Ultralytics YOLO alimente l'outil d'inspection alimentaire de Specialvideo

Améliorer l'inspection des aliments par l'IA grâce à la vision par ordinateur

Fondée en 1993 à Imola, en Italie, Specialvideo s'appuie sur plus de 30 ans d'expérience dans la conception de systèmes avancés de vision par ordinateur pour le guidage des robots, l'inspection automatisée et la détection des défauts. Son expertise s'étend également à la vision par ordinateur dans l'industrie alimentaire. 

Ils ont notamment mis au point un système d'inspection alimentaire Vision AI qui utilise la segmentation des instances pour rationaliser la production de pizzas. En traitant chaque garniture comme un objet distinct, le système peut détecter, segmenter et compter les ingrédients avec précision et en temps réel. Il résout des problèmes tels que les occlusions (lorsqu'un ingrédient est partiellement recouvert par un autre) et les doubles détections (lorsque le système identifie deux instances d'un ingrédient alors qu'il n'y en a qu'une). En identifiant les erreurs de placement (c'est-à-dire les garnitures déséquilibrées), les fabricants peuvent ajuster les paramètres de production en conséquence.

Le modèle est conçu pour s'adapter facilement à de nouveaux ingrédients et peut être recyclé sans qu'il soit nécessaire de procéder à une refonte complète.

Le système peut également contrôler la forme, vérifier la conformité des couleurs et détecter les contaminants potentiels, afin de s'assurer que chaque produit répond à des normes de sécurité et de qualité élevées.

Les défis du CQ (contrôle de la qualité) alimentaire en temps réel

Les fabricants de pizzas travaillent souvent à des vitesses incroyablement élevées, produisant une nouvelle pizza toutes les 600 millisecondes. À ce rythme, il est très difficile pour les inspecteurs humains de suivre, ce qui complique le contrôle des garnitures et la détection précise des défauts.

En outre, les ingrédients qui se chevauchent, comme le salami et les champignons, peuvent se cacher les uns les autres, ce qui entraîne parfois des pizzas avec des garnitures manquantes ou excessives, des répartitions incorrectes ou des quantités incohérentes. Cela perturbe non seulement l'uniformité du produit, mais nuit également à la réputation de la marque lorsque les clients reçoivent des pizzas qui ne sont pas à la hauteur de leurs attentes. 

Dans le même temps, ces problèmes entraînent une augmentation des coûts opérationnels en raison de taux de rebut plus élevés et de ressources gaspillées. En outre, les inspecteurs humains peuvent se fatiguer au cours de longues périodes de travail, ce qui diminue leur attention et augmente le risque d'erreurs. 

Conscients de ces écueils, de nombreux fabricants adoptent désormais des systèmes de contrôle de la qualité et d'inspection alimentaire automatisés basés sur la vision par ordinateur. Ces systèmes innovants assurent une surveillance en temps réel et contribuent à réduire les erreurs humaines tout en assurant des résultats de haute qualité. 

Détection des défauts alimentaires en temps réel grâce à la vision industrielle

La solution Vision AI de Specialvideo utilise la segmentation des instances des modèles YOLO d'Ultralytics pour inspecter chaque pizza en temps réel afin que seuls les produits de qualité parviennent aux consommateurs. Elle compte et mesure avec précision les garnitures en comparant chaque pizza à sa recette, détectant rapidement les ingrédients manquants ou supplémentaires, les répartitions inégales et les quantités incohérentes.

Lorsqu'une pizza défectueuse est détectée - que ce soit en raison de garnitures mal alignées, de quantités d'ingrédients incorrectes ou de contaminants tels que du plastique bleu - le système la détourne automatiquement vers une ligne de mise au rebut. 

Pour maintenir la précision après le déploiement, Specialvideo élargit continuellement son ensemble de données, affine la précision de l'étiquetage et réapprend régulièrement YOLO. L'entreprise utilise l'augmentation des données pendant la formation pour éviter l'ajustement excessif et aider le modèle à se généraliser à partir d'un nombre limité d'échantillons. En outre, 10 % des images d'entraînement représentent des pizzas Margherita afin de fournir un contexte utile, ce qui aide le réseau à gérer les variations même au sein d'un même type d'ingrédient, comme les différentes sortes de salami.

En outre, pour rendre le processus de recyclage encore plus efficace, Specialvideo a mis en place un flux de travail pour les nouveaux ingrédients de pizza. Ce flux de travail s'appuie sur YOLO pour accélérer l'étiquetage des nouvelles images, réduisant ainsi le besoin de supervision humaine au fur et à mesure de l'évolution des variétés d'ingrédients.

‍

Pourquoi choisir les modèles YOLO d'Ultralytics ?

Specialvideo a choisi d'utiliser les modèles YOLO d'Ultralytics parce qu'ils offrent un excellent équilibre entre la performance et le coût des modèles d'IA. Avec un GPU (Graphics Processing Unit) Nvidia GTX-1660gt, le système atteint des temps d'inférence de seulement 200 à 250 ms, ce qui le rend suffisamment rapide pour gérer une ligne de production qui produit une pizza toutes les 600 ms. 

La vitesse de traitement efficace de YOLO facilite le contrôle de la qualité en temps réel. Dans l'ensemble, cette approche permet non seulement de rationaliser la production, mais aussi de favoriser l'évolutivité, ce qui en fait une solution robuste pour les environnements de fabrication de produits alimentaires en grande quantité. 

La solution YOLO pour l'inspection des denrées alimentaires offre une précision de 99 %.

En intégrant les modèles YOLO d'Ultralytics, la solution d'inspection alimentaire par IA de Specialvideo a transformé le contrôle qualité dans la production de pizzas. Entraîné sur un ensemble de données robuste de plus de 1 500 images, le modèle reconnaît avec précision plus de 10 ingrédients différents, les classant en éléments dénombrables, tels que les olives, les tranches de salami, les anchois et les boules de mozzarella, et en éléments non dénombrables, tels que les cubes de jambon, les champignons, les tranches de fromage et les poivrons. 

Le système piloté par YOLO fonctionne en temps réel avec une précision pouvant atteindre 99 %, surpassant les performances des inspecteurs humains et réduisant considérablement les temps d'inspection par rapport aux méthodes manuelles. 

Il est intéressant de noter que la solution a démontré des résultats prometteurs en reconnaissant avec précision des ingrédients dans des produits alimentaires non inclus dans sa formation initiale, tels que les salades et les pâtes, ce qui facilite l'expansion vers de nouvelles gammes de produits. En fin de compte, cette approche innovante stimule l'efficacité opérationnelle, minimise les déchets et réduit les coûts, établissant une nouvelle référence en matière d'inspection alimentaire automatisée et d'assurance qualité.

Promouvoir la fabrication intelligente dans l'industrie alimentaire

L'avenir de Specialvideo s'annonce passionnant. L'entreprise prévoit d'étendre sa solution Vision AI à d'autres produits alimentaires tels que les salades et les pâtes. En affinant continuellement ses modèles d'apprentissage profond et en élargissant son ensemble de données, Specialvideo vise à améliorer encore le contrôle de la qualité en temps réel, à réduire les déchets et à stimuler l'efficacité de la production. Ces améliorations contribueront à établir de nouvelles normes industrielles.

Vous souhaitez dynamiser vos opérations grâce à Vision AI ? Rendez-vous sur notre dépôt GitHub pour découvrir comment les solutions d'IA d'Ultralytics ont un impact dans des domaines tels que l 'IA dans les soins de santé et la vision par ordinateur dans la fabrication. Découvrez des informations détaillées sur nos modèles YOLO et nos options de licence, et faites le premier pas vers une automatisation plus intelligente et plus efficace.