطوير نظام مراقبة جودة موثوق وعالي الدقة مدعوم بالذكاء الاصطناعي يقوم بتحديد الإضافات وعدّها والتحقق منها أثناء الإنتاج، مما يضمن جودة متسقة دون التضحية بسرعة الإنتاج.
Link to this sectionتحسين 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.
وعلى وجه الخصوص، طوروا نظاماً لـ فحص الأغذية عبر الرؤية الحاسوبية يستخدم تجزئة النسخ لتبسيط إنتاج البيتزا. من خلال التعامل مع كل إضافة ككائن منفصل، يستطيع النظام اكتشاف المكونات وتجزئتها وعدّها بدقة في الوقت الفعلي. ويعالج النظام مشكلات مثل الانسدادات (حيث يتم تغطية مكون جزئياً بآخر) والاكتشافات المزدوجة (حيث يحدد النظام نسختين من مكون واحد بينما يوجد واحد فقط). ومن خلال تحديد أخطاء التوزيع (أي المكونات غير المتوازنة)، يمكن للمصنعين تعديل معايير الإنتاج وفقاً 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.
Link to this sectionتحديات 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.
وإدراكاً لهذه العقبات، يتبنى العديد من المصنعين الآن مراقبة الجودة المدعومة بـ الرؤية الحاسوبية وأنظمة فحص الأغذية الآلية. توفر هذه الأنظمة المبتكرة إشرافاً في الوقت الفعلي وتساعد في تقليل الأخطاء البشرية مع دعم المخرجات عالية الجودة.
Link to this sectionاكتشاف 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 النشر، توسع Specialvideo مجموعة بياناتها باستمرار، وتُحسّن دقة التصنيف، وتُعيد تدريب YOLO بانتظام. يستخدمون زيادة البيانات أثناء التدريب لمنع الإفراط في التخصيص (overfitting) ومساعدة النموذج على التعميم من عدد محدود من العينات. كما أن 10% من صور التدريب تحتوي على بيتزا مارغريتا لتوفير سياق خلفية مفيد، مما يساعد الشبكة على التعامل مع التباينات حتى داخل نفس نوع المكون، مثل الأنواع المختلفة من السلامي.
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.
الشكل 1. يُستخدم YOLO لاكتشاف وتجزئة الإضافات على البيتزا لأغراض فحص الأغذية بالذكاء الاصطناعي.
Link to this sectionلماذا تختار نماذج Ultralytics YOLO؟#
اختارت Specialvideo استخدام نماذج Ultralytics YOLO لأنها توفر توازناً رائعاً بين أداء نموذج الذكاء الاصطناعي والتكلفة. باستخدام وحدة معالجة الرسومات Nvidia GTX-1660gt، يحقق النظام أوقات استنتاج تتراوح بين 200 و250 مللي ثانية فقط، مما يجعله سريعاً بما يكفي للتعامل مع خط إنتاج ينتج بيتزا واحدة 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.
Link to this sectionحل فحص الأغذية المدعوم بـ YOLO يحقق دقة 99%#
من خلال دمج نماذج Ultralytics YOLO، أحدث حل فحص الأغذية بالذكاء الاصطناعي الخاص بـ Specialvideo تحولاً في مراقبة الجودة في إنتاج البيتزا. دُرّب النموذج على مجموعة بيانات قوية تضم أكثر من 1,500 صورة، ويتعرف بدقة على أكثر من 10 مكونات مختلفة، ويصنفها إلى عناصر قابلة للعد، مثل الزيتون، وشرائح السلامي، والأنشوجة، وكرات الموزاريلا، وعناصر غير قابلة للعد، مثل مكعبات لحم الخنزير، 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 الحل أظهر نتائج واعدة من خلال التعرف بدقة على المكونات في المنتجات الغذائية غير المدرجة في تدريبه الأولي، مثل السلطات والمعكرونة، مما سهل التوسع في خطوط إنتاج جديدة. وفي نهاية المطاف، يعزز هذا النهج المبتكر الكفاءة التشغيلية، ويقلل الهدر، ويخفض التكاليف، ويضع معياراً جديداً لفحص الأغذية الآلي وضمان الجودة.
Link to this sectionتعزيز 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 ترغب في تعزيز عملياتك باستخدام Vision AI؟ توجه إلى مستودع GitHub الخاص بنا لرؤية كيف تُحدث حلول الذكاء الاصطناعي من Ultralytics تأثيراً في مجالات مثل الذكاء الاصطناعي في الرعاية الصحية والرؤية الحاسوبية في التصنيع. اعثر على رؤى مفصلة حول نماذج YOLO الخاصة بنا وخيارات الترخيص، واتخذ تلك الخطوة الأولى نحو أتمتة أكثر ذكاءً وكفاءة.
