Ultralytics YOLO, Specialvideo의 식품 검사 도구 성능 강화

피자 제조업체는 시각적으로 매력적인 고품질 제품을 빠른 속도로 생산해야 하는 경우가 많지만, 각 피자의 토핑을 수동으로 검사하는 것은 시간이 많이 소요될 수 있습니다. Specialvideo는 비전 AI 기반 접근 방식을 활용하여 실시간으로 재료를 감지하고 계산함으로써 생산자가 레시피 표준을 유지하고 낭비를 줄이며 원활한 운영을 유지할 수 있도록 지원합니다.

다양한 비전 솔루션을 테스트하는 동안 Specialvideo는 의미론적 분할과 같은 특정 기술이 겹치거나 숨겨진 토핑으로 어려움을 겪는다는 사실을 발견했습니다. Ultralytics YOLO 모델을 사용하여 이러한 장애물을 해결하고 즉석에서 토핑을 식별, 계산 및 검증하는 안정적이고 정확도가 높은 AI 기반 품질 관리 시스템을 개발할 수 있었습니다. 생산 속도를 희생하지 않고 일관된 품질을 보장합니다.

컴퓨터 비전을 통한 AI 식품 검사 개선

1993년 이탈리아 이몰라에서 설립된 Specialvideo는 로봇 안내, 자동 검사 및 결함 감지를 위한 고급 컴퓨터 비전 시스템 설계 분야에서 30년 이상의 경험을 보유하고 있습니다. 또한 식품 산업의 컴퓨터 비전 분야에도 전문 지식을 확장하고 있습니다. 

특히 그들은 인스턴스 분할을 사용하여 피자 생산을 간소화하는 Vision AI 식품 검사 시스템을 개발했습니다. 각 토핑을 개별 객체로 취급함으로써 시스템은 재료를 실시간으로 정확하게 감지, 분할 및 계산할 수 있습니다. 또한 (하나의 재료가 다른 재료에 부분적으로 가려지는) 폐색 문제와 (하나의 재료만 있을 때 시스템이 재료의 두 인스턴스를 식별하는) 이중 감지 문제를 해결합니다. 제조업체는 배치 오류(예: 불균형한 토핑)를 식별하여 그에 따라 생산 매개변수를 조정할 수 있습니다.

이 모델은 새로운 요소를 쉽게 수용할 수 있도록 설계되었으며, 전체적인 개편 없이 재학습이 가능합니다.

또한 이 시스템은 모양을 확인하고, 색상 준수를 검증하고, 잠재적인 오염 물질을 감지하여 각 제품이 높은 안전 및 품질 기준을 충족하는지 확인할 수 있습니다.

실시간 식품 품질 관리(QC)의 과제

피자 제조업체는 매우 빠른 속도로 운영되어 600밀리초마다 새로운 피자를 생산합니다. 이러한 속도에서는 사람이 검사자가 따라잡기가 매우 어렵기 때문에 토핑을 모니터링하고 결함을 정확하게 감지하는 데 어려움이 있습니다.

게다가 살라미와 버섯처럼 겹치는 재료는 서로를 가릴 수 있으며, 이로 인해 토핑이 누락되거나 과도하게 추가되거나, 잘못 분배되거나, 양이 일관성 없는 피자가 만들어질 수 있습니다. 이는 제품의 균일성을 저해할 뿐만 아니라 고객이 기대에 미치지 못하는 피자를 받았을 때 브랜드 평판을 손상시킵니다. 

동시에 이러한 문제로 인해 불량률이 높아지고 자원이 낭비되어 운영 비용이 상승합니다. 이러한 문제 외에도, 인력 검사관은 장시간 근무로 인해 피로가 누적되어 주의력이 저하되고 오류 위험이 증가할 수 있습니다. 

이러한 문제점을 인식한 많은 제조업체들이 현재 컴퓨터 비전 기반 품질 관리 및 자동화된 식품 검사 시스템을 도입하고 있습니다. 이러한 혁신적인 시스템은 실시간 감독을 제공하고 인적 오류를 줄이는 동시에 고품질 결과물을 지원합니다. 

머신 비전을 이용한 실시간 식품 결함 감지

Specialvideo의 Vision AI 솔루션은 Ultralytics YOLO 모델의 인스턴스 분할 지원을 사용하여 모든 피자를 실시간으로 검사하여 고품질 제품만 소비자에게 전달되도록 합니다. 각 피자를 레시피와 비교하여 토핑을 정확하게 세고 측정하여 누락되거나 추가된 재료, 고르지 않은 분포 및 일관성 없는 수량을 신속하게 감지합니다.

토핑 불균형, 부정확한 재료 양 또는 파란색 플라스틱과 같은 오염 물질로 인해 불량 피자가 감지되면 시스템이 자동으로 해당 피자를 폐기 라인으로 보냅니다. 

배포 후 정확도를 유지하기 위해 Specialvideo는 지속적으로 데이터 세트를 확장하고, 레이블링 정확도를 개선하며, YOLO를 정기적으로 재학습합니다. 과적합을 방지하고 모델이 제한된 수의 샘플에서 일반화되도록 돕기 위해 학습 중에 데이터 증강을 사용합니다. 또한 학습 이미지의 10%는 마르게리타 피자를 사용하여 유용한 배경 컨텍스트를 제공하며, 이는 네트워크가 다양한 종류의 살라미와 같이 동일한 재료 유형 내에서도 변형을 처리하는 데 도움이 됩니다.

이 외에도, 재학습 프로세스를 더욱 효율적으로 만들기 위해 Specialvideo는 새로운 피자 재료에 대한 워크플로우를 구현했습니다. 이 워크플로우는 YOLO를 활용하여 새로운 이미지의 라벨링 속도를 높여 재료 종류가 진화함에 따라 사람의 감독 필요성을 줄입니다.

‍

Ultralytics YOLO 모델을 선택하는 이유

Specialvideo는 AI 모델 성능과 비용 간의 균형이 뛰어나기 때문에 Ultralytics YOLO 모델을 사용하기로 결정했습니다. Nvidia GTX-1660gt GPU(Graphics Processing Unit)를 통해 시스템은 단 200~250ms의 추론 시간을 달성하여 600ms마다 피자 한 판을 생산하는 생산 라인을 처리할 수 있을 만큼 빠릅니다. 

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

YOLO 기반 식품 검사 솔루션, 99% 정확도 제공

Ultralytics YOLO 모델을 통합함으로써 Specialvideo의 AI 식품 검사 솔루션은 피자 생산의 품질 관리를 혁신했습니다. 1,500개 이상의 이미지로 구성된 강력한 데이터 세트에 대해 훈련된 이 모델은 올리브, 살라미 조각, 멸치, 모짜렐라 볼과 같은 셀 수 있는 항목과 깍둑썰기한 햄, 버섯, 치즈 조각, 피망과 같은 셀 수 없는 항목으로 분류하여 10가지 이상의 다양한 재료를 정확하게 인식합니다. 

YOLO 기반 시스템은 최대 99%의 정확도로 실시간으로 작동하여, 수동 검사관보다 성능이 뛰어나고 수동 방식에 비해 검사 시간을 크게 단축합니다. 

흥미롭게도, 이 솔루션은 샐러드나 파스타와 같이 초기 학습에 포함되지 않은 식품의 재료를 정확하게 인식하여 새로운 제품 라인으로의 확장을 용이하게 함으로써 유망한 결과를 보여주었습니다. 궁극적으로 이 혁신적인 접근 방식은 운영 효율성을 높이고, 낭비를 최소화하며, 비용을 절감하여 자동화된 식품 검사 및 품질 보증에 대한 새로운 기준을 제시합니다.

식품 산업에서 스마트 제조 촉진

Specialvideo의 미래는 밝아 보입니다. 회사는 Vision AI 솔루션을 확장하여 샐러드 및 파스타와 같은 다른 식품을 포함할 계획입니다. 딥 러닝 모델을 지속적으로 미세 조정하고 데이터 세트를 늘림으로써 Specialvideo는 실시간 품질 관리를 더욱 개선하고 폐기물을 줄이며 생산 효율성을 높이는 것을 목표로 합니다. 이러한 개선 사항은 새로운 업계 표준을 설정하는 데 도움이 될 것입니다.

Vision AI로 운영을 강화하고 싶으십니까? GitHub 저장소로 이동하여 Ultralytics의 AI 솔루션이 의료 분야의 AI 및 제조 분야의 컴퓨터 비전과 같은 영역에서 어떻게 영향을 미치는지 확인하십시오. YOLO 모델 및 라이선스 옵션에 대한 자세한 정보를 확인하고 더 스마트하고 효율적인 자동화를 향한 첫 걸음을 내딛으십시오.