Yolo Vision Shenzhen
Shenzhen
Iscriviti ora
Torna alle storie di successo dei clienti

Ultralytics YOLO alimenta lo strumento di ispezione alimentare di Specialvideo

Problema

Specialvideo stava cercando di sviluppare un processo di controllo qualità affidabile e ad alta velocità per i produttori di pizza, poiché le ispezioni umane non riuscivano a tenere il passo con la produzione di una pizza ogni 600 ms.

Soluzione

Integrando i modelliYOLO Ultralytics , il sistema di ispezione alimentare AI di Specialvideo ha aumentato l'accuratezza del rilevamento a oltre il 95% e ha ridotto il tempo di ispezione a meno di 250 ms per pizza.

I produttori di pizza hanno spesso bisogno di produrre prodotti visivamente accattivanti e di alta qualità ad alta velocità, ma ispezionare manualmente i condimenti per ogni pizza può richiedere molto tempo. Specialvideo sfrutta un approccio basato sull'intelligenza artificiale per detect e contare gli ingredienti in tempo reale, consentendo ai produttori di rispettare gli standard delle ricette, ridurre gli sprechi e mantenere un'attività regolare.

Testando diverse soluzioni di visione, Specialvideo ha scoperto che alcune tecniche, come la segmentazione semantica, avevano difficoltà con i topping sovrapposti o nascosti. Utilizzando i modelliYOLO Ultralytics , Specialvideo è riuscita a superare questi ostacoli e a sviluppare un sistema di controllo qualità affidabile e ad alta precisione, basato sull'intelligenza artificiale, che identifica, conta e verifica i condimenti al volo. Questo sistema garantisce una qualità costante senza sacrificare la velocità di produzione.

Migliorare l'ispezione alimentare con IA grazie alla computer vision

Fondata nel 1993 a Imola, Italia, Specialvideo vanta oltre 30 anni di esperienza nella progettazione di sistemi avanzati di computer vision per la guida robotizzata, l'ispezione automatizzata e il rilevamento di difetti. La loro esperienza si estende anche alla computer vision nell'industria alimentare. 

In particolare, hanno sviluppato un sistema di ispezione alimentare Vision AI che utilizza la segmentazione delle istanze per ottimizzare la produzione di pizza. Trattando ogni topping come un oggetto distinto, il sistema è in grado di detect, segment e contare accuratamente gli ingredienti in tempo reale. Il sistema risolve problemi come le occlusioni (quando un ingrediente è parzialmente coperto da un altro) e le doppie rilevazioni (quando il sistema identifica due istanze di un ingrediente quando ne esiste solo una). Identificando gli errori di posizionamento (ad esempio, guarnizioni sbilanciate), i produttori possono regolare i parametri di produzione di conseguenza.

Il modello è progettato per accogliere facilmente nuovi ingredienti e può essere riaddestrato senza una revisione completa.

Inoltre, il sistema può controllare la forma, verificare la conformità dei colori e detect potenziali contaminanti, assicurando che ogni prodotto soddisfi elevati standard di sicurezza e qualità.

Sfide nel controllo qualità (QC) alimentare in tempo reale

I produttori di pizza operano spesso a velocità incredibilmente elevate, sfornando una nuova pizza ogni 600 millisecondi. A questo ritmo, è molto difficile per gli ispettori umani tenere il passo, rendendo difficile il monitoraggio dei condimenti e il detect accurato di eventuali difetti.

Oltre a ciò, 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 sono all'altezza delle loro aspettative. 

Allo stesso tempo, questi problemi fanno aumentare i costi operativi a causa dei maggiori tassi di scarto e dello spreco di risorse. In aggiunta a questi problemi, gli ispettori umani possono affaticarsi durante i lunghi turni, causando un calo dell'attenzione e aumentando il rischio di errori. 

Riconoscendo queste insidie, molti produttori stanno adottando sistemi di controllo qualità e ispezione alimentare automatizzati basati sulla computer vision. Questi sistemi innovativi forniscono una supervisione in tempo reale e aiutano a ridurre gli errori umani, supportando al contempo risultati di alta qualità. 

Rilevamento in tempo reale dei difetti alimentari con la machine vision

La soluzione Vision AI di Specialvideo utilizza il supporto della segmentazione delle istanze dei modelliYOLO di Ultralytics per ispezionare ogni pizza in tempo reale, in modo che solo i prodotti di qualità raggiungano i consumatori. Conta e misura con precisione i condimenti confrontando ogni pizza con la sua ricetta, individuando rapidamente gli ingredienti mancanti o in eccesso, le distribuzioni non uniformi e le quantità incoerenti.

Quando viene rilevata una pizza difettosa, a causa di condimenti disallineati, quantità errate di ingredienti o contaminanti come plastica blu, il sistema la devia automaticamente verso una linea di scarto. 

Per mantenere l'accuratezza anche dopo la distribuzione, Specialvideo espande continuamente il suo set di dati, perfeziona l'accuratezza dell'etichettatura e riqualifica YOLO regolarmente. Durante l'addestramento, utilizza l'aumento dei dati per evitare 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 contesto utile, che aiuta la rete a gestire le variazioni anche all'interno dello stesso tipo di ingrediente, come i diversi tipi di salame.

Inoltre, per rendere il processo di riqualificazione 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 delle nuove immagini, riducendo la necessità di una supervisione umana man mano che le varietà degli ingredienti si evolvono.

__wf_reserved_inherit
Figura 1. YOLO viene utilizzato per detect e segment i condimenti su una pizza per l'ispezione alimentare AI.

Perché scegliere i modelliYOLO di Ultralytics ?

Specialvideo ha scelto di utilizzare i modelli Ultralytics YOLO perché offrono un ottimo equilibrio tra prestazioni e costi dei modelli AI. Grazie a una GPU (Graphics Processing Unit) Nvidia GTX-1660gt, il sistema raggiunge tempi di inferenza di soli 200-250 ms, rendendolo sufficientemente veloce per gestire una linea di produzione che produce una pizza ogni 600 ms. 

L'efficiente velocità di elaborazione di YOLOfacilita il controllo della qualità in tempo reale. Nel complesso, questo approccio non solo snellisce la produzione, ma supporta anche la scalabilità, rendendola una soluzione robusta per gli ambienti di produzione alimentare ad alto volume. 

La soluzione YOLOispezione degli alimenti YOLO offre un'accuratezza del 99%.

Integrando i modelliYOLO di Ultralytics , la soluzione di ispezione alimentare AI di Specialvideo ha trasformato il controllo qualità nella produzione di pizza. Addestrato su un robusto set di dati di oltre 1.500 immagini, il modello riconosce con precisione più di 10 ingredienti diversi, classificandoli in elementi conteggiabili, come olive, fette di salame, acciughe e mozzarelle, e non conteggiabili, come prosciutto a cubetti, funghi, fette di formaggio e peperoni. 

Il sistema 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 ingredienti in prodotti alimentari non inclusi nel suo addestramento iniziale, come insalate e pasta, facilitando una più agevole espansione in 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.

Promuovere la produzione intelligente nell'industria alimentare

Il futuro di Specialvideo si prospetta entusiasmante. L'azienda prevede di espandere la sua soluzione Vision AI per includere altri prodotti alimentari come insalate e pasta. Affinando continuamente i suoi modelli di deep learning e ampliando il suo set di dati, Specialvideo mira a migliorare ulteriormente il controllo qualità in tempo reale, ridurre gli sprechi e aumentare l'efficienza della produzione. Questi miglioramenti contribuiranno a stabilire nuovi standard di settore.

Volete potenziare le vostre operazioni con la Vision AI? Visitate il nostro repository GitHub per vedere come le soluzioni di IA di Ultralyticsstanno avendo un impatto in settori come l'IA nella sanità e la computer vision nella produzione. Trovate informazioni dettagliate sui nostri modelli YOLO e sulle opzioni di licenza e fate il primo passo verso un'automazione più intelligente ed efficiente.

La nostra soluzione per il tuo settore

Visualizza tutto

Domande frequenti

Cosa sono i modelliYOLO di Ultralytics ?

I modelli Ultralytics YOLO sono architetture di visione artificiale sviluppate per analizzare i dati visivi provenienti da immagini e video. Questi modelli possono essere addestrati per compiti quali il rilevamento di oggetti, la classificazione, la stima della posa, il tracciamento e la segmentazione di istanzeUltralytics

  • Ultralytics YOLOv5
  • Ultralytics YOLOv8
  • Ultralytics YOLO11

Qual è la differenza tra i modelliYOLO di Ultralytics ?

Ultralytics YOLO11 è l'ultima versione dei nostri modelli di computer vision. Come le versioni precedenti, supporta tutti i compiti di computer vision che la comunità di Vision AI ha imparato ad apprezzare con YOLOv8. Il nuovo YOLO11, tuttavia, è dotato di maggiori prestazioni e precisione, che lo rendono uno strumento potente e l'alleato perfetto per le sfide del mondo reale.

Quale modello Ultralytics YOLO devo scegliere per il mio progetto?

Il modello che scegli di utilizzare dipende dai requisiti specifici del tuo progetto. È fondamentale tenere conto di fattori quali prestazioni, accuratezza ed esigenze di implementazione. Ecco una rapida panoramica:

  • Alcune delle caratteristiche principali di Ultralytics YOLOv8:
  1. Maturità e stabilità: YOLOv8 è un framework stabile e collaudato, con un'ampia documentazione e la compatibilità con le versioni precedenti di YOLO , che lo rende ideale per l'integrazione nei flussi di lavoro esistenti.
  2. Facilità d'uso: Grazie alla configurazione facile per i principianti e all'installazione semplice, YOLOv8 è perfetto per le squadre di tutti i livelli.
  3. Convenienza: Richiede meno risorse computazionali, il che lo rende un'ottima opzione per i progetti attenti al budget.
  • Alcune delle caratteristiche principali di Ultralytics YOLO11:
  1. Maggiore precisione: YOLO11 supera YOLOv8 nei benchmark, ottenendo una migliore precisione con un minor numero di parametri.
  2. Funzionalità avanzate: Supporta attività all'avanguardia come la stima della posa, il rilevamento degli oggetti e i bounding box orientati (OBB), offrendo una versatilità senza pari.
  3. Efficienza in tempo reale: Ottimizzato per le applicazioni in tempo reale, YOLO11 offre tempi di inferenza più rapidi ed eccelle sui dispositivi edge e sulle attività sensibili alla latenza.
  4. Adattabilità: Grazie all'ampia compatibilità hardware, YOLO11 è adatto all'implementazione su dispositivi edge, piattaforme cloud e GPU NVIDIA .

Di quale licenza ho bisogno?

I repositoryYOLO Ultralytics , come YOLOv5 e YOLO11, sono distribuiti di default sotto la licenza AGPL-3.0 . Questa licenza, approvata dall'OSI, è pensata per gli studenti, i ricercatori e gli appassionati. Questa licenza approvata dall'OSI è pensata per studenti, ricercatori e appassionati, promuove la collaborazione aperta e richiede che qualsiasi software che utilizzi componenti AGPL-3.0 sia anche open-sourced. Sebbene garantisca trasparenza e promuova l'innovazione, potrebbe non essere in linea con i casi d'uso commerciali.
Se il vostro progetto prevede l'incorporazione del software e dei modelli di intelligenza artificiale Ultralytics in prodotti o servizi commerciali e desiderate aggirare i requisiti di open-source della licenza AGPL-3.0, la licenza Enterprise è l'ideale.

I vantaggi della Licenza Enterprise includono:

  • Flessibilità commerciale: Modificare e incorporare il codice sorgente e i modelli di Ultralytics YOLO in prodotti proprietari senza dover aderire al requisito AGPL-3.0 per l'open-source del progetto.
  • Sviluppo proprietario: Ottenete la piena libertà di sviluppare e distribuire applicazioni commerciali che includono il codice e i modelli di Ultralytics YOLO .

Per garantire un'integrazione perfetta ed evitare i vincoli della AGPL-3.0 , richiedete una licenza Ultralytics Enterprise utilizzando l'apposito modulo. Il nostro team vi aiuterà a personalizzare la licenza in base alle vostre esigenze specifiche.

Potenziamento con Ultralytics YOLO

Ottieni una visione AI avanzata per i tuoi progetti. Trova oggi stesso la licenza giusta per i tuoi obiettivi.

Esplora le opzioni di licenza