Specialvideo alcança 99% de precisão na inspeção de alimentos com Ultralytics YOLO

Os fabricantes de pizzas precisam frequentemente de produzir produtos visualmente apelativos e de alta qualidade a alta velocidade, mas inspecionar manualmente os ingredientes de cada pizza pode ser moroso. A Specialvideo aproveita uma abordagem orientada por visão computacional com IA para detetar e contar ingredientes em tempo real, tornando possível aos produtores cumprir os padrões das receitas, reduzir desperdícios e manter operações fluidas.

Ao testar várias soluções de visão, a Specialvideo descobriu que certas técnicas, como a segmentação semântica, tinham dificuldades com ingredientes sobrepostos ou ocultos. Ao usar os Ultralytics YOLO models, eles conseguiram superar esses obstáculos e desenvolver um sistema de controle de qualidade alimentado por IA, confiável e de alta precisão, que identifica, conta e verifica os ingredientes em tempo real. Isso garante uma qualidade consistente sem sacrificar a velocidade de produção.

Melhorar a inspeção alimentar com IA através de visão computacional#

Fundada em 1993 em Imola, Itália, a Specialvideo conta com mais de 30 anos de experiência no design de sistemas avançados de visão computacional para orientação de robôs, inspeção automatizada e deteção de defeitos. A sua experiência estende-se também à visão computacional na indústria alimentar.

Em particular, eles desenvolveram um sistema de Vision AI food inspection que usa instance segmentation para otimizar a produção de pizzas. Ao tratar cada ingrediente como um objeto distinto, o sistema consegue detectar, segmentar e contar precisamente os ingredientes em tempo real. Ele aborda problemas como oclusões (onde um ingrediente está parcialmente coberto por outro) e detecções duplas (onde o sistema identifica duas instâncias de um ingrediente quando há apenas uma). Ao identificar erros de posicionamento (ou seja, ingredientes desequilibrados), os fabricantes podem ajustar os parâmetros de produção de acordo.

O modelo foi concebido para acomodar facilmente novos ingredientes e pode ser treinado novamente sem necessidade de uma renovação total.

Além disso, o sistema pode verificar a forma, confirmar a conformidade da cor e detetar potenciais contaminantes, garantindo que cada produto cumpre elevados padrões de segurança e qualidade.

Desafios no controlo de qualidade (QC) alimentar em tempo real#

Os fabricantes de pizzas operam frequentemente a velocidades incrivelmente elevadas, produzindo uma nova pizza a cada 600 milissegundos. Nesse ritmo, é muito difícil para os inspetores humanos acompanharem, tornando um desafio monitorizar os ingredientes e detetar quaisquer defeitos com precisão.

Além disso, ingredientes sobrepostos como salame e cogumelos podem obscurecer-se uns aos outros, o que por vezes leva a pizzas com ingredientes em falta ou em excesso, distribuições incorretas ou quantidades inconsistentes. Isto não só interrompe a uniformidade do produto, como também prejudica a reputação da marca quando os clientes recebem pizzas que não correspondem às suas expectativas.

Ao mesmo tempo, estes problemas aumentam os custos operacionais devido a taxas de desperdício mais elevadas e recursos mal aproveitados. Somando a estes problemas, os inspetores humanos podem ficar fatigados durante longos turnos, fazendo com que a sua atenção diminua e aumentando o risco de erros.

Reconhecendo essas armadilhas, muitos fabricantes estão agora adotando o controle de qualidade habilitado por computer vision e sistemas automatizados de inspeção de alimentos. Esses sistemas inovadores fornecem supervisão em tempo real e ajudam a reduzir erros humanos, ao mesmo tempo em que apoiam saídas de alta qualidade.

Deteção de defeitos alimentares em tempo real com visão artificial#

A solução de IA de visão da Specialvideo utiliza o suporte de segmentação de instâncias dos modelos Ultralytics YOLO para inspecionar cada pizza em tempo real, para que apenas produtos de qualidade cheguem aos consumidores. Conta e mede com precisão os ingredientes ao comparar cada pizza com a sua receita, detetando rapidamente ingredientes em falta ou extra, distribuições desiguais e quantidades inconsistentes.

Quando uma pizza defeituosa é detetada - seja devido a ingredientes mal alinhados, quantidades incorretas de ingredientes ou contaminantes como plástico azul - o sistema desvia-a automaticamente para uma linha de refugo.

Para manter a precisão pós-implantação, a Specialvideo expande continuamente seu conjunto de dados, refina a precisão da rotulagem e retreina o YOLO regularmente. Eles usam data augmentation durante o treinamento para evitar o overfitting e ajudar o modelo a generalizar a partir de um número limitado de amostras. Além disso, 10% das imagens de treinamento apresentam pizzas Margherita para fornecer um contexto de fundo útil, o que ajuda a rede a lidar com variações mesmo dentro do mesmo tipo de ingrediente, como diferentes tipos de salame.

Para além disto, para tornar o processo de re-treino ainda mais eficiente, a Specialvideo implementou um fluxo de trabalho para novos ingredientes de pizza. Este fluxo de trabalho tira partido do YOLO para acelerar a rotulagem de novas imagens, reduzindo a necessidade de supervisão humana à medida que as variedades de ingredientes evoluem.

Fig 1. O YOLO é usado para detectar e segmentar ingredientes em uma pizza para inspeção de alimentos por IA.

Por que escolher Ultralytics YOLO models?#

A Specialvideo escolheu usar os modelos Ultralytics YOLO porque eles oferecem um ótimo equilíbrio entre o AI model performance e o custo. Com uma GPU (Graphics Processing Unit) Nvidia GTX-1660gt, o sistema atinge tempos de inferência de apenas 200 - 250ms, tornando-o rápido o suficiente para lidar com uma linha de produção que produz uma pizza a cada 600ms.

A velocidade de processamento eficiente do YOLO facilita o controlo de qualidade em tempo real. No geral, esta abordagem não só otimiza a produção, como também suporta a escalabilidade, tornando-a uma solução robusta para ambientes de fabrico alimentar de grande volume.

Solução de inspeção alimentar com YOLO oferece 99% de precisão#

Ao integrar os modelos Ultralytics YOLO, a solução de inspeção de alimentos por IA da Specialvideo transformou o controle de qualidade na produção de pizzas. Trained em um conjunto de dados robusto de mais de 1.500 imagens, o modelo reconhece com precisão mais de 10 ingredientes diferentes, categorizando-os em itens contáveis, como azeitonas, fatias de salame, anchovas e bolas de mussarela, e itens não contáveis, como presunto em cubos, cogumelos, fatias de queijo e pimentões.

O sistema impulsionado pelo YOLO opera em tempo real com até 99% de precisão, superando os inspetores humanos e reduzindo significativamente os tempos de inspeção em comparação com os métodos manuais.

Curiosamente, the solution demonstrou resultados promissores ao reconhecer com precisão ingredientes em produtos alimentícios não incluídos em seu treinamento inicial, como saladas e massas, facilitando uma expansão mais fácil para novas linhas de produtos. Em última análise, essa abordagem inovadora impulsiona a eficiência operacional, minimiza o desperdício e reduz os custos, estabelecendo um novo padrão para a inspeção automatizada de alimentos e garantia de qualidade.

Promover o fabrico inteligente na indústria alimentar#

O futuro da Specialvideo parece empolgante. A empresa planeia expandir a sua solução de IA de visão para incluir outros produtos alimentares, como saladas e massas. Ao ajustar continuamente os seus modelos de aprendizagem profunda e aumentar o seu conjunto de dados, a Specialvideo pretende melhorar ainda mais o controlo de qualidade em tempo real, reduzir desperdícios e aumentar a eficiência da produção. Estas melhorias ajudarão a definir novos padrões industriais.

Quer impulsionar suas operações com Vision AI? Dirija-se ao nosso GitHub repository para ver como as soluções de IA da Ultralytics estão gerando impacto em áreas como AI in healthcare e computer vision in manufacturing. Encontre insights detalhados sobre nossos modelos YOLO e licensing options, e dê o primeiro passo em direção a uma automação mais inteligente e eficiente.