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 테스트하는 동안 Specialvideo는 시맨틱 분할과 같은 특정 기법이 겹치거나 가려진 토핑을 다루는 데 어려움이 있다는 것을 발견했습니다. Ultralytics YOLO models을 사용하여 이러한 장애물을 극복하고 실시간으로 토핑을 식별, 카운트 및 검증하는 안정적이고 고정밀도의 AI 기반 품질 관리 시스템을 개발할 수 있었습니다. 이는 생산 속도를 저하시키지 않으면서도 일정한 품질을 보장합니다.

컴퓨터 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, 그들은 instance segmentation을 사용하여 피자 생산을 간소화하는 Vision AI food inspection 시스템을 개발했습니다. 각 토핑을 개별 객체로 취급함으로써, 시스템은 실시간으로 재료를 정확하게 감지, 분할 및 카운트할 수 있습니다. 이 시스템은 가려짐 현상(한 재료가 다른 재료에 부분적으로 가려지는 경우) 및 중복 감지(실제로는 하나인데 시스템이 두 개로 인식하는 경우)와 같은 문제를 해결합니다. 배치 오류(예: 불균형한 토핑)를 식별함으로써 제조업체는 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.

실시간 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 문제점들을 인식하고, 많은 제조업체들이 현재 computer vision 기반의 품질 관리 및 자동화된 식품 검사 시스템을 도입하고 있습니다. 이러한 혁신적인 시스템은 실시간 모니터링을 제공하고 인적 오류를 줄이는 동시에 고품질의 결과물을 지원합니다.

머신 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 후에도 정확성을 유지하기 위해 Specialvideo는 데이터셋을 지속적으로 확장하고, 라벨링 정확도를 개선하며, YOLO를 정기적으로 재학습시킵니다. 학습 중에 data augmentation을 사용하여 과적합을 방지하고 모델이 적은 수의 샘플에서도 일반화할 수 있도록 돕습니다. 또한, 학습 이미지의 10%에 마르가리타 피자를 포함하여 유용한 배경 컨텍스트를 제공함으로써, 네트워크가 다양한 종류의 살라미와 같은 동일한 재료 내의 변형까지도 잘 처리할 수 있도록 돕습니다.

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.

Fig 1. YOLO는 AI 식품 검사를 위해 피자의 토핑을 감지하고 분할하는 데 사용됩니다.

왜 Ultralytics YOLO 모델인가?#

Specialvideo가 Ultralytics YOLO 모델을 선택한 이유는 AI model performance와 비용 사이의 훌륭한 균형을 제공하기 때문입니다. Nvidia GTX-1660gt GPU(Graphics Processing Unit)를 사용하여 이 시스템은 불과 200~250ms의 추론 시간을 달성하며, 이는 600ms마다 피자 한 판을 생산하는 생산 라인을 처리하기에 충분히 빠른 속도입니다.

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.

YOLO 기반 식품 검사 솔루션으로 99% 정확도 달성#

Ultralytics YOLO 모델을 통합함으로써 Specialvideo의 AI 식품 검사 솔루션은 피자 생산의 품질 관리를 혁신했습니다. 1,500장이 넘는 방대한 데이터셋으로 Trained된 이 모델은 올리브, 살라미 조각, 앤초비, 모차렐라 볼과 같이 개수를 셀 수 있는 항목과 깍둑썰기한 햄, 버섯, 치즈 조각, 피망과 같이 개수를 셀 수 없는 항목을 포함하여 10가지가 넘는 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, the solution은 샐러드나 파스타와 같이 초기 학습에 포함되지 않은 식품의 재료도 정확하게 인식하여 새로운 제품군으로의 쉬운 확장을 촉진함으로써 유망한 결과를 보여주었습니다. 궁극적으로 이 혁신적인 접근 방식은 운영 효율성을 높이고, 낭비를 최소화하며, 비용을 절감하여 자동화된 식품 검사 및 품질 보증의 새로운 기준을 세웁니다.

식품 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.

Vision AI로 운영을 개선하고 싶으신가요? AI in healthcare 및 computer vision in manufacturing 같은 분야에서 Ultralytics의 AI 솔루션이 어떻게 영향을 미치고 있는지 확인하려면 저희의 GitHub repository를 방문해 주세요. 당사의 YOLO 모델 및 licensing options에 대한 자세한 통찰력을 확인하고, 더 스마트하고 효율적인 자동화를 향한 첫걸음을 내딛어 보세요.