SpecialvideoがUltralytics YOLOで99%の食品検査精度を達成

ピザメーカーは、見た目が美しく高品質な製品を高速で生産する必要がありますが、各ピザのトッピングを手作業で検査するには多くの時間がかかります。Specialvideoは、ビジョンAI主導のアプローチを活用して材料をリアルタイムで検出しカウントすることで、メーカーがレシピ基準を維持し、廃棄物を削減し、スムーズな業務運営を継続することを可能にしています。

さまざま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では、重なり合ったり隠れたりしているトッピングの処理に苦戦することを発見しました。Ultralytics YOLOモデルを使用することで、彼らはこれらのハードルを克服し、トッピングを即座に識別、カウント、検証する、信頼性の高い高精度なAI駆動型品質管理システムを開発できました。これにより、生産速度を犠牲にすることなく一貫した品質が保証されます。

Link to this section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、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設計において30年以上の経験を有しています。彼らの専門知識は、食品業界におけるコンピュータビジョンにも広がっています。

特に、同社はVision AI food inspectionシステムを開発し、instance segmentationを活用してピザの製造プロセスを効率化しました。各トッピングを個別のオブジェクトとして扱うことで、システムはリアルタイムで材料の検出、セグメンテーション、カウントを正確に行うことができます。これにより、オクルージョン（ある材料が別の材料によって部分的に隠れている状態）や重複検出（実際には1つしかない材料をシステムが2つと識別してしまう問題）といった課題に対処しています。配置ミス（トッピングの偏りなど）を特定することで、製造業者は生産パラメーターを適切に調整することが可能になります。

このモデルは新しい材料にも容易に対応できるように設計されており、全面的な見直しをすることなく再トレーニングが可能です。

また、システムは形状の確認、色の適合性検証、潜在的な汚染物質の検出を行うことができ、各製品が高い安全・品質基準を満たしていることを保証します。

Link to this sectionリアルタイム食品品質管理（QC）における課題#

ピザメーカーは、600ミリ秒ごとに新しいピザを次々と生産するという、非常に高速な環境で運営されることがよくあります。そのペースでは人間が検査を行うことは非常に難しく、トッピングを監視して欠陥を正確に検出することが課題となっています。

その上、サラミやマッシュルームのような重なり合う材料は互いを隠してしまうことがあり、これが原因でトッピングが欠けていたり多すぎたり、配置が不適切であったり、量が一定でなかったりするピザが発生することがあります。これは製品の均一性を損なうだけでなく、顧客が期待を下回るピザを受け取った場合にブランドの評判を傷つけることにもつながります。

同時に、これらの問題は廃棄率の増加やリソースの無駄遣いを通じて運営コストを押し上げます。さらに、検査員が長時間のシフトで疲労することで注意力が低下し、エラーのリスクが増加するという問題もあります。

こうした欠点を認識し、多くのメーカーが現在ではコンピュータビジョンを活用した品質管理および自動食品検査システムを導入しています。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、ヒューマンエラーを削減しながら高品質な生産をサポートします。

Link to this sectionマシンビジョンによるリアルタイム食品欠陥検出#

Specialvideoのビジョン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利用して、すべてのピザをリアルタイムで検査し、高品質な製品のみが消費者に届くようにしています。各ピザをレシピと比較することで、トッピングを正確にカウント・測定し、材料の欠損や過剰、不均一な配置、不整合な量を素早く検出します。

トッピングのズレや材料の量の間違い、あるいは青いプラスチックのような汚染物質など、不良品のピザが検出されると、システムは自動的にそれを廃棄ラインへ振り分けます。

導入後の精度を維持するため、Specialvideoはデータセットの継続的な拡張、ラベル付け精度の向上、そして定期的なYOLOの再トレーニングを行っています。トレーニング中にはデータ拡張を使用して過学習を防ぎ、限られたサンプルからモデルが汎用性を獲得できるよう支援しています。また、トレーニング画像の10%にマルゲリータピザを含めることで有益な背景コンテキストを提供しており、これによりネットワークは、サラミの種類が異なる場合など、同じ材料内でのバリエーションにも対応できるようになっています。

さらに、再トレーニングのプロセスをより効率的にするため、Specialvideoは新しいピザの材料に対するワークフローを実装しました。このワークフローではYOLOを活用して新しい画像のラベル付けを高速化し、材料のバリエーションが増える中でも人間による監督の必要性を減らしています。

図1。YOLOを使用して、AI食品検査のためにピザのトッピングを検出・セグメント化している様子。

Link to this sectionなぜUltralytics YOLOモデルが選ばれるのか#

SpecialvideoがUltralytics YOLOモデルを選択した理由は、AIモデルのパフォーマンスとコストの優れたバランスを提供するためです。NVIDIA GTX-1660 GPU（Graphics Processing Unit）を使用することで、システムは200〜250msという推論時間を達成しており、600msごとにピザを生産する製造ラインを処理するのに十分な速さを備えています。

YOLOの効率的な処理速度は、リアルタイムの品質管理を促進します。全体として、このアプローチは生産を効率化するだけでなく拡張性もサポートしており、大量生産を行う食品製造環境にとって堅牢なソリューションとなっています。

Link to this sectionYOLOを活用した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一変させました。1,500枚以上の画像からなる堅牢なデータセットでトレーニングされたモデルは、10種類以上の材料を正確に認識します。オリーブ、サラミのスライス、アンチョビ、モッツァレラボールのような「カウント可能なアイテム」と、ハムの角切り、マッシュルーム、チーズのスライス、ピーマンのような「カウント不可能なアイテム」に分類します。

YOLO駆動のシステムは最大99%の精度でリアルタイムに動作し、人間の検査員を凌駕し、手作業の方法と比較して検査時間を大幅に短縮しています。

興味深いことに、このソリューションは、サラダやパスタなど、初期のトレーニングに含まれていなかった食品中の材料を正確に認識するという有望な結果を示しており、新しい製品ラインへの展開を容易にしています。最終的に、この革新的なアプローチは運営効率を高め、廃棄物を最小限に抑え、コストを削減し、自動食品検査と品質保証の新たなベンチマークを確立しました。

Link to this section食品業界におけるスマートマニュファクチャリングの推進#

Specialvideoの今後の展望は明るいものです。同社は、ビジョンAIソリューションをサラダやパスタといった他の食品製品に拡大する計画を立てています。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張することで、Specialvideoはリアルタイムの品質管理をさらに改善し、廃棄物を減らし、生産効率を向上させることを目指しています。これらの強化は、新たな業界標準を確立するのに役立つでしょう。

ビジョンAIで業務を強化しませんか？当社の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におけるAIや製造業におけるコンピュータビジョンといった分野でどのような影響を与えているかをご覧ください。YOLOモデルに関する詳細なインサイトやライセンスオプションを見つけ、よりスマートで効率的な自動化への第一歩を踏み出しましょう。