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

Les fabricants de pizzas ont souvent besoin de produire des produits de haute qualité et visuellement attrayants à grande vitesse, mais l'inspection manuelle des garnitures de chaque pizza peut prendre du temps. Specialvideo exploite une approche basée sur l'IA de vision pour détecter et compter les ingrédients en temps réel, ce qui permet aux producteurs de respecter les normes de la recette, de réduire les déchets et de maintenir des opérations fluides.

Lors des tests de diverses solutions de vision, Specialvideo a découvert que certaines techniques comme la segmentation sémantique avaient du mal avec les garnitures qui se chevauchent ou sont cachées. En utilisant les modèles Ultralytics YOLO, ils ont pu surmonter ces obstacles et développer un système de contrôle qualité fiable et de haute précision, alimenté par l'IA, qui identifie, compte et vérifie les garnitures à la volée. Il assure une qualité constante sans sacrifier la vitesse de production.

Amélioration de l'inspection alimentaire 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 de vision artificielle avancés pour le guidage de robots, l'inspection automatisée et la détection de défauts. Leur expertise s'étend également à la vision artificielle dans l'industrie agroalimentaire. 

Ils ont notamment développé un système d'inspection alimentaire par vision IA qui utilise la segmentation d'instance pour rationaliser la production de pizzas. En traitant chaque garniture comme un objet distinct, le système peut détecter, segmenter et compter avec précision les ingrédients en temps réel. Il résout les problèmes tels que les occlusions (où un ingrédient est partiellement recouvert par un autre) et les doubles détections (où 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 réentraîné sans une refonte complète.

De plus, le système peut vérifier la forme, contrôler la conformité des couleurs et détecter les contaminants potentiels, garantissant ainsi que chaque produit répond à des normes de sécurité et de qualité élevées.

Défis du contrôle qualité des aliments en temps réel

Les fabricants de pizzas fonctionnent 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 le rythme, ce qui rend difficile la surveillance des garnitures et la détection précise des défauts.

De plus, le chevauchement d'ingrédients comme le salami et les champignons peut masquer les uns les autres, ce qui conduit parfois à des pizzas avec des garnitures manquantes ou excessives, des distributions 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 répondent pas à leurs attentes. 

Parallèlement, ces problèmes font grimper les coûts opérationnels en raison de l'augmentation des taux de rebut et du gaspillage des ressources. Pour ne rien arranger, les inspecteurs humains peuvent être fatigués après de longues heures de travail, ce qui diminue leur attention et augmente le risque d'erreurs. 

Conscients de ces pièges, de nombreux fabricants adoptent désormais des systèmes de contrôle de la qualité et d'inspection automatisée des aliments basés sur la vision par ordinateur. Ces systèmes innovants assurent une supervision en temps réel et contribuent à réduire les erreurs humaines tout en favorisant des produits de haute qualité. 

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

La solution Vision AI de Specialvideo utilise la prise en charge de la segmentation d'instance des modèles Ultralytics YOLO 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, en détectant rapidement les ingrédients manquants ou supplémentaires, les distributions inégales et les quantités incohérentes.

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

Pour maintenir la précision après le déploiement, Specialvideo élargit continuellement son ensemble de données, affine la précision de l'étiquetage et réentraîne régulièrement YOLO. Ils utilisent l'augmentation de données pendant l'entraînement pour éviter le surapprentissage et aider le modèle à généraliser à partir d'un nombre limité d'échantillons. De plus, 10 % des images d'entraînement présentent des pizzas Margherita pour fournir un contexte de fond utile, ce qui aide le réseau à gérer les variations, même au sein du même type d'ingrédient, comme les différentes sortes de salami.

De plus, pour rendre le processus de réentraînement encore plus efficace, Specialvideo a mis en place un flux de travail pour les nouveaux ingrédients de pizza. Ce flux de travail exploite YOLO pour accélérer l'étiquetage des nouvelles images, réduisant ainsi le besoin de supervision humaine à mesure que les variétés d'ingrédients évoluent.

‍

Pourquoi choisir les modèles YOLO d'Ultralytics ?

Specialvideo a choisi d'utiliser les modèles Ultralytics YOLO car ils offrent un excellent équilibre entre la performance du modèle d'IA et le coût. 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 rationalise non seulement la production, mais prend également en charge l’évolutivité, ce qui en fait une solution robuste pour les environnements de fabrication alimentaire à volume élevé. 

Une solution d’inspection alimentaire basée sur YOLO offre une précision de 99 %

En intégrant les modèles Ultralytics YOLO, 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, en les classant en éléments comptables, tels que les olives, les tranches de salami, les anchois et les boules de mozzarella, et en éléments non comptables, comme le jambon en dés, les champignons, les tranches de fromage et les poivrons. 

Le système basé sur YOLO fonctionne en temps réel avec une précision allant jusqu'à 99 %, surpassant les 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 les ingrédients 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 améliore l'efficacité opérationnelle, minimise le gaspillage et réduit les coûts, établissant ainsi une nouvelle référence pour l'inspection automatisée des aliments et l'assurance qualité.

Promouvoir la fabrication intelligente dans l'industrie agroalimentaire

La voie à suivre pour Specialvideo s'annonce prometteuse. L'entreprise prévoit d'étendre sa solution Vision AI pour inclure d'autres produits alimentaires comme 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 davantage le contrôle de la qualité en temps réel, à réduire le gaspillage et à accroître l'efficacité de la production. Ces améliorations contribueront à établir de nouvelles normes industrielles.

Vous souhaitez dynamiser vos opérations avec la Vision IA ? 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 le secteur de la santé et la vision par ordinateur dans la fabrication. Trouvez 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.