Ultralytics YOLO unterstützt das Werkzeug zur Lebensmittelinspektion von Specialvideo

Pizzahersteller müssen oft optisch ansprechende, qualitativ hochwertige Produkte in hoher Geschwindigkeit herstellen. Die manuelle Überprüfung des Belags jeder Pizza kann jedoch zeitaufwändig sein. Specialvideo setzt auf einen KI-gestützten Ansatz, um Zutaten in Echtzeit zu erkennen und zu zählen. Dies ermöglicht es den Herstellern, Rezeptstandards einzuhalten, Abfall zu reduzieren und einen reibungslosen Betrieb aufrechtzuerhalten.

Beim Testen verschiedener Bildverarbeitungslösungen stellte Specialvideo fest, dass bestimmte Techniken wie die semantische Segmentierung bei überlappenden oder versteckten Belägen Schwierigkeiten hatten. Durch den Einsatz von Ultralytics YOLO-Modellen konnten sie diese Hürden überwinden und ein zuverlässiges, hochgenaues, KI-gestütztes Qualitätskontrollsystem entwickeln, das Beläge im laufenden Betrieb identifiziert, zählt und verifiziert. Es gewährleistet eine gleichbleibende Qualität ohne Einbußen bei der Produktionsgeschwindigkeit.

Verbesserung der KI-gestützten Lebensmittelinspektion mit Computer Vision

Specialvideo wurde 1993 in Imola, Italien, gegründet und verfügt über mehr als 30 Jahre Erfahrung in der Entwicklung fortschrittlicher Computer-Vision-Systeme für Roboterführung, automatisierte Inspektion und Fehlererkennung. Ihre Expertise erstreckt sich auch auf Computer Vision in der Lebensmittelindustrie. 

Insbesondere entwickelten sie ein Vision AI-System zur Lebensmittelinspektion, das Instanzsegmentierung verwendet, um die Pizzaproduktion zu rationalisieren. Indem jede Zutat als separates Objekt behandelt wird, kann das System Zutaten in Echtzeit genau erkennen, segmentieren und zählen. Es behebt Probleme wie Verdeckungen (bei denen eine Zutat teilweise von einer anderen verdeckt wird) und doppelte Erkennungen (bei denen das System zwei Instanzen einer Zutat identifiziert, obwohl es nur eine gibt). Durch die Identifizierung von Platzierungsfehlern (d. h. unausgewogener Belag) können die Hersteller die Produktionsparameter entsprechend anpassen.

Das Modell ist so konzipiert, dass es problemlos neue Zutaten aufnehmen kann und ohne eine vollständige Überholung neu trainiert werden kann.

Darüber hinaus kann das System die Form überprüfen, die Einhaltung der Farbe verifizieren und potenzielle Verunreinigungen erkennen, um sicherzustellen, dass jedes Produkt hohe Sicherheits- und Qualitätsstandards erfüllt.

Herausforderungen bei der Echtzeit-Qualitätskontrolle von Lebensmitteln

Pizzahersteller arbeiten oft mit unglaublich hohen Geschwindigkeiten und produzieren alle 600 Millisekunden eine neue Pizza. Bei diesem Tempo ist es für menschliche Inspektoren sehr schwierig, mitzuhalten, was es schwierig macht, den Belag zu überwachen und Fehler genau zu erkennen.

Darüber hinaus können sich überlappende Zutaten wie Salami und Pilze gegenseitig verdecken, was manchmal zu Pizzen mit fehlendem oder übermäßigem Belag, falschen Verteilungen oder inkonsistenten Mengen führt. Dies beeinträchtigt nicht nur die Gleichmäßigkeit des Produkts, sondern schadet auch dem Ruf der Marke, wenn Kunden Pizzen erhalten, die ihren Erwartungen nicht entsprechen. 

Gleichzeitig treiben diese Probleme die Betriebskosten durch höhere Ausschussquoten und verschwendete Ressourcen in die Höhe. Hinzu kommt, dass menschliche Inspektoren bei langen Schichten ermüden können, was ihre Aufmerksamkeit beeinträchtigt und das Fehlerrisiko erhöht. 

Viele Hersteller erkennen diese Fallstricke und setzen nun auf Computer Vision-gestützte Qualitätskontroll- und automatisierte Lebensmittelinspektionssysteme. Diese innovativen Systeme bieten eine Echtzeitüberwachung und helfen, menschliche Fehler zu reduzieren und gleichzeitig qualitativ hochwertige Ergebnisse zu unterstützen. 

Echtzeit-Fehlererkennung bei Lebensmitteln mit Machine Vision

Die Vision AI-Lösung von Specialvideo nutzt die Unterstützung der Instanzsegmentierung von Ultralytics YOLO-Modellen, um jede Pizza in Echtzeit zu überprüfen, sodass nur Qualitätsprodukte die Verbraucher erreichen. Sie zählt und misst den Belag genau, indem sie jede Pizza mit ihrem Rezept vergleicht und fehlende oder zusätzliche Zutaten, ungleichmäßige Verteilungen und inkonsistente Mengen schnell erkennt.

Wird eine fehlerhafte Pizza erkannt – sei es aufgrund von falsch platzierten Zutaten, falschen Mengen oder Verunreinigungen wie blauem Kunststoff –, leitet das System sie automatisch zu einer Ausschusslinie um. 

Um die Genauigkeit nach der Bereitstellung aufrechtzuerhalten, erweitert Specialvideo kontinuierlich seinen Datensatz, verfeinert die Genauigkeit der Kennzeichnung und trainiert YOLO regelmäßig neu. Sie verwenden Data Augmentation während des Trainings, um Overfitting zu verhindern und dem Modell zu helfen, aus einer begrenzten Anzahl von Stichproben zu generalisieren. Außerdem enthalten 10 % der Trainingsbilder Margherita-Pizzen, um einen hilfreichen Hintergrundkontext zu bieten, der dem Netzwerk hilft, Variationen auch innerhalb derselben Zutatenart zu verarbeiten, wie z. B. verschiedene Salamisorten.

Darüber hinaus hat Specialvideo, um den Retraining-Prozess noch effizienter zu gestalten, einen Workflow für neue Pizza-Zutaten implementiert. Dieser Workflow nutzt YOLO, um die Kennzeichnung neuer Bilder zu beschleunigen, wodurch die Notwendigkeit menschlicher Überwachung reduziert wird, wenn sich die Zutatenvielfalt weiterentwickelt.

‍

Warum Ultralytics YOLO-Modelle wählen?

Specialvideo hat sich für die Verwendung von Ultralytics YOLO-Modellen entschieden, weil sie ein gutes Gleichgewicht zwischen KI-Modellleistung und Kosten bieten. Mit einer Nvidia GTX-1660gt GPU (Graphics Processing Unit) erreicht das System Inferenzzeiten von nur 200 - 250 ms, wodurch es schnell genug ist, um eine Produktionslinie zu bewältigen, die alle 600 ms eine Pizza produziert. 

Die effiziente Verarbeitungsgeschwindigkeit von YOLO ermöglicht eine Echtzeit-Qualitätskontrolle. Insgesamt rationalisiert dieser Ansatz nicht nur die Produktion, sondern unterstützt auch die Skalierbarkeit, was ihn zu einer robusten Lösung für die hochvolumige Lebensmittelherstellung macht. 

YOLO-basierte Lösung zur Lebensmittelinspektion liefert 99 % Genauigkeit

Durch die Integration von Ultralytics YOLO-Modellen hat die KI-gestützte Lebensmittelinspektionslösung von Specialvideo die Qualitätskontrolle in der Pizzaherstellung verändert. Das auf einem robusten Datensatz von über 1.500 Bildern trainierte Modell erkennt präzise mehr als 10 verschiedene Zutaten und kategorisiert sie in zählbare Elemente wie Oliven, Salamischeiben, Sardellen und Mozzarella-Kugeln sowie nicht zählbare Elemente wie gewürfelten Schinken, Pilze, Käsescheiben und Paprika. 

Das YOLO-gesteuerte System arbeitet in Echtzeit mit einer Genauigkeit von bis zu 99 % und übertrifft damit menschliche Inspektoren und reduziert die Inspektionszeiten im Vergleich zu manuellen Methoden erheblich. 

Interessanterweise hat die Lösung vielversprechende Ergebnisse gezeigt, indem sie Zutaten in Lebensmitteln, die nicht in ihrem ursprünglichen Training enthalten waren, wie z. B. Salate und Pasta, präzise erkannt und so die Erweiterung auf neue Produktlinien erleichtert hat. Letztendlich steigert dieser innovative Ansatz die betriebliche Effizienz, minimiert Abfall und senkt Kosten und setzt damit einen neuen Maßstab für die automatisierte Lebensmittelinspektion und Qualitätssicherung.

Förderung intelligenter Fertigung in der Lebensmittelindustrie

Die Zukunft von Specialvideo sieht vielversprechend aus. Das Unternehmen plant, seine Vision AI-Lösung auf andere Lebensmittelprodukte wie Salate und Pasta auszuweiten. Durch die kontinuierliche Feinabstimmung seiner Deep-Learning-Modelle und die Erweiterung seines Datensatzes will Specialvideo die Echtzeit-Qualitätskontrolle weiter verbessern, Abfall reduzieren und die Produktionseffizienz steigern. Diese Verbesserungen werden dazu beitragen, neue Industriestandards zu setzen.

Möchten Sie Ihre Abläufe mit Vision AI verbessern? Besuchen Sie unser GitHub-Repository, um zu sehen, wie die KI-Lösungen von Ultralytics in Bereichen wie KI im Gesundheitswesen und Computer Vision in der Fertigung Wirkung zeigen. Hier finden Sie detaillierte Einblicke in unsere YOLO-Modelle und Lizenzierungsoptionen, und können den ersten Schritt in Richtung intelligenterer, effizienterer Automatisierung machen.