Specialvideo достигает 99% точности инспекции продуктов питания с Ultralytics YOLO

Производителям пиццы часто требуется выпускать привлекательную и качественную продукцию на высокой скорости, однако ручная проверка начинки каждой пиццы может занимать много времени. Specialvideo использует подход на основе компьютерного зрения, чтобы обнаруживать и подсчитывать ингредиенты в реальном времени, что позволяет производителям соблюдать рецептурные стандарты, сокращать отходы и поддерживать бесперебойную работу.

Тестируя различные решения технического зрения, Specialvideo обнаружила, что определенные методы, такие как семантическая сегментация, испытывают трудности с перекрывающимися или скрытыми начинками. Используя модели Ultralytics YOLO, компания смогла преодолеть эти препятствия и разработать надежную, высокоточную систему контроля качества на базе ИИ, которая распознает, подсчитывает и проверяет начинки на лету. Это обеспечивает стабильное качество без ущерба для скорости производства.

Улучшение контроля качества продуктов питания с помощью компьютерного зрения#

Основанная в 1993 году в Имоле, Италия, компания Specialvideo опирается на более чем 30-летний опыт проектирования передовых систем компьютерного зрения для наведения роботов, автоматизированного контроля и обнаружения дефектов. Их экспертиза также распространяется на компьютерное зрение в пищевой промышленности.

В частности, компания разработала систему проверки качества пищевых продуктов с помощью визуального ИИ, которая использует сегментацию экземпляров для оптимизации производства пиццы. Рассматривая каждую начинку как отдельный объект, система может точно обнаруживать, сегментировать и подсчитывать ингредиенты в реальном времени. Она решает такие проблемы, как окклюзии (когда один ингредиент частично закрыт другим) и двойные детектирования (когда система определяет два экземпляра ингредиента при наличии только одного). Выявляя ошибки размещения (то есть несбалансированные начинки), производители могут соответствующим образом корректировать параметры производства.

Модель разработана таким образом, чтобы легко адаптироваться к новым ингредиентам, и может быть переобучена без полной переработки.

Кроме того, система может проверять форму, контролировать соответствие цвета и обнаруживать потенциальные загрязнители, гарантируя, что каждый продукт соответствует высоким стандартам безопасности и качества.

Проблемы в контроле качества продуктов питания в реальном времени#

Производители пиццы часто работают на невероятно высоких скоростях, выпуская новую пиццу каждые 600 миллисекунд. При таком темпе человеку-инспектору очень сложно успевать за процессом, что затрудняет мониторинг начинки и точное обнаружение дефектов.

Кроме того, перекрывающиеся ингредиенты, такие как салями и грибы, могут скрывать друг друга, что иногда приводит к появлению пиццы с недостающим или избыточным количеством начинки, неправильным распределением или несоответствием объема. Это не только нарушает однородность продукта, но и вредит репутации бренда, когда клиенты получают пиццу, не оправдывающую их ожидания.

В то же время эти проблемы увеличивают операционные расходы из-за высокого уровня брака и расточительства ресурсов. В дополнение к этому, инспекторы могут утомляться во время длинных смен, что снижает их внимание и увеличивает риск ошибок.

Осознавая эти подводные камни, многие производители теперь внедряют контроль качества на базе компьютерного зрения и автоматизированные системы проверки пищевых продуктов. Эти инновационные системы обеспечивают контроль в реальном времени и помогают сократить человеческие ошибки, поддерживая при этом высокое качество результатов.

Обнаружение дефектов продуктов питания в реальном времени с помощью машинного зрения#

Решение Specialvideo Vision AI использует поддержку сегментации экземпляров в моделях Ultralytics YOLO для проверки каждой пиццы в реальном времени, чтобы до потребителя доходили только качественные продукты. Система точно подсчитывает и измеряет количество начинки, сравнивая каждую пиццу с ее рецептурой, быстро обнаруживая отсутствие или избыток ингредиентов, неравномерное распределение и несоответствие количества.

Когда обнаруживается дефектная пицца — будь то из-за неправильно расположенной начинки, неверного количества ингредиентов или таких загрязнителей, как кусочки синего пластика — система автоматически направляет ее на линию брака.

Для поддержания точности после развертывания Specialvideo постоянно расширяет свой датасет, повышает точность разметки и регулярно переобучает YOLO. Они используют аугментацию данных во время обучения, чтобы предотвратить переобучение и помочь модели обобщать данные на основе ограниченного числа образцов. Кроме того, 10% обучающих изображений содержат пиццу Маргарита для обеспечения полезного контекста фона, что помогает сети справляться с вариациями даже в рамках одного типа ингредиента, например различных видов салями.

Более того, чтобы сделать процесс переобучения еще более эффективным, Specialvideo внедрила рабочий процесс для новых ингредиентов пиццы. Этот процесс задействует YOLO для ускорения разметки новых изображений, что снижает потребность в человеческом контроле по мере появления новых видов ингредиентов.

Рис. 1. YOLO используется для обнаружения и сегментации начинки на пицце для проверки качества пищевых продуктов с помощью ИИ.

Почему стоит выбрать модели Ultralytics YOLO?#

Specialvideo выбрала модели Ultralytics YOLO, потому что они предлагают отличный баланс между производительностью модели ИИ и стоимостью. С графическим процессором Nvidia GTX-1660gt GPU система обеспечивает время инференса всего 200–250 мс, что достаточно быстро для обслуживания производственной линии, которая выпускает по пицце каждые 600 мс.

Эффективная скорость обработки YOLO способствует контролю качества в реальном времени. В целом, этот подход не только оптимизирует производство, но и поддерживает масштабируемость, что делает его надежным решением для условий крупносерийного производства продуктов питания.

Решение для проверки продуктов на базе YOLO обеспечивает 99% точность#

Интегрировав модели Ultralytics YOLO, решение Specialvideo для проверки пищевых продуктов с помощью ИИ трансформировало контроль качества в производстве пиццы. Обученная на надежном датасете из более чем 1500 изображений, модель точно распознает более 10 различных ингредиентов, классифицируя их на подсчитываемые элементы (такие как оливки, ломтики салями, анчоусы и шарики моцареллы) и неподсчитываемые элементы (такие как кубики ветчины, грибы, ломтики сыра и перцы).

Система на базе YOLO работает в реальном времени с точностью до 99%, превосходя инспекторов-людей и значительно сокращая время проверки по сравнению с ручными методами.

Интересно, что решение продемонстрировало многообещающие результаты, точно распознавая ингредиенты в пищевых продуктах, не включенных в его первоначальное обучение, таких как салаты и паста, что облегчает расширение в новые линейки продукции. В конечном счете этот инновационный подход повышает операционную эффективность, минимизирует отходы и снижает затраты, устанавливая новый ориентир для автоматизированной проверки пищевых продуктов и контроля качества.

Продвижение умного производства в пищевой промышленности#

Будущее Specialvideo выглядит многообещающе. Компания планирует расширить свое решение Vision AI, включив в него другие продукты питания, такие как салаты и паста. Постоянно донастраивая свои модели глубокого обучения и расширяя датасет, Specialvideo стремится еще больше улучшить контроль качества в реальном времени, сократить отходы и повысить эффективность производства. Эти улучшения помогут установить новые отраслевые стандарты.

Хотите повысить эффективность своей работы с помощью визуального ИИ? Перейдите в наш репозиторий на GitHub, чтобы увидеть, как ИИ-решения от Ultralytics влияют на такие области, как ИИ в здравоохранении и компьютерное зрение в производстве. Найдите подробную информацию о наших моделях YOLO и вариантах лицензирования и сделайте первый шаг к более умной и эффективной автоматизации.