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などの特定の手法が、重なり合ったトッピングや隠れたトッピングの検出に苦戦することを発見しました。Ultralytics YOLO modelsを使用することで、これらの課題を克服し、トッピングの識別、カウント、検証をリアルタイムで行う、信頼性が高く高精度なAI駆動型品質管理システムの開発に成功しました。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、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、ピザ製造を効率化するためにinstance segmentationを活用したVision AI food inspection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正確な検出、セグメンテーション、および材料のカウントを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されている状態）や二重検出（実際には1つである材料をシステムが2つとして識別してしまう状態）などの問題に対処します。配置エラー（偏ったトッピングなど）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。

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。

こうした落とし穴を認識し、多くのメーカーがcomputer visionを活用した品質管理および自動食品検査システムを積極的に導入しています。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、人為的ミスの削減を支援すると同時に、高品質な出力をサポートします。

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は継続的にデータセットを拡張し、ラベリングの精度を磨き、定期的にYOLOの再学習を行っています。学習時にはdata augmentationを使用することで、過学習（オーバーフィッティング）を防ぎ、限られた数のサンプルからモデルが汎化できるようにしています。また、学習画像の10%にマルゲリータピザを採用して背景の有用なコンテキストを提供することで、異なる種類のサラミなど、同じ材料カテゴリ内でのバリエーションにもネットワークが対応できるよう支援しています。

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。

Fig 1. AI食品検査において、ピザの上のトッピングを検出しセグメンテーションするためにYOLOが使用されています。

なぜUltralytics YOLOモデルが選ばれるのか#

AI model performanceとコストの優れたバランスを提供するため、SpecialvideoはUltralytics YOLO modelsの採用を選択しました。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の推論時間を達成し、600msごとに1枚のピザを生産する生産ラインに対応可能な高速性を実現しています。

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。

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 modelsを統合することにより、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。1,500枚を超える画像からなる堅牢なデータセットでTrainedされたこのモデルは、10種類以上の材料を正確に認識し、オリーブ、サラミの薄切り、アンチョビ、モッツァレラボールなどのカウント可能なアイテムと、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、the solutionは、初期学習に含まれていなかったサラダやパスタなどの食品に含まれる材料も正確に認識でき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容易な展開を促進しています。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、自動食品検査と品質保証の新しいベンチマークを確立します。

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。

Vision AIで業務を強化したいですか？GitHub repositoryにアクセスして、UltralyticsのAIソリューションがAI in healthcareやcomputer vision in manufacturingなどの分野でどのように影響を与えているかをご覧ください。YOLOモデルおよびlicensing optionsに関する詳細な洞察を見つけ、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。