Al integrar los modelos YOLO de Ultralytics, el sistema de inspección alimentaria con IA de Specialvideo elevó la precisión de detección al 99 % y redujo el tiempo de inspección a menos de 250 ms por pizza.
Los fabricantes de pizza suelen tener que producir productos atractivos y de gran calidad a gran velocidad, pero inspeccionar manualmente los ingredientes de cada pizza puede llevar mucho tiempo. Specialvideo utiliza un enfoque basado en IA visual para detectar y contar ingredientes en tiempo real, lo que permite a los productores respetar las recetas, reducir los residuos y mantener unas operaciones fluidas.
Al probar distintas soluciones de visión, Specialvideo descubrió que algunas técnicas, como la segmentación semántica, tenían dificultades con los ingredientes superpuestos u ocultos. Al utilizar modelos YOLO de Ultralytics, pudieron superar estos obstáculos y desarrollar un sistema fiable y muy preciso de control de calidad basado en IA, capaz de identificar, contar y verificar los ingredientes al instante. Así se garantiza una calidad uniforme sin sacrificar la velocidad de producción.
Mejorar la inspección alimentaria con IA mediante visión artificial#
Fundada en 1993 en Imola, Italia, Specialvideo cuenta con más de 30 años de experiencia en el diseño de sistemas avanzados de visión artificial para guiar robots, realizar inspecciones automatizadas y detectar defectos. Su experiencia también abarca la visión artificial aplicada a la industria alimentaria.
En concreto, desarrollaron un sistema de inspección alimentaria con IA visual que utiliza la segmentación de instancias para agilizar la producción de pizzas. Al tratar cada ingrediente como un objeto independiente, el sistema puede detectar, segmentar y contar ingredientes con precisión y en tiempo real. Resuelve problemas como las oclusiones (cuando un ingrediente queda parcialmente cubierto por otro) y las detecciones duplicadas (cuando el sistema identifica dos instancias de un ingrediente aunque solo haya una). Al identificar errores de colocación (es decir, ingredientes distribuidos de forma desequilibrada), los fabricantes pueden ajustar los parámetros de producción según corresponda.
El modelo está diseñado para incorporar nuevos ingredientes con facilidad y puede volver a entrenarse sin necesidad de una revisión completa.
Además, el sistema puede comprobar la forma, verificar que los colores cumplan los requisitos y detectar posibles contaminantes, para garantizar que cada producto cumpla unas normas exigentes de seguridad y calidad.
Retos del control de calidad alimentaria (QC) en tiempo real#
Los fabricantes de pizza suelen trabajar a velocidades increíblemente altas: producen una pizza nueva cada 600 milisegundos. A ese ritmo, es muy difícil que los inspectores humanos puedan seguir el paso, por lo que resulta complicado supervisar los ingredientes y detectar defectos con precisión.
Además, los ingredientes superpuestos, como el salami y los champiñones, pueden ocultarse entre sí y, en ocasiones, dar lugar a pizzas con ingredientes que faltan o sobran, una distribución incorrecta o cantidades irregulares. Esto no solo rompe la uniformidad del producto, sino que también perjudica la reputación de la marca cuando los clientes reciben pizzas que no cumplen sus expectativas.
Al mismo tiempo, estos problemas elevan los costes operativos al aumentar los índices de productos desechados y el desperdicio de recursos. A todo esto se suma que los inspectores humanos pueden fatigarse durante turnos largos, perder concentración y cometer más errores.
Conscientes de estos problemas, muchos fabricantes están adoptando sistemas de control de calidad e inspección alimentaria automatizada basados en la visión artificial. Estos sistemas innovadores ofrecen supervisión en tiempo real y ayudan a reducir los errores humanos, al tiempo que contribuyen a obtener productos de gran calidad.
Detección de defectos alimentarios en tiempo real con visión artificial#
La solución de IA visual de Specialvideo utiliza la capacidad de segmentación de instancias de los modelos YOLO de Ultralytics para inspeccionar cada pizza en tiempo real y garantizar que solo lleguen productos de calidad a los consumidores. Cuenta y mide con precisión los ingredientes comparando cada pizza con su receta, y detecta rápidamente ingredientes que faltan o sobran, distribuciones irregulares y cantidades inconsistentes.
Cuando se detecta una pizza defectuosa —ya sea por ingredientes mal colocados, cantidades incorrectas o contaminantes como plástico azul—, el sistema la desvía automáticamente a una línea de desecho.
Para mantener la precisión tras el despliegue, Specialvideo amplía continuamente su conjunto de datos, mejora la precisión del etiquetado y vuelve a entrenar YOLO con regularidad. Durante el entrenamiento, utiliza aumento de datos para evitar el sobreajuste y ayudar al modelo a generalizar a partir de un número limitado de muestras. Además, el 10 % de las imágenes de entrenamiento muestra pizzas Margherita para aportar un contexto de fondo útil, que ayuda a la red a gestionar variaciones incluso dentro del mismo tipo de ingrediente, como las distintas clases de salami.
Además, para que el proceso de reentrenamiento sea aún más eficiente, Specialvideo ha implementado un flujo de trabajo para incorporar nuevos ingredientes a las pizzas. Este flujo utiliza YOLO para agilizar el etiquetado de nuevas imágenes y reducir la necesidad de supervisión humana a medida que evoluciona la variedad de ingredientes.
Fig. 1. YOLO se utiliza para detectar y segmentar los ingredientes de una pizza en una inspección alimentaria con IA.
¿Por qué elegir los modelos Ultralytics YOLO?#
Specialvideo eligió los modelos YOLO de Ultralytics porque ofrecen un gran equilibrio entre el rendimiento del modelo de IA y el coste. Con una GPU Nvidia GTX-1660gt (unidad de procesamiento gráfico), el sistema alcanza tiempos de inferencia de solo 200-250 ms, lo bastante rápidos para una línea de producción que fabrica una pizza cada 600 ms.
La velocidad de procesamiento eficiente de YOLO facilita el control de calidad en tiempo real. En conjunto, este enfoque no solo agiliza la producción, sino que también permite escalarla, por lo que es una solución sólida para entornos de fabricación alimentaria de gran volumen.
La solución de inspección alimentaria basada en YOLO alcanza una precisión del 99 %#
Al integrar los modelos YOLO de Ultralytics, la solución de inspección alimentaria con IA de Specialvideo ha transformado el control de calidad en la producción de pizza. Entrenado con un conjunto de datos sólido de más de 1500 imágenes, el modelo reconoce con precisión más de 10 ingredientes distintos y los clasifica en elementos que se pueden contar, como aceitunas, lonchas de salami, anchoas y bolas de mozzarella, y elementos que no se pueden contar, como jamón en dados, champiñones, lonchas de queso y pimientos.
El sistema basado en YOLO funciona en tiempo real con una precisión de hasta el 99 %, supera a los inspectores humanos y reduce considerablemente los tiempos de inspección en comparación con los métodos manuales.
Curiosamente, la solución ha dado resultados prometedores al reconocer con precisión ingredientes en productos alimentarios que no formaban parte del entrenamiento inicial, como ensaladas y pasta, lo que facilita su ampliación a nuevas líneas de productos. En definitiva, este enfoque innovador mejora la eficiencia operativa, minimiza los residuos y reduce los costes, y establece un nuevo referente para la inspección alimentaria automatizada y la garantía de calidad.
Impulsar la fabricación inteligente en la industria alimentaria#
El futuro de Specialvideo se presenta prometedor. La empresa tiene previsto ampliar su solución de IA visual a otros productos alimentarios, como ensaladas y pasta. Al seguir ajustando sus modelos de aprendizaje profundo y ampliando su conjunto de datos, Specialvideo aspira a mejorar aún más el control de calidad en tiempo real, reducir los residuos y aumentar la eficiencia de producción. Estas mejoras contribuirán a establecer nuevos estándares en el sector.
¿Quieres mejorar tus operaciones con IA visual? Visita nuestro repositorio de GitHub para ver cómo las soluciones de IA de Ultralytics están teniendo repercusión en ámbitos como la IA en la sanidad y la visión artificial en la fabricación. Consulta información detallada sobre nuestros modelos YOLO y las opciones de licencia, y da el primer paso hacia una automatización más inteligente y eficiente.
