Ultralytics YOLOはSpecialvideoの食品検査ツールを強化します

ピザ製造業者は、視覚的に魅力的で高品質な製品を高速で製造する必要があることが多いですが、各ピザのトッピングを手動で検査すると時間がかかる可能性があります。Specialvideoは、ビジョンAIを活用したアプローチで、リアルタイムに材料を検出およびカウントし、製造業者がレシピの基準を維持し、廃棄物を削減し、スムーズなオペレーションを維持できるようにします。

Specialvideoは、さまざまなビジョンソリューションをテストする中で、セマンティックセグメンテーションなどの特定の技術が、トッピングの重複や隠れたトッピングに苦労することを発見しました。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み、トッピングをその場で識別、カウント、検証する、信頼性の高い高精度なAI搭載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。

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、彼らはインスタンスセグメンテーションを使用してピザの生産を合理化するVision AI食品検査システムを開発しました。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を正確に検出し、セグメント化し、カウントできます。これにより、（ある材料が別の材料によって部分的に覆われている）オクルージョンや、（システムが1つの材料のインスタンスが1つしかない場合に2つのインスタンスを識別する）二重検出などの問題に対処できます。（つまり、トッピングのバランスが悪い）配置エラーを特定することで、メーカーはそれに応じて生産パラメータを調整できます。

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、システムは形状をチェックし、色の適合性を検証し、潜在的な汚染物質を検出して、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ます。

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、非常に高速で稼働していることが多く、600ミリ秒ごとに新しいピザを製造しています。そのペースでは、人間の検査官が追いつくのは非常に難しく、トッピングを監視し、欠陥を正確に検出することが困難になります。

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社の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してトッピングを正確にカウントおよび測定し、不足または過剰な材料、不均一な分布、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。 

デプロイ後の精度を維持するために、Specialvideo はデータセットを継続的に拡張し、ラベリングの精度を向上させ、YOLO を定期的に再トレーニングしています。オーバーフィッティングを防ぎ、モデルが限られた数のサンプルから一般化できるように、トレーニング中にデータ拡張を使用しています。また、トレーニング画像の 10% はマルゲリータピザを特徴としており、役立つ背景コンテキストを提供し、ネットワークが同じ種類のサラミなど、同じ材料タイプ内でもバリエーションを処理できるようにします。

これに加えて、再トレーニングプロセスをさらに効率化するために、Specialvideoは新しいピザの材料のワークフローを実装しました。このワークフローはYOLOを活用して、新しい画像のラベリングを高速化し、材料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ます。

‍

Ultralytics YOLOモデルを選ぶ理由

Specialvideo社がUltralytics YOLOモデルを採用したのは、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-1660gt GPU（Graphics Processing Unit）を使用することで、システムはわずか200〜250msの推論時間を実現し、600msごとにピザを製造する生産ラインに対応できる十分な速度を達成しています。 

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合理化するだけでなく、拡張性もサポートするため、大量の食品製造環境にとって堅牢なソリューションとなります。 

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ました。トレーニングされた1,500枚以上の画像からなる堅牢なデータセットに基づいて、このモデルは10種類以上の異なる材料を正確に認識し、オリーブ、サラミのスライス、アンチョビ、モッツァレラチーズボールなどの数えられるアイテムと、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アイテムに分類します。 

YOLOを活用したシステムは、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、手作業による検査に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、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。

Vision AI を活用して業務を効率化しませんか？ Ultralytics の AI ソリューションが、GitHub リポジトリで、ヘルスケア分野の AIや製造業におけるコンピュータビジョンなどの分野にどのような影響を与えているかをご覧ください。YOLO モデルやライセンスオプションに関する詳細な情報を確認し、よりスマートで効率的な自動化に向けて第一歩を踏み出しましょう。