Specialvideo alcanza un 99% de precisión en la inspección de alimentos con Ultralytics YOLO
Descubre cómo Specialvideo utiliza modelos de Ultralytics YOLO para potenciar la inspección de alimentos por IA en tiempo real, garantizando la calidad, reduciendo el desperdicio y aumentando la eficiencia.
Los fabricantes de pizzas a menudo necesitan producir productos de alta calidad y visualmente atractivos a gran velocidad, pero inspeccionar manualmente los ingredientes de cada pizza puede llevar mucho tiempo. Specialvideo aprovecha un enfoque basado en visión artificial para detectar y contar ingredientes en tiempo real, lo que permite a los productores mantener los estándares de las recetas, reducir el desperdicio y mantener operaciones fluidas.
Al probar varias soluciones de visión, Specialvideo descubrió que ciertas técnicas, como la segmentación semántica, tenían dificultades con los ingredientes superpuestos u ocultos. Al usar Ultralytics YOLO models, pudieron superar estos obstáculos y desarrollar un sistema de control de calidad con IA fiable y de alta precisión que identifica, cuenta y verifica los ingredientes al vuelo. Garantiza una calidad constante sin sacrificar la velocidad de producción.
Mejora de la inspección de alimentos 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 la guía de robots, inspección automatizada y detección de defectos. Su experiencia también se extiende a la visión artificial en la industria alimentaria.
En particular, desarrollaron un sistema de Vision AI food inspection que utiliza instance segmentation para optimizar la producción de pizzas. Al tratar cada ingrediente como un objeto distinto, el sistema puede detectar, segmentar y contar con precisión los ingredientes en tiempo real. Aborda problemas como las oclusiones (donde un ingrediente está parcialmente cubierto por otro) y las detecciones dobles (donde el sistema identifica dos instancias de un ingrediente cuando solo hay una). Al identificar errores de colocación (es decir, ingredientes desequilibrados), los fabricantes pueden ajustar los parámetros de producción en consecuencia.
El modelo está diseñado para adaptarse fácilmente a nuevos ingredientes y puede reentrenarse sin necesidad de una revisión completa.
Además, el sistema puede comprobar la forma, verificar el cumplimiento del color y detectar posibles contaminantes, asegurándose de que cada producto cumpla con los altos estándares de seguridad y calidad.
Desafíos en el control de calidad (QC) de alimentos en tiempo real#
Los fabricantes de pizzas suelen operar a velocidades increíblemente altas, produciendo una pizza nueva cada 600 milisegundos. A ese ritmo, es muy difícil para los inspectores humanos seguir el paso, lo que hace complicado supervisar los ingredientes y detectar cualquier defecto con precisión.
Además de eso, los ingredientes superpuestos como el salami y los champiñones pueden oscurecerse entre sí, lo que a veces lleva a pizzas con ingredientes faltantes o excesivos, distribuciones incorrectas o cantidades inconsistentes. Esto no solo altera la uniformidad del producto, sino que también daña la reputación de la marca cuando los clientes reciben pizzas que no cumplen con sus expectativas.
Al mismo tiempo, estos problemas aumentan los costes operativos a través de tasas de desperdicio más altas y recursos malgastados. Sumado a estos problemas, los inspectores humanos pueden fatigarse durante turnos largos, lo que hace que su atención disminuya y aumente el riesgo de errores.
Al reconocer estos escollos, muchos fabricantes están adoptando ahora sistemas de control de calidad e inspección de alimentos automatizada basados en computer vision. Estos sistemas innovadores proporcionan supervisión en tiempo real y ayudan a reducir los errores humanos a la vez que respaldan resultados de alta calidad.
Detección de defectos alimentarios en tiempo real con visión artificial#
La solución de IA de visión de Specialvideo utiliza el soporte de segmentación de instancias de los modelos de Ultralytics YOLO para inspeccionar cada pizza en tiempo real, de modo que solo los productos de calidad lleguen a los consumidores. Cuenta y mide con precisión los ingredientes comparando cada pizza con su receta, detectando rápidamente ingredientes faltantes o adicionales, distribuciones desiguales y cantidades inconsistentes.
Cuando se detecta una pizza defectuosa, ya sea debido a ingredientes mal colocados, cantidades incorrectas de ingredientes 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, perfecciona la precisión del etiquetado y reentrena YOLO regularmente. Utilizan data augmentation durante el entrenamiento para evitar el sobreajuste (overfitting) y ayudar al modelo a generalizar a partir de un número limitado de muestras. Asimismo, el 10% de las imágenes de entrenamiento muestran pizzas Margherita para proporcionar un contexto de fondo útil, lo que ayuda a la red a gestionar variaciones incluso dentro del mismo tipo de ingrediente, como diferentes clases de salami.
Más allá de esto, para hacer que el proceso de reentrenamiento sea aún más eficiente, Specialvideo ha implementado un flujo de trabajo para nuevos ingredientes de pizza. Este flujo de trabajo aprovecha YOLO para acelerar el etiquetado de nuevas imágenes, reduciendo la necesidad de supervisión humana a medida que evolucionan las variedades de ingredientes.
Fig 1. Se utiliza YOLO para detectar y segmentar los ingredientes de una pizza para la inspección de alimentos con IA.
¿Por qué elegir los modelos Ultralytics YOLO?#
Specialvideo eligió usar los modelos de Ultralytics YOLO porque ofrecen un gran equilibrio entre AI model performance y coste. Con una GPU Nvidia GTX-1660gt (Graphics Processing Unit), el sistema logra tiempos de inferencia de solo 200 - 250 ms, lo que lo hace lo suficientemente rápido como para gestionar una línea de producción que fabrica una pizza cada 600 ms.
La eficiente velocidad de procesamiento de YOLO facilita el control de calidad en tiempo real. En general, este enfoque no solo agiliza la producción, sino que también respalda la escalabilidad, convirtiéndolo en una solución robusta para entornos de fabricación de alimentos de gran volumen.
La solución de inspección de alimentos habilitada por YOLO ofrece un 99% de precisión#
Al integrar los modelos de Ultralytics YOLO, la solución de inspección de alimentos con IA de Specialvideo ha transformado el control de calidad en la producción de pizzas. Trained con un sólido conjunto de datos de más de 1.500 imágenes, el modelo reconoce con precisión más de 10 ingredientes diferentes, categorizándolos en elementos contables, como aceitunas, rodajas de salami, anchoas y bolas de mozzarella, y elementos no contables, como jamón en dados, setas, lonchas de queso y pimientos.
El sistema impulsado por YOLO opera en tiempo real con una precisión de hasta el 99%, superando a los inspectores humanos y reduciendo significativamente los tiempos de inspección en comparación con los métodos manuales.
Curiosamente, the solution ha demostrado resultados prometedores al reconocer con precisión ingredientes en productos alimentarios no incluidos en su entrenamiento inicial, como ensaladas y pasta, facilitando una expansión más sencilla a nuevas líneas de producción. En última instancia, este enfoque innovador impulsa la eficiencia operativa, minimiza los residuos y reduce los costes, estableciendo un nuevo referente para la inspección de alimentos automatizada y el aseguramiento de la calidad.
Promoción de la fabricación inteligente en la industria alimentaria#
El futuro para Specialvideo parece emocionante. La empresa planea expandir su solución de IA de visión para incluir otros productos alimentarios como ensaladas y pasta. Al ajustar continuamente sus modelos de aprendizaje profundo y aumentar su conjunto de datos, Specialvideo tiene como objetivo mejorar aún más el control de calidad en tiempo real, reducir el desperdicio y aumentar la eficiencia de la producción. Estas mejoras ayudarán a establecer nuevos estándares en la industria.
¿Quieres potenciar tus operaciones con Vision AI? Dirígete a nuestro GitHub repository para ver cómo las soluciones de IA de Ultralytics están generando impacto en áreas como AI in healthcare y computer vision in manufacturing. Encuentra información detallada sobre nuestros modelos YOLO y las licensing options, y da ese primer paso hacia una automatización más inteligente y eficiente.
