Ultralytics YOLO Specialvideoの食品検査ツールを強化

ピザ製造業者はしばしば、視覚に訴える高品質な製品を高速で製造する必要があるが、手作業で各ピザのトッピングを検査するのは時間がかかる。Specialvideoは、リアルタイムで食材をdetect しカウントするビジョンAI主導のアプローチを活用することで、生産者がレシピ基準を守り、無駄を省き、スムーズなオペレーションを維持することを可能にする。

様々なビジョンソリューションをテストする中で、Specialvideoは、セマンティックセグメンテーションのような特定の技術が、重なり合ったトッピングや隠れたトッピングに苦戦していることを発見した。Ultralytics YOLO モデルを使用することで、これらのハードルに取り組むことができ、その場でトッピングを識別、カウント、検証する信頼性の高い高精度なAI搭載の品質管理システムを開発することができました。これにより、生産スピードを犠牲にすることなく、一貫した品質を確保できるようになった。

コンピュータビジョンによるAI食品検査の改善

1993年にイタリアのイモラで設立されたSpecialvideoは、ロボットガイダンス、自動検査、および欠陥検出のための高度なコンピュータビジョンシステムの設計における30年以上の経験を活用しています。彼らの専門知識は、食品業界のコンピュータビジョンにも及んでいます。 

特に、インスタンス・セグメンテーションを利用してピザ製造を合理化するビジョンAI食品検査システムを開発した。各トッピングを別個の物体として扱うことで、システムはリアルタイムで正確に具材をdetectし、segmentし、カウントすることができる。オクルージョン（1つの具材が他の具材で部分的に覆われている状態）やダブルディテクション（1つの具材しかないのにシステムが2つの具材を識別してしまう状態）といった問題に対処する。配置ミス（トッピングの不均衡など）を特定することで、メーカーは生産パラメーターを適宜調整することができる。

このモデルは、新しい要素を簡単に追加できるように設計されており、完全にオーバーホールすることなく再トレーニングできます。

また、形状のチェック、色の適合性の検証、潜在的な汚染物質のdetect 可能で、各製品が高い安全性と品質基準を満たしていることを確認できる。

リアルタイム食品QC（品質管理）における課題

ピザ製造業者は、600ミリ秒ごとに新しいピザを製造するような、信じられないほど高速で作業することが多い。このペースでは、人間の検査員が追いつくのは非常に難しく、トッピングの監視や欠陥の正確なdetect 難しくなる。

さらに、サラミやマッシュルームなどの具材が重なると、互いに見えにくくなり、ピザのトッピングが不足したり過剰になったり、配置が不正確になったり、量が一定でなくなることがあります。これは製品の均一性を損なうだけでなく、顧客が期待外れのピザを受け取った場合にブランドの評判を損なうことにもつながります。 

同時に、これらの問題は、スクラップ率の上昇と資源の浪費を通じて、運用コストを押し上げます。これらの問題に加えて、人間の検査官は長時間のシフトで疲労し、注意力が低下し、エラーのリスクが高まる可能性があります。 

こうした落とし穴を認識し、多くの製造業者は現在、コンピュータビジョンを活用した品質管理および食品自動検査システムを採用しています。これらの革新的なシステムは、リアルタイムの監視を提供し、高品質なアウトプットをサポートしながら、人為的なエラーを削減するのに役立ちます。 

マシンビジョンによるリアルタイムの食品欠陥検出

SpecialvideoのVision AIソリューションは、Ultralytics YOLO モデルのインスタンス・セグメンテーション・サポートを使用して、すべてのピザをリアルタイムで検査し、高品質の製品だけが消費者に届くようにします。各ピザをレシピと比較することで、トッピングの正確なカウントと測定を行い、欠品や余分な具材、不均一な配分、一貫性のない量を迅速に検出します。

トッピングのずれ、材料の分量の間違い、青いプラスチックのような異物の混入など、不良ピザが検出された場合、システムは自動的にそれをスクラップラインに振り分けます。 

配備後も精度を維持するため、Specialvideoはデータセットを継続的に拡張し、ラベリング精度を向上させ、YOLO 定期的に再トレーニングしている。彼らは、オーバーフィッティングを防ぎ、限られたサンプル数からモデルが汎化するのを助けるために、トレーニング中にデータ増強を使用している。また、トレーニング画像の10%にマルゲリータピザを使用することで、背景に役立つコンテキストを提供し、サラミの種類が異なるなど、同じ食材の種類であってもネットワークがバリエーションに対応できるようにしている。

さらに、再トレーニングプロセスをさらに効率化するために、Specialvideoは新しいピザの具材用のワークフローを実装した。このワークフローは、YOLO 活用して新しい画像のラベリングをスピードアップし、具材の種類が進化するにつれて人間の監視の必要性を減らしている。

‍

なぜUltralytics YOLO モデルを選ぶのか？

SpecialvideoがUltralytics YOLO モデルを採用した理由は、AIモデルの性能とコストのバランスが優れているからです。Nvidia GTX-1660gtGPU Processing Unit）を搭載したこのシステムは、わずか200～250msの推論時間を達成し、600msごとにピザを生産する生産ラインを処理するのに十分な速度を実現しています。 

YOLO効率的な処理速度は、リアルタイムの品質管理を容易にする。全体として、このアプローチは生産を合理化するだけでなく、拡張性もサポートし、大量の食品製造環境に適した堅牢なソリューションとなっている。 

YOLO食品検査ソリューションが99％の精度を実現

Ultralytics YOLO モデルを統合することで、SpecialvideoのAI食品検査ソリューションは、ピザ製造における品質管理を変革した。1,500枚以上の画像からなる堅牢なデータセットで訓練されたこのモデルは、10種類以上の具材を正確に認識し、オリーブ、サラミスライス、アンチョビ、モッツァレラボールなどの数えられるものと、角切りハム、マッシュルーム、チーズスライス、ピーマンなどの数えられないものに分類します。 

YOLOシステムは、リアルタイムで最大99％の精度で作動し、人間の検査員を凌駕し、手作業に比べて検査時間を大幅に短縮する。 

興味深いことに、このソリューションは、初期トレーニングに含まれていないサラダやパスタなどの食品の材料を正確に認識することで有望な結果を示しており、新しい製品ラインへの容易な拡張を促進します。最終的に、この革新的なアプローチは、業務効率を高め、廃棄物を最小限に抑え、コストを削減し、自動化された食品検査と品質保証のための新たな基準を打ち立てます。

食品産業におけるスマート製造の推進

Specialvideoの今後の展望は有望です。同社は、サラダやパスタなどの他の食品にもVision AIソリューションを拡大する予定です。ディープラーニングモデルを継続的に微調整し、データセットを拡大することで、Specialvideoはリアルタイムの品質管理をさらに改善し、廃棄物を削減し、生産効率を高めることを目指しています。これらの強化は、業界の新たな基準を設定するのに役立ちます。

ビジョンAIで業務を強化したいですか？GitHub リポジトリにアクセスして、Ultralyticsの AI ソリューションがヘルスケア AI や製造業におけるコンピュータービジョンなどの分野でどのようなインパクトを与えているかをご覧ください。当社のYOLO モデルやライセンスオプションに関する詳細な洞察をご覧いただき、よりスマートで効率的な自動化への第一歩を踏み出してください。