Specialvideo raggiunge un'accuratezza del 99% nell'ispezione alimentare con Ultralytics YOLO
Scopri come Specialvideo utilizza i modelli Ultralytics YOLO per alimentare l'ispezione alimentare tramite IA in tempo reale, garantendo qualità, riducendo gli sprechi e aumentando l'efficienza.
Problem
Specialvideo cercava di costruire un processo di controllo qualità affidabile e ad alta velocità per i produttori di pizza, perché le ispezioni umane non riuscivano a stare al passo con una produzione di una pizza ogni 600ms.
Solution
Integrando i modelli Ultralytics YOLO, il sistema di ispezione alimentare basato su AI di Specialvideo ha aumentato la precisione di rilevamento a oltre il 95% e ridotto il tempo di ispezione a meno di 250ms per pizza.
I produttori di pizza hanno spesso bisogno di creare prodotti visivamente accattivanti e di alta qualità ad alta velocità, ma ispezionare manualmente i condimenti di ogni pizza può richiedere molto tempo. Specialvideo sfrutta un approccio basato su Vision AI per rilevare e contare gli ingredienti in tempo reale, rendendo possibile per i produttori rispettare gli standard delle ricette, ridurre gli sprechi e mantenere le operazioni fluide.
Durante il test di varie soluzioni di visione, Specialvideo ha scoperto che alcune tecniche come la segmentazione semantica faticavano con condimenti sovrapposti o nascosti. Utilizzando i modelli Ultralytics YOLO, sono riusciti a superare questi ostacoli e sviluppare un sistema di controllo qualità affidabile e ad alta precisione basato su AI che identifica, conta e verifica i condimenti al volo. Assicura una qualità costante senza sacrificare la velocità di produzione.
Link to this sectionMigliorare l'ispezione alimentare tramite AI con la computer vision#
Fondata nel 1993 a Imola, in Italia, Specialvideo vanta oltre 30 anni di esperienza nella progettazione di sistemi avanzati di computer vision per la guida robotica, l'ispezione automatizzata e il rilevamento dei difetti. La loro competenza si estende anche alla computer vision nell'industria alimentare.
In particolare, hanno sviluppato un sistema di ispezione alimentare basato su Vision AI che utilizza la segmentazione di istanze per ottimizzare la produzione di pizza. Trattando ogni condimento come un oggetto distinto, il sistema può rilevare, segmentare e contare accuratamente gli ingredienti in tempo reale. Affronta problemi come le occlusioni (dove un ingrediente è parzialmente coperto da un altro) e i doppi rilevamenti (dove il sistema identifica due istanze di un ingrediente quando ce n'è solo una). Identificando errori di posizionamento (ovvero, condimenti sbilanciati), i produttori possono regolare i parametri di produzione di conseguenza.
Il modello è progettato per adattarsi facilmente a nuovi ingredienti e può essere riaddestrato senza una revisione completa.
Inoltre, il sistema può controllare la forma, verificare la conformità del colore e rilevare potenziali contaminanti, assicurandosi che ogni prodotto soddisfi elevati standard di sicurezza e qualità.
Link to this sectionSfide nel QC (controllo qualità) alimentare in tempo reale#
I produttori di pizza operano spesso a velocità incredibilmente elevate, sfornando una nuova pizza ogni 600 millisecondi. A quel ritmo, è molto difficile per gli ispettori umani stare al passo, rendendo complicato monitorare i condimenti e rilevare eventuali difetti con precisione.
Inoltre, ingredienti sovrapposti come salame e funghi possono oscurarsi a vicenda, il che a volte porta a pizze con condimenti mancanti o eccessivi, distribuzioni errate o quantità incoerenti. Questo non solo interrompe l'uniformità del prodotto, ma danneggia anche la reputazione del marchio quando i clienti ricevono pizze che non soddisfano le loro aspettative.
Allo stesso tempo, questi problemi aumentano i costi operativi a causa di tassi di scarto più elevati e risorse sprecate. Aggiungendo a questi problemi, gli ispettori umani possono affaticarsi durante i lunghi turni, causando il calo dell'attenzione e aumentando il rischio di errori.
Riconoscendo queste insidie, molti produttori stanno ora adottando il controllo qualità basato sulla computer vision e sistemi di ispezione alimentare automatizzati. Questi sistemi innovativi forniscono una supervisione in tempo reale e aiutano a ridurre gli errori umani, supportando al contempo output di alta qualità.
Link to this sectionRilevamento dei difetti alimentari in tempo reale con la machine vision#
La soluzione Vision AI di Specialvideo utilizza il supporto per la segmentazione di istanze dei modelli Ultralytics YOLO per ispezionare ogni pizza in tempo reale, in modo che solo i prodotti di qualità raggiungano i consumatori. Conta e misura accuratamente i condimenti confrontando ogni pizza con la sua ricetta, rilevando rapidamente ingredienti mancanti o extra, distribuzioni non uniformi e quantità incoerenti.
Quando viene rilevata una pizza difettosa - che sia a causa di condimenti disallineati, quantità errate di ingredienti o contaminanti come plastica blu - il sistema la devia automaticamente su una linea di scarto.
Per mantenere la precisione dopo l'implementazione, Specialvideo espande continuamente il proprio dataset, perfeziona la precisione dell'etichettatura e riaddestra YOLO regolarmente. Utilizzano l'aumento dei dati durante l'addestramento per prevenire l'overfitting e aiutare il modello a generalizzare da un numero limitato di campioni. Inoltre, il 10% delle immagini di addestramento presenta pizze Margherita per fornire un utile contesto di sfondo, che aiuta la rete a gestire le variazioni anche all'interno dello stesso tipo di ingrediente, come diversi tipi di salame.
Oltre a questo, per rendere il processo di riaddestramento ancora più efficiente, Specialvideo ha implementato un flusso di lavoro per i nuovi ingredienti della pizza. Questo flusso di lavoro sfrutta YOLO per accelerare l'etichettatura di nuove immagini, riducendo la necessità di supervisione umana man mano che le varietà di ingredienti si evolvono.
Fig 1. YOLO è utilizzato per rilevare e segmentare i condimenti su una pizza per l'ispezione alimentare AI.
Link to this sectionPerché scegliere i modelli Ultralytics YOLO?#
Specialvideo ha scelto di utilizzare i modelli Ultralytics YOLO perché offrono un ottimo equilibrio tra prestazioni del modello AI e costi. Con una GPU (Graphics Processing Unit) Nvidia GTX-1660, il sistema ottiene tempi di inferenza di soli 200 - 250ms, rendendolo abbastanza veloce da gestire una linea di produzione che produce una pizza ogni 600ms.
La velocità di elaborazione efficiente di YOLO facilita il controllo qualità in tempo reale. Nel complesso, questo approccio non solo semplifica la produzione, ma supporta anche la scalabilità, rendendolo una soluzione solida per ambienti di produzione alimentare ad alto volume.
Link to this sectionLa soluzione di ispezione alimentare abilitata da YOLO offre una precisione del 99%#
Integrando i modelli Ultralytics YOLO, la soluzione di ispezione alimentare AI di Specialvideo ha trasformato il controllo qualità nella produzione di pizza. Addestrato su un robusto dataset di oltre 1.500 immagini, il modello riconosce accuratamente più di 10 ingredienti diversi, classificandoli in articoli contabili, come olive, fette di salame, acciughe e mozzarelline, e articoli non contabili, come cubetti di prosciutto, funghi, fette di formaggio e peperoni.
Il sistema guidato da YOLO opera in tempo reale con una precisione fino al 99%, superando gli ispettori umani e riducendo significativamente i tempi di ispezione rispetto ai metodi manuali.
È interessante notare che la soluzione ha dimostrato risultati promettenti riconoscendo accuratamente gli ingredienti in prodotti alimentari non inclusi nel suo addestramento iniziale, come insalate e pasta, facilitando un'espansione più semplice verso nuove linee di prodotti. In definitiva, questo approccio innovativo aumenta l'efficienza operativa, riduce al minimo gli sprechi e abbassa i costi, stabilendo un nuovo punto di riferimento per l'ispezione alimentare automatizzata e la garanzia della qualità.
Link to this sectionPromuovere la produzione intelligente nell'industria alimentare#
La strada da percorrere per Specialvideo sembra entusiasmante. L'azienda prevede di espandere la propria soluzione Vision AI per includere altri prodotti alimentari come insalate e pasta. Affinando continuamente i propri modelli di deep learning e ampliando il proprio dataset, Specialvideo mira a migliorare ulteriormente il controllo qualità in tempo reale, ridurre gli sprechi e aumentare l'efficienza produttiva. Questi miglioramenti aiuteranno a definire nuovi standard industriali.
Vuoi potenziare le tue operazioni con la Vision AI? Vai al nostro repository GitHub per vedere come le soluzioni AI di Ultralytics stanno avendo un impatto in aree come l'AI nell'assistenza sanitaria e la computer vision nella produzione. Trova approfondimenti dettagliati sui nostri modelli YOLO e sulle opzioni di licenza e fai il primo passo verso un'automazione più intelligente ed efficiente.
