من خلال دمج نماذج Ultralytics YOLO، رفع نظام Specialvideo لفحص الأغذية المدعوم بالذكاء الاصطناعي دقة الكشف إلى 99%، وخفّض زمن الفحص إلى أقل من 250 مللي ثانية لكل بيتزا.
غالبًا ما تحتاج الشركات المصنّعة للبيتزا إلى إنتاج منتجات جذابة بصريًا وعالية الجودة بسرعة كبيرة، إلا أن فحص المكونات العلوية يدويًا لكل بيتزا قد يستغرق وقتًا طويلًا. وتستفيد Specialvideo من نهج يعتمد على الذكاء الاصطناعي للرؤية لاكتشاف المكونات وعدّها في الوقت الفعلي، مما يمكّن المنتجين من الالتزام بمعايير الوصفات، وتقليل الهدر، والحفاظ على سلاسة العمليات.
أثناء اختبار حلول مختلفة للرؤية، اكتشفت Specialvideo أن تقنيات معينة، مثل التجزئة الدلالية، تواجه صعوبة في التعامل مع المكونات العلوية المتداخلة أو المخفية. ومن خلال استخدام نماذج Ultralytics YOLO، تمكّنت الشركة من تجاوز هذه العقبات وتطوير نظام موثوق وعالي الدقة لمراقبة الجودة مدعوم بالذكاء الاصطناعي، يحدّد المكونات العلوية ويعدّها ويتحقق منها فورًا. ويضمن ذلك 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 عامًا من الخبرة في تصميم أنظمة متقدمة للرؤية الحاسوبية لتوجيه الروبوتات، والفحص الآلي، واكتشاف العيوب. وتمتد خبرتها أيضًا إلى تطبيقات الرؤية الحاسوبية في صناعة الأغذية.
طوّرت الشركة، على وجه الخصوص، نظامًا لـفحص الأغذية باستخدام الرؤية والذكاء الاصطناعي يستخدم تجزئة الكائنات لتبسيط إنتاج البيتزا. ومن خلال التعامل مع كل مكوّن علوي بوصفه كائنًا مستقلًا، يستطيع النظام اكتشاف المكونات وتجزئتها وعدّها بدقة في الوقت الفعلي. كما يعالج مشكلات مثل الحجب (عندما يغطي أحد المكونات جزءًا من مكوّن آخر) والاكتشافات المزدوجة (عندما يحدّد النظام مثيلين لمكوّن بينما يوجد مثيل واحد فقط). ومن خلال تحديد أخطاء التوزيع (أي المكونات العلوية غير المتوازنة)، يستطيع المصنعون ضبط معلمات الإنتاج وفقًا لذلك.
صُمّم النموذج لاستيعاب المكونات الجديدة بسهولة، ويمكن إعادة تدريبه دون إجراء إعادة بناء شاملة.
كما يستطيع النظام فحص الشكل، والتحقق من مطابقة اللون، واكتشاف الملوثات المحتملة، مما يضمن استيفاء كل منتج لمعايير السلامة والجودة العالية.
تحديات مراقبة الجودة (QC) للأغذية في الوقت الفعلي#
غالبًا ما تعمل الشركات المصنّعة للبيتزا بسرعات هائلة، إذ تنتج بيتزا جديدة كل 600 مللي ثانية. ومع هذه الوتيرة، يصعب جدًا على المفتشين البشريين مواكبة العمل، مما يجعل مراقبة المكونات العلوية واكتشاف أي عيوب بدقة أمرًا صعبًا.
إضافة إلى ذلك، قد تحجب المكونات المتداخلة، مثل السلامي والفطر، بعضها بعضًا، مما يؤدي أحيانًا إلى إنتاج بيتزا تفتقر إلى بعض المكونات العلوية أو تحتوي على كميات زائدة منها، أو تتضمن توزيعات غير صحيحة أو كميات غير متسقة. ولا يؤدي ذلك إلى الإخلال بتجانس المنتج فحسب، بل يضر أيضًا بسمعة العلامة التجارية عندما يتلقى العملاء بيتزا لا ترقى إلى توقعاتهم.
وفي الوقت نفسه، تؤدي هذه المشكلات إلى زيادة تكاليف التشغيل بسبب ارتفاع معدلات المنتجات التالفة وهدر الموارد. وإضافة إلى ذلك، قد يصاب المفتشون البشريون بالإرهاق خلال نوبات العمل الطويلة، مما يسبب تراجع انتباههم ويزيد خطر وقوع الأخطاء.
وإدراكًا لهذه العيوب، تتجه شركات مصنّعة كثيرة الآن إلى أنظمة مراقبة الجودة وفحص الأغذية الآليّة المعتمدة على الرؤية الحاسوبية. وتوفر هذه الأنظمة المبتكرة إشرافًا في الوقت الفعلي، وتساعد على تقليل الأخطاء البشرية، مع دعم إنتاج مخرجات عالية الجودة.
اكتشاف عيوب الأغذية في الوقت الفعلي باستخدام الرؤية الآلية#
يستخدم حل Specialvideo للرؤية والذكاء الاصطناعي دعم نماذج Ultralytics YOLO لتجزئة الكائنات، وذلك لفحص كل بيتزا في الوقت الفعلي، بحيث تصل المنتجات عالية الجودة فقط إلى المستهلكين. ويعدّ المكونات العلوية ويقيسها بدقة من خلال مقارنة كل بيتزا بوصفَتها، ويكتشف بسرعة المكونات الناقصة أو الزائدة، والتوزيعات غير المتساوية، والكميات غير المتسقة.
عند اكتشاف بيتزا معيبة - سواء بسبب عدم محاذاة المكونات العلوية، أو عدم صحة كميات المكونات، أو وجود ملوثات مثل البلاستيك الأزرق - يحوّل النظام مسارها تلقائيًا إلى خط المنتجات التالفة.
للحفاظ على الدقة بعد النشر، توسّع Specialvideo مجموعة بياناتها باستمرار، وتحسّن دقة وضع التسميات، وتعيد تدريب YOLO بانتظام. وتستخدم زيادة البيانات أثناء التدريب لمنع فرط التكيّف ومساعدة النموذج على التعميم انطلاقًا من عدد محدود من العينات. كما تتضمن 10% من صور التدريب بيتزا مارغريتا لتوفير سياق خلفية مفيد، مما يساعد الشبكة على التعامل مع الاختلافات حتى ضمن النوع نفسه من المكونات، مثل الأنواع المختلفة من السلامي.
علاوة على ذلك، ولجعل عملية إعادة التدريب أكثر كفاءة، طبّقت Specialvideo سير عمل للمكونات الجديدة للبيتزا. ويستفيد سير العمل هذا من YOLO لتسريع وضع التسميات على الصور الجديدة، مما يقلل الحاجة إلى الإشراف البشري مع تطور أصناف المكونات.
الشكل 1. يُستخدم YOLO لاكتشاف المكونات العلوية على البيتزا وتجزئتها لفحص الأغذية بالذكاء الاصطناعي.
لماذا اختيار نماذج Ultralytics YOLO؟#
اختارت Specialvideo استخدام نماذج Ultralytics YOLO لأنها توفر توازنًا ممتازًا بين أداء نموذج الذكاء الاصطناعي والتكلفة. وباستخدام وحدة معالجة الرسومات Nvidia GTX-1660gt (GPU)، يحقق النظام أزمنة استدلال لا تتجاوز 200 - 250 مللي ثانية، مما يجعله سريعًا بما يكفي للتعامل مع خط إنتاج يصنع بيتزا كل 600 مللي ثانية.
تتيح سرعة معالجة YOLO الفعّالة إجراء مراقبة الجودة في الوقت الفعلي. وبوجه عام، لا يبسّط هذا النهج الإنتاج فحسب، بل يدعم أيضًا قابلية التوسع، مما يجعله حلًا متينًا لبيئات تصنيع الأغذية ذات الإنتاج الكبير.
حل فحص الأغذية المدعوم بـ YOLO يحقق دقة قدرها 99%#
من خلال دمج نماذج Ultralytics YOLO، أحدث حل Specialvideo لفحص الأغذية بالذكاء الاصطناعي تحولًا في مراقبة الجودة في إنتاج البيتزا. وقد جرى تدريب النموذج على مجموعة بيانات قوية تضم أكثر من 1,500 صورة، فتمكّن من التعرّف بدقة على أكثر من 10 مكونات مختلفة، وتصنيفها 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%، متفوقًا على المفتشين البشريين ومقللًا أوقات الفحص بدرجة كبيرة مقارنة بالأساليب اليدوية.
وقد أظهر الحل نتائج واعدة، إذ تعرّف بدقة على المكونات في منتجات غذائية لم تكن مدرجة في تدريبه الأولي، مثل السلطات والمعكرونة، مما يسهّل التوسع في خطوط منتجات جديدة. وفي نهاية المطاف، يعزز هذا النهج المبتكر الكفاءة التشغيلية، ويقلل الهدر، ويخفض التكاليف، ويرسي معيارًا جديدًا لفحص الأغذية الآلي وضمان الجودة.
تعزيز التصنيع الذكي في صناعة الأغذية#
يبدو المستقبل واعدًا أمام Specialvideo. وتخطط الشركة لتوسيع حلها للرؤية والذكاء الاصطناعي ليشمل منتجات غذائية أخرى، مثل السلطات والمعكرونة. ومن خلال الضبط الدقيق المستمر لنماذجها للتعلم العميق وتنمية مجموعة بياناتها، تهدف Specialvideo إلى تحسين مراقبة الجودة في الوقت الفعلي بدرجة أكبر، وتقليل الهدر، وتعزيز كفاءة الإنتاج. وستساعد هذه التحسينات على وضع معايير جديدة للصناعة.
هل ترغب في تعزيز عملياتك باستخدام الرؤية والذكاء الاصطناعي؟ تفضّل بزيارة مستودعنا على GitHub لمعرفة كيف تُحدث حلول Ultralytics للذكاء الاصطناعي أثرًا في مجالات مثل الذكاء الاصطناعي في الرعاية الصحية والرؤية الحاسوبية في التصنيع. اطّلع على رؤى تفصيلية حول نماذج YOLO وخيارات الترخيص، واتخذ الخطوة الأولى نحو أتمتة أكثر ذكاءً وكفاءة.
