Ultralytics YOLOモデルを統合することで、SpecialvideoのAI食品検査システムは検出精度を99%まで向上させ、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、高速で見た目が魅力的な高品質製品を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時間がかかる場合があります。Specialvideoは、ビジョンAIを活用したアプローチにより、原材料をリアルタイムで検出・計数し、メーカーがレシピ基準を維持し、廃棄を削減し、円滑なオペレーション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、重なり合ったトッピングや隠れたトッピングへの対応が難しいことを発見しました。Ultralytics YOLOモデルを使用することで、これらの課題に対処し、トッピングをリアルタイムで識別、計数、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できました。これにより、生産速度を犠牲にすることなく、安定した品質を確保できます。
コンピュータービジョンによるAI食品検査の改善#
Specialvideoは1993年にイタリアのイーモラで設立され、ロボットガイダンス、自動検査、欠陥検出向けの高度なコンピュータービジョンシステムの設計において、30年以上の経験を有しています。同社の専門知識は、食品業界におけるコンピュータービジョンにも及んでいます。
特に、ピザ生産を効率化するため、Vision AI食品検査システムを開発し、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オブジェクトとして扱うことで、システムは原材料をリアルタイムで正確に検出、セグメント化、計数できます。これにより、遮蔽（ある原材料が別の原材料に部分的に覆われている状態）や二重検出（1つしかない原材料をシステムが2つのインスタンスとして識別する状態）といった問題に対処できます。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原材料にも容易に対応でき、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、色の適合性の検証、潜在的な異物の検出にも対応しており、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#
ピザメーカーは非常に高速で稼働することが多く、600ミリ秒ごとに新しいピザを1枚生産しています。この速度では、人間の検査員が追いつく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のが困難になります。
さらに、サラミやマッシュルームなどの重なり合った原材料が互いを隠すことがあり、その結果、トッピングの欠落や過剰、誤った配置、不均一な量のピザが生じる場合があります。これは製品の均一性を損なうだけでなく、顧客が期待に沿わないピザを受け取った際にブランドの評判にも悪影響を及ぼします。
同時に、こうした問題はスクラップ率の上昇やリソースの浪費を通じて、運用コストを押し上げます。これらの問題に加え、人間の検査員は長時間のシフトで疲労し、注意力が低下してエラーのリスクが高まる可能性があります。
こうした問題を認識し、多くのメーカーが現在、コンピュータービジョンを活用した品質管理と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実現し、高品質な生産を支援しながら人的ミスの削減に役立ちます。
マシンビジョンによるリアルタイム食品欠陥検出#
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対応機能を使用して、すべてのピザをリアルタイムで検査し、品質基準を満たす製品だけが消費者に届くようにしています。各ピザをレシピと比較することでトッピングを正確に計数・計測し、原材料の欠落や過剰、不均一な配置、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、原材料の量の誤り、青いプラスチックなどの異物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ラインへ振り分けます。
導入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ることで有用な背景コンテキストを提供し、異なる種類のサラミなど、同じ原材料タイプ内の差異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、再トレーニングプロセスをいっそう効率化するため、Specialvideoは新しいピザ原材料向けの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リングを高速化し、原材料の種類が増えても人による監督の必要性を減らします。
図1. YOLOはAI食品検査のためにピザ上のトッピングを検出・セグメント化します。
なぜUltralytics YOLOモデルを選ぶのか#
SpecialvideoがUltralytics YOLOモデルを選択したのは、AIモデルのパフォーマンスとコストのバランスに優れているためです。Nvidia GTX-1660gt GPU（グラフィックス・プロセッシング・ユニット（GPU））を搭載したシステムでは、推論時間がわずか200～250ミリ秒で、600ミリ秒ごとにピザを1枚生産する生産ラインに対応できる十分な速度を実現しています。
YOLOの効率的な処理速度は、リアルタイム品質管理を可能にします。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、スケーラビリティも支援し、大量食品製造環境に適した堅牢なソリューションを実現します。
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生産における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種類を超える原材料を正確に認識し、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計数可能な品目と、角切りハム、マッシュルーム、チーズスライス、ピーマンなどの計数不可能な品目に分類します。
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とともに、手作業による方法と比較し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の原材料も正確に認識し、有望な結果を示しています。これにより、新しい製品ラインへの展開が容易になります。最終的に、この革新的なアプローチは運用効率を高め、廃棄を最小限に抑え、コストを削減することで、自動食品検査と品質保証における新たな基準を確立します。
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の今後の展開には期待が寄せられます。同社はVision AIソリューションを拡張し、サラダやパスタなど他の食品にも対応する計画です。ディープラーニングモデルの継続的な微調整とデータセットの拡充により、Specialvideoはリアルタイム品質管理をさらに改善し、廃棄を削減し、生産効率を高めることを目指しています。これらの強化により、新たな業界標準の確立に貢献します。
Vision AIでオペレーションを強化しませんか？GitHubリポジトリで、UltralyticsのAIソリューションが医療における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成果を上げているかをご確認ください。YOLOモデルと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た第一歩を踏み出してください。
