Ultralytics YOLO 모델을 통합한 Specialvideo의 AI 식품 검사 시스템은 검출 정확도를 99%로 높였으며, 피자 한 개당 검사 시간을 250ms 미만으로 단축했습니다.
피자 제조업체는 시각적으로 매력적이고 고품질인 제품을 빠른 속도로 생산해야 하는 경우가 많지만, 피자마다 토핑을 수동으로 검사하는 일은 시간이 오래 걸릴 수 있습니다. Specialvideo는 비전 AI 기반 접근 방식을 활용해 실시간으로 재료를 검출하고 계수함으로써 제조업체가 레시피 기준을 준수하고, 폐기물을 줄이며, 원활한 운영을 유지할 수 있도록 합니다.
다양한 비전 솔루션을 테스트하는 과정에서 Specialvideo는 시맨틱 세그멘테이션과 같은 일부 기법이 서로 겹치거나 가려진 토핑을 처리하는 데 어려움을 겪는다는 사실을 발견했습니다. Ultralytics YOLO 모델을 사용함으로써 이러한 문제를 해결하고, 토핑을 즉시 식별하고 계수하며 검증하는 신뢰성 높고 정확한 AI 기반 품질 관리 시스템을 개발할 수 있었습니다. 이를 통해 생산 속도를 저하시키지 않으면서 일관된 품질을 보장합니다.
컴퓨터 비전으로 AI 식품 검사 개선#
Specialvideo는 1993년 이탈리아 이몰라에서 설립되었으며, 로봇 가이던스, 자동 검사, 결함 검출을 위한 첨단 컴퓨터 비전 시스템을 설계해 온 30년 이상의 경험을 보유하고 있습니다. 또한 식품 산업의 컴퓨터 비전 분야로 전문성을 확장하고 있습니다.
특히 Specialvideo는 피자 생산을 간소화하기 위해 인스턴스 세그멘테이션을 사용하는 비전 AI 식품 검사 시스템을 개발했습니다. 이 시스템은 각 토핑을 개별 객체로 처리하여 실시간으로 재료를 정확하게 검출하고, 세그먼트화하며, 계수할 수 있습니다. 한 재료가 다른 재료에 일부 가려지는 오클루전과 실제로는 하나뿐인 재료를 시스템이 두 개의 인스턴스로 식별하는 이중 검출 등의 문제를 해결합니다. 배치 오류, 즉 토핑 불균형을 식별함으로써 제조업체는 그에 따라 생산 파라미터를 조정할 수 있습니다.
이 모델은 새로운 재료를 쉽게 추가할 수 있도록 설계되었으며, 전체 시스템을 개편하지 않고도 재학습할 수 있습니다.
또한 이 시스템은 형태를 검사하고, 색상 규정 준수 여부를 확인하며, 잠재적인 오염 물질을 검출하여 각 제품이 높은 안전 및 품질 기준을 충족하도록 합니다.
실시간 식품 QC(품질 관리)의 과제#
피자 제조업체는 매우 빠른 속도로 운영되는 경우가 많아 600ms마다 피자 한 개를 생산합니다. 이러한 속도에서는 사람이 검사 작업을 따라가기가 매우 어려워 토핑을 모니터링하고 결함을 정확하게 검출하기가 어렵습니다.
게다가 살라미와 버섯처럼 서로 겹치는 재료는 서로를 가릴 수 있어, 토핑이 빠지거나 과도하게 올라간 피자, 잘못된 분포 또는 일관되지 않은 수량이 발생하는 경우가 있습니다. 이는 제품의 균일성을 저해할 뿐만 아니라 고객이 기대에 미치지 못하는 피자를 받게 될 때 브랜드 평판에도 악영향을 줍니다.
동시에 이러한 문제는 폐기율 증가와 자원 낭비를 통해 운영 비용을 높입니다. 여기에 장시간 교대 근무를 하는 검사원은 피로해져 주의력이 떨어질 수 있으며, 오류 발생 위험도 커집니다.
이러한 문제를 인식한 많은 제조업체는 이제 컴퓨터 비전 기반 품질 관리 및 자동화된 식품 검사 시스템을 도입하고 있습니다. 이러한 혁신적인 시스템은 실시간 감독 기능을 제공하고 인적 오류를 줄이는 동시에 고품질 제품 생산을 지원합니다.
머신 비전을 활용한 실시간 식품 결함 검출#
Specialvideo의 비전 AI 솔루션은 Ultralytics YOLO 모델의 인스턴스 세그멘테이션 기능을 활용해 모든 피자를 실시간으로 검사하므로, 품질이 검증된 제품만 소비자에게 전달됩니다. 각 피자를 레시피와 비교하여 토핑을 정확하게 계수하고 측정하며, 누락되거나 추가된 재료, 불균일한 분포, 일관되지 않은 수량을 신속하게 검출합니다.
토핑 정렬 오류, 잘못된 재료 투입량 또는 파란색 플라스틱과 같은 오염 물질로 인해 불량 피자가 검출되면 시스템은 해당 피자를 자동으로 폐기 라인으로 전환합니다.
배포 후에도 정확도를 유지하기 위해 Specialvideo는 데이터셋을 지속적으로 확장하고, 라벨링 정확도를 개선하며, YOLO를 정기적으로 재학습합니다. 학습 중 데이터 증강을 사용하여 과적합을 방지하고 제한된 수의 샘플에서도 모델이 일반화할 수 있도록 지원합니다. 또한 학습 이미지의 10%에는 마르게리타 피자가 포함되어 유용한 배경 맥락을 제공하며, 이를 통해 네트워크가 동일한 재료 유형 내에서도 다양한 살라미 종류와 같은 변형을 처리할 수 있습니다.
이와 더불어 재학습 프로세스를 더욱 효율적으로 만들기 위해 Specialvideo는 새로운 피자 재료를 위한 워크플로를 구현했습니다. 이 워크플로는 YOLO를 활용해 새 이미지의 라벨링을 가속화하므로, 재료 종류가 변화함에 따라 필요한 사람의 감독을 줄일 수 있습니다.
그림 1. YOLO는 AI 식품 검사를 위해 피자 위의 토핑을 검출하고 세그먼트화하는 데 사용됩니다.
Ultralytics YOLO 모델을 선택한 이유#
Specialvideo는 AI 모델 성능과 비용 사이의 균형이 뛰어나기 때문에 Ultralytics YOLO 모델을 선택했습니다. Nvidia GTX-1660gt GPU(그래픽 처리 장치)를 사용하면 시스템은 200~250ms에 불과한 추론 시간을 달성하여 600ms마다 피자 한 개를 생산하는 생산 라인을 처리할 수 있을 만큼 빠르게 작동합니다.
YOLO의 효율적인 처리 속도는 실시간 품질 관리를 지원합니다. 전반적으로 이 접근 방식은 생산을 간소화할 뿐만 아니라 확장성도 지원하여, 대량 식품 제조 환경을 위한 견고한 솔루션이 됩니다.
YOLO 기반 식품 검사 솔루션, 99% 정확도 달성#
Ultralytics YOLO 모델을 통합한 Specialvideo의 AI 식품 검사 솔루션은 피자 생산의 품질 관리를 혁신했습니다. 1,500개가 넘는 이미지로 구성된 견고한 데이터셋을 학습한 이 모델은 10가지가 넘는 서로 다른 재료를 정확하게 인식하고, 이를 올리브, 살라미 슬라이스, 멸치, 모차렐라 볼과 같은 계수 가능한 항목과 깍둑썰기한 햄, 버섯, 치즈 슬라이스, 피망과 같은 계수할 수 없는 항목으로 분류합니다.
YOLO 기반 시스템은 최대 99%의 정확도로 실시간 작동하며, 사람 검사원보다 뛰어난 성능을 보이고 수동 방식에 비해 검사 시간을 크게 줄입니다.
흥미롭게도 이 솔루션은 초기 학습에 포함되지 않은 샐러드와 파스타 같은 식품의 재료도 정확하게 인식하여 유망한 결과를 보여주었으며, 새로운 제품 라인으로 더욱 쉽게 확장할 수 있도록 합니다. 궁극적으로 이 혁신적인 접근 방식은 운영 효율성을 높이고 폐기물을 최소화하며 비용을 절감하여 자동화된 식품 검사 및 품질 보증의 새로운 기준을 제시합니다.
식품 산업의 스마트 제조 촉진#
Specialvideo의 향후 전망은 매우 밝습니다. 이 회사는 비전 AI 솔루션을 샐러드와 파스타 같은 다른 식품으로 확장할 계획입니다. Specialvideo는 딥러닝 모델을 지속적으로 미세 조정하고 데이터셋을 확대하여 실시간 품질 관리를 더욱 개선하고, 폐기물을 줄이며, 생산 효율성을 높이고자 합니다. 이러한 개선을 통해 새로운 업계 표준을 수립하는 데 기여할 것입니다.
비전 AI로 운영을 개선하고 싶으신가요? GitHub 리포지토리를 방문하여 Ultralytics의 AI 솔루션이 의료 분야의 AI 및 제조 분야의 컴퓨터 비전과 같은 영역에서 어떤 영향을 미치고 있는지 확인해 보세요. YOLO 모델과 라이선스 옵션에 대한 자세한 정보를 확인하고, 더욱 스마트하고 효율적인 자동화를 향한 첫걸음을 내디뎌 보세요.
