Ultralytics YOLOモデルの統合により、SpecialvideoのAI食品検査システムは検出精度を99%に高め、ピザ1枚あたりの検査時間を250ミリ秒未満に短縮しました。
ピザメーカーは、見た目が良く高品質な製品を高速で生産する必要がありますが、ピザごとのトッピングを手作業で検査すると時間がかかります。SpecialvideoはVision AIを活用したアプローチで材料をリアルタイムに検出、カウントし、メーカーがレシピ基準を守り、廃棄を減らし、円滑な業務を維持できるようにしています。
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などの一部の手法では、重なったトッピングや隠れたトッピングの処理が難しいことに気付きました。Ultralytics YOLOモデルを利用することで、こうした課題を解決し、トッピングを即座に識別、計数、検証する、信頼性と精度の高いAI搭載品質管理システムを開発できました。このシステムは、生産速度を損なうことなく一貫した品質を確保します。
コンピュータビジョンで食品検査を改善#
1993年にイタリアのイモラで設立されたSpecialvideoは、ロボット誘導、自動検査、欠陥検出向けの高度なコンピュータビジョンシステムを設計してきた30年以上の経験を有しています。同社の専門分野は食品業界におけるコンピュータビジョンにも及びます。
特に、同社はピザの生産を効率化するため、Vision AIを活用した食品検査システムを開発しました。このシステムはインスタンスセグメンテーションを使用しています。各トッピングを個別の物体として扱うことで、材料をリアルタイムに正確に検出、セグメント化、カウントできます。また、オクルージョン（ある材料が別の材料に部分的に隠れる状態）や二重検出（材料が1つしかないのに、システムが2つのインスタンスとして識別する状態）などの問題にも対応します。配置エラー（つまり、トッピングの偏り）を特定することで、メーカーはそれに応じて生産パラメーターを調整できます。
このモデルは新しい材料にも簡単に対応でき、全面的な見直しを行わずに再トレーニングできます。
さらに、このシステムは形状の確認、色の基準への適合確認、潜在的な異物の検出も行い、各製品が高い安全性と品質の基準を満たすようにします。
食品のリアルタイムQC（品質管理）における課題#
ピザメーカーは非常に高速で稼働し、600ミリ秒ごとに新しいピザを1枚生産することもあります。この速度では、人間の検査員が作業に追いつくのは非常に困難で、トッピングの監視や欠陥の正確な検出が難しくなります。
さらに、サラミやマッシュルームのように重なり合う材料が互いを隠すことがあり、トッピングの欠落や過剰、配置の誤り、分量のばらつきにつながることがあります。これは製品の均一性を損なうだけでなく、顧客の期待に沿わないピザが届いた場合にブランドの評判にも悪影響を及ぼします。
同時に、こうした問題は廃棄率の上昇や資源の無駄を通じて運用コストを押し上げます。加えて、人間の検査員は長時間のシフトで疲労し、注意力が低下してミスのリスクが高まることがあります。
こうした問題を認識し、多くのメーカーがコンピュータビジョンを活用した品質管理と食品検査の自動化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実現し、人為的ミスの削減と高品質な生産を支援します。
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機能を活用し、すべてのピザをリアルタイムで検査することで、高品質な製品だけが消費者に届くようにしています。各ピザをレシピと照合してトッピングを正確にカウント、測定し、材料の欠落や過剰、不均一な配置、分量のばらつきを迅速に検出します。
トッピングの位置ずれ、具材の量の誤り、青いプラスチックなどの異物混入が原因で不良ピザが検出されると、システムは自動的にスクラップ用ラインへ振り分けます。
デプロイ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、ラベル付けの精度を高め、YOLOを定期的に再トレーニングしています。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、限られたサンプル数からモデルが汎化できるようにしています。また、トレーニング画像の10%にマルゲリータピザを含めて背景情報を補い、同じ材料の種類の中の違い（サラミの種類の違いなど）にもネットワークが対応できるようにしています。
さらに、再トレーニングのプロセスを一層効率化するため、Specialvideoは新しいピザ材料に対応するワークフローを導入しました。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迅速化し、材料の種類が変化しても人による監督の必要性を減らしています。
図1. AI食品検査で、ピザのトッピングの検出とセグメンテーションにYOLOを使用。
Ultralytics YOLOモデルを選ぶ理由#
Specialvideoは、AIモデルの性能とコストのバランスに優れているため、Ultralytics YOLOモデルを採用しました。NVIDIA GTX 1660 GPU（グラフィックス処理装置）を使うこのシステムは、推論時間がわずか200～250 msで、600 msごとにピザを1枚製造する生産ラインを処理できる速度を実現しています。
YOLOの効率的な処理速度により、リアルタイムの品質管理が可能になります。このアプローチは生産を効率化するだけでなく、スケーラビリティも支え、大量生産を行う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ます。
YOLO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モデルの統合により、SpecialvideoのAI食品検査ソリューションはピザ製造の品質管理を変革しました。1,500枚を超える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このモデルは、10種類以上の材料を正確に認識します。オリーブ、サラミスライス、アンチョビ、モッツァレラボールなどのカウント可能な品目と、角切りハム、マッシュルーム、チーズスライス、ピーマンなどのカウントできない品目に分類します。
YOLOを活用したシステムは最大99%の精度でリアルタイムに動作し、人間の検査員を上回る性能を発揮するとともに、手作業と比べて検査時間を大幅に短縮します。
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、初期トレーニングに含まれていない食品でも材料を正確に認識する有望な結果を示しており、新製品ラインへの展開を容易にしています。この革新的なアプローチは、最終的に運用効率を高め、廃棄とコストを削減し、自動食品検査と品質保証の新たな基準を築きます。
食品業界のスマート製造を推進#
Specialvideoの今後の展開には大きな期待が寄せられています。同社はVision AIソリューションの対象をサラダやパスタなどの食品にも広げる計画です。ディープラーニングモデルの継続的な調整とデータセットの拡充により、リアルタイムの品質管理をさらに改善し、廃棄を減らし、生産効率を高めることを目指しています。こうした取り組みは、新たな業界標準の確立に役立ちます。
ビジョンAIで業務を強化しませんか？GitHubリポジトリで、UltralyticsのAIソリューションが自動外観検査や製造業におけるコンピュータービジョンなどの分野にどのような効果をもたらしているかをご覧ください。YOLOモデルの詳細やライセンスオプションを確認し、よりスマートで効率的な自動化に向けた第一歩を踏み出しましょう。
