Specialvideo, Ultralytics YOLO로 식품 검사 정확도 99% 달성

피자 제조업체는 흔히 고속으로 시각적으로 매력적인 고품질 제품을 생산해야 하지만, 각 피자의 토핑을 수동으로 검사하는 작업은 많은 시간이 소요될 수 있습니다. Specialvideo는 비전 AI 기반 접근 방식을 활용하여 실시간으로 재료를 감지하고 계산함으로써, 생산자가 레시피 기준을 준수하고 낭비를 줄이며 원활한 운영을 유지할 수 있도록 지원합니다.

다양한 비전 솔루션을 테스트하던 중, Specialvideo는 의미론적 분할(semantic segmentation)과 같은 특정 기술이 겹치거나 가려진 토핑을 처리하는 데 어려움을 겪는다는 사실을 발견했습니다. Ultralytics YOLO 모델을 사용함으로써 이러한 장애물을 해결하고, 토핑을 즉석에서 식별, 계산 및 검증하는 신뢰할 수 있는 고정밀 AI 기반 품질 관리 시스템을 개발할 수 있었습니다. 이는 생산 속도를 저하시키지 않으면서도 일관된 품질을 보장합니다.

Link to this section컴퓨터 비전을 통한 AI 식품 검사 개선#

1993년 이탈리아 이몰라에서 설립된 Specialvideo는 로봇 가이드, 자동 검사 및 결함 감지를 위한 고급 컴퓨터 비전 시스템 설계 분야에서 30년 이상의 경험을 보유하고 있습니다. 이들의 전문 지식은 식품 산업의 컴퓨터 비전 영역까지 확장됩니다.

특히, 이들은 Vision AI 식품 검사 시스템을 개발하여 인스턴스 세그멘테이션을 활용해 피자 생산 공정을 효율화했습니다. 각 토핑을 개별 객체로 처리함으로써 시스템은 실시간으로 재료를 정확하게 감지하고, 세그멘테이션하며, 개수를 셀 수 있습니다. 이는 가림 현상(한 재료가 다른 재료에 부분적으로 가려지는 경우)과 중복 감지(실제로는 하나인데 시스템이 두 개의 인스턴스로 식별하는 경우)와 같은 문제를 해결합니다. 배치 오류(예: 불균형한 토핑)를 식별함으로써 제조사는 그에 따라 생산 매개변수를 조정할 수 있습니다.

이 모델은 새로운 재료를 쉽게 수용하도록 설계되었으며 전체 시스템을 수정하지 않고도 재학습이 가능합니다.

또한 이 시스템은 모양을 확인하고, 색상 준수 여부를 검증하며, 잠재적 오염 물질을 감지하여 각 제품이 높은 안전 및 품질 기준을 충족하도록 합니다.

Link to this section실시간 식품 QC(품질 관리)의 과제#

피자 제조업체는 종종 600밀리초마다 새 피자를 만들어내는 매우 빠른 속도로 운영됩니다. 그러한 속도에서는 사람이 검사하여 토핑을 모니터링하고 결함을 정확하게 감지하기가 매우 어렵습니다.

게다가 살라미나 버섯처럼 재료가 겹치면 서로를 가릴 수 있으며, 이로 인해 피자에 토핑이 빠지거나 과도하게 들어가는 문제, 부정확한 분배, 불일치한 수량 등의 현상이 발생하기도 합니다. 이는 제품의 균일성을 해칠 뿐만 아니라 고객이 기대에 미치지 못하는 피자를 받을 경우 브랜드 평판에도 악영향을 미칩니다.

동시에 이러한 문제는 스크랩 비율 상승과 자원 낭비로 인해 운영 비용을 증가시킵니다. 여기에 더해, 작업 시간이 길어지면 검사 요원이 피로를 느껴 주의력이 떨어지고 오류 발생 위험이 증가합니다.

이러한 함정을 인식한 많은 제조업체는 이제 컴퓨터 비전 기반의 품질 관리 및 자동화된 식품 검사 시스템을 도입하고 있습니다. 이러한 혁신적인 시스템은 실시간 감독을 제공하고 인간의 실수를 줄이는 동시에 고품질 결과물을 지원합니다.

Link to this section머신 비전을 이용한 실시간 식품 결함 감지#

Specialvideo의 비전 AI 솔루션은 Ultralytics YOLO 모델의 인스턴스 분할 지원을 사용하여 모든 피자를 실시간으로 검사함으로써 품질이 보장된 제품만이 소비자에게 전달되도록 합니다. 이 시스템은 각 피자를 레시피와 비교하여 재료를 정확하게 계산하고 측정하며, 누락되거나 추가된 재료, 불균일한 분배 및 불일치한 수량을 신속하게 감지합니다.

토핑이 잘못 정렬되거나, 재료 양이 부정확하거나, 파란색 플라스틱과 같은 오염 물질이 감지되는 등 불량 피자가 발견되면 시스템이 자동으로 이를 폐기 라인으로 보냅니다.

배포 후 정확도를 유지하기 위해 Specialvideo는 지속적으로 데이터 세트를 확장하고 라벨링 정확도를 개선하며 정기적으로 YOLO를 재학습합니다. 학습 중에는 데이터 증강을 사용하여 과적합을 방지하고 제한된 샘플 수로도 모델이 일반화할 수 있도록 돕습니다. 또한 학습 이미지의 10%는 마르게리타 피자를 포함하여 유용한 배경 맥락을 제공하며, 이는 동일한 재료 유형 내에서도 서로 다른 종류의 살라미와 같은 변형을 네트워크가 처리하는 데 도움이 됩니다.

이 외에도 재학습 프로세스를 더욱 효율적으로 만들기 위해 Specialvideo는 새로운 피자 재료를 위한 워크플로를 구현했습니다. 이 워크플로는 YOLO를 활용하여 새로운 이미지의 라벨링 속도를 높임으로써 재료가 다양해짐에 따라 필요한 수동 감독의 필요성을 줄여줍니다.

그림 1. YOLO는 AI 식품 검사를 위해 피자 위의 토핑을 감지하고 분할하는 데 사용됩니다.

Link to this section왜 Ultralytics YOLO 모델인가?#

Specialvideo는 AI 모델 성능과 비용 사이에서 훌륭한 균형을 제공하기 때문에 Ultralytics YOLO 모델을 선택했습니다. Nvidia GTX-1660gt GPU(그래픽 처리 장치)를 사용하여 이 시스템은 200~250ms의 추론 시간을 달성하며, 600ms마다 피자가 생산되는 라인을 처리하기에 충분히 빠릅니다.

YOLO의 효율적인 처리 속도는 실시간 품질 관리를 촉진합니다. 전반적으로 이 접근 방식은 생산을 간소화할 뿐만 아니라 확장성을 지원하여 대량 식품 제조 환경을 위한 강력한 솔루션이 됩니다.

Link to this sectionYOLO 기반 식품 검사 솔루션으로 99% 정확도 달성#

Ultralytics YOLO 모델을 통합함으로써 Specialvideo의 AI 식품 검사 솔루션은 피자 생산의 품질 관리를 완전히 변화시켰습니다. 1,500개 이상의 이미지로 구성된 강력한 데이터 세트로 학습된 이 모델은 올리브, 살라미 슬라이스, 앤초비, 모짜렐라 볼과 같이 셀 수 있는 재료와 큐브 햄, 버섯, 치즈 슬라이스, 피망과 같이 셀 수 없는 재료를 포함하여 10가지 이상의 재료를 정확하게 인식합니다.

YOLO 기반 시스템은 실시간으로 최대 99%의 정확도로 작동하며, 사람이 직접 검사하는 방식보다 뛰어난 성능을 보이고 수동 방식에 비해 검사 시간을 크게 단축합니다.

흥미롭게도 이 솔루션은 샐러드나 파스타와 같이 초기 학습에 포함되지 않은 식품의 재료까지 정확하게 인식함으로써 새로운 제품 라인으로의 확장을 용이하게 하는 등 유망한 결과를 보여주었습니다. 궁극적으로 이 혁신적인 접근 방식은 운영 효율성을 높이고, 낭비를 최소화하며, 비용을 절감하여 자동화된 식품 검사 및 품질 보증의 새로운 기준을 정립합니다.

Link to this section식품 산업의 스마트 제조 촉진#

Specialvideo의 미래는 밝아 보입니다. 회사는 비전 AI 솔루션을 확장하여 샐러드나 파스타와 같은 다른 식품 제품까지 포함할 계획입니다. 딥러닝 모델을 지속적으로 미세 조정하고 데이터 세트를 늘려감으로써 Specialvideo는 실시간 품질 관리를 더욱 개선하고, 낭비를 줄이며, 생산 효율성을 높이는 것을 목표로 합니다. 이러한 개선 사항은 새로운 업계 표준을 세우는 데 기여할 것입니다.

비전 AI로 운영을 강화하고 싶으신가요? GitHub 저장소를 방문하여 Ultralytics의 AI 솔루션이 의료 분야의 AI 및 제조 분야의 컴퓨터 비전과 같은 영역에서 어떤 영향을 미치고 있는지 확인해 보십시오. YOLO 모델과 라이선스 옵션에 대한 자세한 정보를 확인하고 더 스마트하고 효율적인 자동화를 향한 첫걸음을 내디뎌 보십시오.