Al integrar modelos de Ultralytics YOLO, el sistema de inspección alimentaria mediante IA de Specialvideo aumentó la precisión de detección hasta el 99 % y redujo el tiempo de inspección a menos de 250 ms por pizza.
Los fabricantes de pizzas suelen necesitar producir productos visualmente atractivos y de alta calidad a gran velocidad, pero inspeccionar manualmente los ingredientes de cada pizza puede llevar mucho tiempo. Specialvideo utiliza un enfoque basado en IA de visión para detectar y contar ingredientes en tiempo real, lo que permite a los productores mantener los estándares de las recetas, reducir los residuos y conservar unas operaciones fluidas.
Mientras probaba distintas soluciones de visión, Specialvideo descubrió que ciertas técnicas, como la segmentación semántica, tenían dificultades con ingredientes superpuestos u ocultos. Mediante el uso de modelos de Ultralytics YOLO, pudieron superar estos obstáculos y desarrollar un sistema fiable de control de calidad basado en IA y de alta precisión que identifica, cuenta y verifica los ingredientes al instante. Esto garantiza una calidad uniforme sin sacrificar la velocidad de producción.
Mejora de la inspección alimentaria mediante IA con 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 guiado de robots, la inspección automatizada y la detección de defectos. Su experiencia también se extiende a la visión artificial en la industria alimentaria.
En concreto, desarrollaron un sistema de inspección alimentaria mediante IA de visión 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. Aborda problemas como las oclusiones (cuando un ingrediente queda parcialmente cubierto por otro) y las detecciones dobles (cuando el sistema identifica dos instancias de un ingrediente cuando solo hay una). Al identificar errores de colocación (es decir, ingredientes distribuidos de forma desequilibrada), los fabricantes pueden ajustar los parámetros de producción en consecuencia.
El modelo está diseñado para incorporar fácilmente nuevos ingredientes y puede volver a entrenarse sin necesidad de realizar una revisión completa.
Además, el sistema puede comprobar la forma, verificar el cumplimiento del color y detectar posibles contaminantes, asegurándose de que cada producto cumple unos estándares elevados de seguridad y calidad.
Retos del control de calidad (QC) alimentario en tiempo real#
Los fabricantes de pizzas suelen trabajar a velocidades increíblemente altas y producen una pizza nueva cada 600 milisegundos. A ese ritmo, resulta muy difícil que los inspectores humanos puedan seguir el ritmo, lo que complica la supervisión de los ingredientes y la detección precisa de cualquier defecto.
Además, ingredientes superpuestos como el salami y los champiñones pueden ocultarse entre sí, lo que a veces da lugar a pizzas con ingredientes ausentes o en exceso, distribuciones incorrectas o cantidades irregulares. Esto no solo altera 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 aumentan los costes operativos debido a unas tasas de desecho más elevadas y al desperdicio de recursos. Para complicar aún más la situación, los inspectores humanos pueden fatigarse durante turnos largos, lo que reduce su atención y aumenta el riesgo de errores.
Conscientes de estos inconvenientes, muchos fabricantes están adoptando sistemas de control de calidad e inspección alimentaria automatizada basados en la visión artificial. Estos sistemas innovadores proporcionan supervisión en tiempo real y ayudan a reducir los errores humanos, al tiempo que favorecen unos resultados de alta calidad.
Detección de defectos alimentarios en tiempo real mediante visión artificial#
La solución de IA de visión de Specialvideo utiliza la compatibilidad de los modelos de Ultralytics YOLO con la segmentación de instancias para inspeccionar cada pizza en tiempo real y garantizar que solo los productos de calidad lleguen a los consumidores. Cuenta y mide con precisión los ingredientes comparando cada pizza con su receta, y detecta rápidamente ingredientes ausentes o adicionales, distribuciones irregulares y cantidades inconsistentes.
Cuando se detecta una pizza defectuosa —ya sea por ingredientes desalineados, cantidades incorrectas de ingredientes o contaminantes como plástico azul—, el sistema la desvía automáticamente a una línea de desecho.
Para mantener la precisión tras la implementación, Specialvideo amplía continuamente su conjunto de datos, perfecciona la precisión del etiquetado y vuelve a entrenar YOLO con regularidad. Utilizan el aumento de datos durante el entrenamiento 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 proporcionar un contexto de fondo útil, lo que ayuda a la red a gestionar variaciones incluso dentro del mismo tipo de ingrediente, como las distintas variedades de salami.
Además, para hacer aún más eficiente el proceso de reentrenamiento, Specialvideo ha implementado un flujo de trabajo para los nuevos ingredientes de las pizzas. Este flujo utiliza YOLO para agilizar el etiquetado de nuevas imágenes y reducir la necesidad de supervisión humana a medida que evolucionan las variedades de ingredientes.
Fig. 1. YOLO se utiliza para detectar y segmentar los ingredientes de una pizza durante la inspección alimentaria mediante IA.
¿Por qué elegir los modelos Ultralytics YOLO?#
Specialvideo eligió utilizar modelos de Ultralytics YOLO porque ofrecen un excelente 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 tan solo 200-250 ms, lo que le permite gestionar 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 favorece la escalabilidad, por lo que constituye 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 modelos de Ultralytics YOLO, la solución de inspección alimentaria mediante IA de Specialvideo ha transformado el control de calidad en la producción de pizzas. Entrenado con un conjunto de datos sólido de más de 1.500 imágenes, el modelo reconoce con precisión más de 10 ingredientes diferentes y los clasifica en elementos contables, como aceitunas, rodajas de salami, anchoas y bolas de mozzarella, y elementos no contables, 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 significativamente los tiempos de inspección en comparación con los métodos manuales.
Curiosamente, la solución ha demostrado resultados prometedores al reconocer con precisión ingredientes en productos alimentarios no incluidos en su entrenamiento inicial, como ensaladas y pasta, lo que facilita su ampliación a nuevas líneas de productos. En última instancia, este enfoque innovador aumenta la eficiencia operativa, minimiza los residuos y reduce los costes, estableciendo un nuevo referente para la inspección alimentaria automatizada y el aseguramiento de la calidad.
Impulso de la fabricación inteligente en la industria alimentaria#
El futuro de Specialvideo resulta prometedor. La empresa planea ampliar su solución de IA de visión para incluir otros productos alimentarios, como ensaladas y pasta. Al perfeccionar continuamente sus modelos de aprendizaje profundo y ampliar su conjunto de datos, Specialvideo pretende 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 de visión? Visita nuestro repositorio de GitHub para descubrir cómo las soluciones de IA de Ultralytics están teniendo un impacto en ámbitos como la IA en el sector sanitario y la visión artificial en la fabricación. Consulta información detallada sobre nuestros modelos YOLO y nuestras opciones de licencia, y da el primer paso hacia una automatización más inteligente y eficiente.
