Ultralytics YOLO 모델을 통합한 Specialvideo의 AI 식품 검사 시스템은 감지 정확도를 99%까지 높이고 피자 한 개당 검사 시간을 250ms 미만으로 단축했습니다.
피자 제조업체는 시각적으로 매력적이고 품질이 높은 제품을 빠르게 생산해야 하는 경우가 많지만, 피자마다 토핑을 수동으로 검사하는 데는 시간이 많이 걸릴 수 있습니다. Specialvideo는 Vision AI 기반 접근 방식으로 재료를 실시간 감지하고 계수해 제조업체가 레시피 기준을 지키고 낭비를 줄이며 원활한 운영을 유지하도록 지원합니다.
다양한 비전 솔루션을 테스트하던 Specialvideo는 시맨틱 세그멘테이션과 같은 일부 기법이 서로 겹치거나 가려진 토핑을 처리하는 데 어려움을 겪는다는 사실을 발견했습니다. Ultralytics YOLO 모델을 사용해 이러한 문제를 해결하고, 토핑을 즉시 식별하고 계수하며 확인하는 신뢰도와 정확도가 높은 AI 기반 품질 관리 시스템을 개발할 수 있었습니다. 이 시스템은 생산 속도를 저하시키지 않으면서 일관된 품질을 보장합니다.
컴퓨터 비전으로 AI 식품 검사 개선하기#
1993년 이탈리아 이몰라에서 설립된 Specialvideo는 로봇 가이던스, 자동 검사, 결함 감지를 위한 첨단 컴퓨터 비전 시스템을 설계해 온 30년 이상의 경험을 보유하고 있습니다. 식품 산업의 컴퓨터 비전 분야에도 전문성을 갖추고 있습니다.
특히 피자 생산을 간소화하기 위해 Vision AI 식품 검사 시스템을 개발했으며, 이 시스템은 인스턴스 세그멘테이션을 사용합니다. 각 토핑을 별개의 객체로 처리해 재료를 실시간으로 정확하게 감지하고 세그멘테이션하며 계수할 수 있습니다. 이 시스템은 가림(한 재료가 다른 재료에 부분적으로 가려지는 경우)과 중복 감지(실제로는 하나인 재료를 시스템이 두 개로 식별하는 경우)와 같은 문제를 해결합니다. 배치 오류(즉, 토핑의 불균형)를 식별해 제조업체가 그에 맞게 생산 매개변수를 조정할 수 있습니다.
이 모델은 새로운 재료를 쉽게 추가할 수 있도록 설계되었으며, 전체 시스템을 전면 개편하지 않고도 재학습할 수 있습니다.
또한 시스템은 모양을 확인하고 색상 기준 준수 여부를 검증하며 잠재적 오염 물질을 감지해 모든 제품이 높은 안전 및 품질 기준을 충족하도록 합니다.
실시간 식품 QC(품질 관리)의 과제#
피자 제조업체는 600밀리초마다 새 피자 한 개를 생산할 정도로 매우 빠른 속도로 운영되는 경우가 많습니다. 이러한 속도에서는 사람이 검사 속도를 따라가기 매우 어려워 토핑을 모니터링하고 결함을 정확하게 감지하기가 쉽지 않습니다.
살라미와 버섯처럼 서로 겹치는 재료가 서로를 가릴 수도 있어 토핑이 빠지거나 너무 많이 올라간 피자, 잘못된 분포, 불균일한 양이 발생하기도 합니다. 이는 제품의 균일성을 해칠 뿐만 아니라 고객이 기대에 미치지 못하는 피자를 받으면 브랜드 평판에도 악영향을 줍니다.
이러한 문제는 폐기율 증가와 자원 낭비를 통해 운영 비용도 높입니다. 또한 사람 검사자는 장시간 교대 근무로 피로해질 수 있으며, 이에 따라 집중력이 떨어지고 오류 위험이 커집니다.
이러한 문제를 인식한 많은 제조업체가 이제 컴퓨터 비전 기반 품질 관리와 자동 식품 검사 시스템을 도입하고 있습니다. 이 혁신적인 시스템은 실시간 모니터링을 제공하고 사람의 실수를 줄이는 동시에 고품질 제품 생산을 지원합니다.
머신 비전으로 실시간 식품 결함 감지#
Specialvideo의 Vision AI 솔루션은 Ultralytics YOLO 모델의 인스턴스 세그멘테이션 기능을 사용해 모든 피자를 실시간 검사함으로써 품질이 우수한 제품만 소비자에게 전달되도록 합니다. 각 피자를 레시피와 비교해 토핑의 수량과 양을 정확하게 확인하고, 재료 누락이나 초과, 불균일한 분포, 일관되지 않은 양을 신속하게 감지합니다.
토핑이 잘못 배치되었거나 재료 양이 맞지 않거나 파란색 플라스틱 같은 오염물이 있는 등 결함이 있는 피자가 감지되면 시스템이 자동으로 해당 피자를 폐기 라인으로 보냅니다.
배포 후에도 정확도를 유지하기 위해 Specialvideo는 데이터셋을 지속해서 확장하고 라벨링 정확도를 개선하며 YOLO를 정기적으로 재학습합니다. 학습 중 데이터 증강을 사용해 과적합을 방지하고 제한된 샘플로도 모델이 일반화되도록 지원합니다. 또한 학습 이미지의 10%는 마르게리타 피자로 구성해 유용한 배경 맥락을 제공하며, 이를 통해 네트워크가 살라미의 종류가 다른 경우처럼 같은 재료 유형 내의 변형도 처리할 수 있습니다.
이와 더불어 Specialvideo는 재학습 과정을 더욱 효율적으로 만들기 위해 새로운 피자 재료를 위한 워크플로를 구현했습니다. 이 워크플로는 YOLO를 활용해 새 이미지의 라벨링을 빠르게 처리하므로 재료 종류가 늘어나도 사람의 감독을 줄일 수 있습니다.
그림 1. YOLO를 사용해 AI 식품 검사를 위해 피자의 토핑을 감지하고 세그멘테이션합니다.
Ultralytics YOLO 모델을 선택한 이유#
Specialvideo는 AI 모델 성능과 비용 간의 균형이 뛰어나 Ultralytics YOLO 모델을 선택했습니다. NVIDIA GTX 1660 GPU(그래픽 처리 장치)를 사용하는 이 시스템은 추론에 불과 200~250ms가 걸려 600ms마다 피자 한 판을 생산하는 생산 라인을 처리할 만큼 빠릅니다.
YOLO의 효율적인 처리 속도는 실시간 품질 관리를 지원합니다. 이 접근 방식은 생산을 간소화할 뿐 아니라 확장성도 높여 대량 식품 제조 환경에 적합한 견고한 솔루션을 제공합니다.
YOLO 기반 식품 검사 솔루션, 99% 정확도 달성#
Ultralytics YOLO 모델을 통합한 Specialvideo의 AI 식품 검사 솔루션은 피자 생산의 품질 관리를 혁신했습니다. 1,500장 이상의 이미지로 구성된 견고한 데이터셋을 사용해 학습한 모델은 10가지가 넘는 다양한 재료를 정확하게 인식합니다. 올리브, 살라미 슬라이스, 멸치, 모차렐라 볼처럼 계수할 수 있는 항목과 깍둑썰기한 햄, 버섯, 치즈 슬라이스, 피망처럼 계수하기 어려운 항목으로 분류합니다.
YOLO 기반 시스템은 최대 99%의 정확도로 실시간 작동하며 사람 검사자보다 뛰어난 성능을 보이고 수동 검사 방식보다 검사 시간을 크게 줄입니다.
흥미롭게도 이 솔루션은 샐러드와 파스타처럼 초기 학습에 포함되지 않은 식품에서도 재료를 정확하게 인식해 새로운 제품군으로 쉽게 확장할 수 있음을 보여주었습니다. 궁극적으로 이 혁신적인 접근 방식은 운영 효율성을 높이고 낭비와 비용을 줄여 자동 식품 검사와 품질 보증의 새로운 기준을 제시합니다.
식품 산업의 스마트 제조 촉진#
Specialvideo의 향후 계획은 기대를 모으고 있습니다. 회사는 샐러드와 파스타 등 다른 식품까지 Vision AI 솔루션을 확장할 계획입니다. 딥러닝 모델을 지속해서 미세 조정하고 데이터셋을 확대해 실시간 품질 관리를 더욱 개선하고 낭비를 줄이며 생산 효율성을 높이고자 합니다. 이러한 개선은 새로운 업계 기준을 세우는 데 기여할 것입니다.
Vision AI로 운영을 개선하고 싶으신가요? GitHub 저장소에서 Ultralytics의 AI 솔루션이 자동화된 시각 검사와 제조 분야의 컴퓨터 비전 등에서 어떤 성과를 내고 있는지 확인해 보세요. YOLO 모델과 라이선스 옵션에 관한 자세한 정보를 살펴보고, 더욱 스마트하고 효율적인 자동화를 향한 첫걸음을 내디뎌 보세요.
