Благодаря интеграции моделей Ultralytics YOLO система инспекции продуктов питания на базе ИИ от Specialvideo повысила точность обнаружения до 99% и сократила время проверки до менее чем 250 мс на пиццу.
Производителям пиццы часто нужно быстро выпускать привлекательную на вид продукцию высокого качества, но ручная проверка начинки каждой пиццы занимает много времени. Specialvideo использует подход на базе Vision AI для обнаружения ингредиентов и подсчета их количества в реальном времени, помогая производителям соблюдать стандарты рецептуры, сокращать отходы и поддерживать бесперебойную работу.
Испытывая различные решения для компьютерного зрения, Specialvideo выяснила, что некоторые методы, например семантическая сегментация, плохо справляются с перекрывающимися или скрытыми начинками. Используя модели Ultralytics YOLO, компания смогла решить эти проблемы и создать надежную систему контроля качества на базе ИИ с высокой точностью, которая на ходу распознает и подсчитывает ингредиенты на пицце, а также проверяет их наличие. Система обеспечивает стабильное качество, не снижая скорость производства.
Улучшение инспекции продуктов питания с помощью компьютерного зрения#
Основанная в 1993 году в Имоле, Италия, компания Specialvideo опирается на более чем 30-летний опыт разработки передовых систем компьютерного зрения для наведения роботов, автоматизированного контроля и обнаружения дефектов. Компания также специализируется на применении компьютерного зрения в пищевой промышленности.
В частности, компания разработала систему инспекции продуктов питания с помощью Vision AI, 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 перекрытия (когда один ингредиент частично закрыт другим) и двойные срабатывания (когда система определяет два экземпляра ингредиента, хотя он только один). Выявляя ошибки размещения (например, неравномерное распределение начинки), производители могут соответствующим образом корректировать параметры производства.
Модель легко адаптировать к новым ингредиентам, и для ее переобучения не требуется полностью перестраивать систему.
Кроме того, система может проверять форму, соответствие цвета требованиям и наличие потенциальных загрязнителей, помогая гарантировать, что каждый продукт отвечает высоким стандартам безопасности и качества.
Сложности контроля качества продуктов в реальном времени#
Производители пиццы часто работают в чрезвычайно быстром темпе, выпуская новую пиццу каждые 600 миллисекунд. Человеческим инспекторам очень трудно поспевать за таким темпом, поэтому им сложно точно контролировать начинку и обнаруживать дефекты.
Кроме того, перекрывающиеся ингредиенты, например салями и грибы, могут закрывать друг друга. Из-за этого на пицце иногда не хватает начинки или ее слишком много, распределение ингредиентов оказывается неправильным, а их количество — непостоянным. Это не только нарушает единообразие продукции, но и вредит репутации бренда, если клиенты получают пиццу, не оправдывающую их ожиданий.
В то же время эти проблемы повышают эксплуатационные расходы из-за увеличения объема брака и потери ресурсов. Кроме того, при длительных сменах инспекторы могут уставать, терять концентрацию и чаще ошибаться.
Осознавая эти проблемы, многие производители теперь внедряют контроль качества и автоматизированные системы инспекции продуктов питания на основе компьютерного зрения. Эти инновационные системы обеспечивают мониторинг в реальном времени, помогают сократить число ошибок, связанных с человеческим фактором, и поддерживать высокое качество продукции.
Обнаружение дефектов пищевых продуктов в реальном времени с помощью машинного зрения#
Решение Specialvideo на базе Vision AI использует возможности моделей Ultralytics YOLO для сегментации экземпляров и проверки каждой пиццы в реальном времени, чтобы до потребителей доходила только качественная продукция. Система точно подсчитывает и измеряет начинку, сравнивая каждую пиццу с рецептурой, и быстро обнаруживает отсутствующие или лишние ингредиенты, неравномерное распределение и несоответствие их количества.
Когда система обнаруживает бракованную пиццу — из-за сместившейся начинки, неправильного количества ингредиентов или посторонних предметов, например синего пластика, — она автоматически отправляет её на линию брака.
Чтобы поддерживать точность после развертывания, Specialvideo постоянно расширяет набор данных, повышает точность разметки и регулярно переобучает YOLO. Во время обучения компания использует аугментацию данных, чтобы избежать переобучения и помочь модели обобщать данные на основе ограниченного числа образцов. Кроме того, 10% обучающих изображений составляют пиццы «Маргарита», которые обеспечивают полезный контекст фона и помогают сети справляться с различиями даже в пределах одного типа ингредиента, например с разными видами салями.
Кроме того, чтобы сделать переобучение еще эффективнее, Specialvideo внедрила рабочий процесс для новых ингредиентов пиццы. В нем YOLO помогает ускорить разметку новых изображений, уменьшая потребность в контроле со стороны человека по мере появления новых разновидностей ингредиентов.
Рис. 1. YOLO обнаруживает и сегментирует начинку пиццы для инспекции продуктов питания с помощью ИИ.
Почему стоит выбрать модели Ultralytics YOLO?#
Specialvideo выбрала модели Ultralytics YOLO за удачный баланс между производительностью модели ИИ и стоимостью. С GPU NVIDIA GTX 1660 (графическим процессором) система выполняет инференс всего за 200–250 мс — этого достаточно для производственной линии, которая выпускает пиццу каждые 600 мс.
Высокая скорость обработки YOLO обеспечивает контроль качества в реальном времени. Такой подход не только упрощает производство, но и поддерживает масштабирование, становясь надежным решением для пищевых производств с большими объемами выпуска.
Система инспекции продуктов питания на базе YOLO обеспечивает точность 99%#
Благодаря интеграции моделей Ultralytics YOLO система инспекции продуктов питания на базе ИИ от Specialvideo изменила подход к контролю качества при производстве пиццы. Модель, обученная на качественном наборе данных из более чем 1 500 изображений, точно распознает свыше 10 различных ингредиентов и относит их к исчисляемым, например оливкам, ломтикам салями, анчоусам и шарикам моцареллы, и неисчисляемым, например нарезанной кубиками ветчине, грибам, ломтикам сыра и перцу.
Система на базе YOLO работает в реальном времени с точностью до 99%, превосходит человеческих инспекторов и значительно сокращает время проверки по сравнению с ручными методами.
Примечательно, что решение показало многообещающие результаты: оно точно распознает ингредиенты в продуктах, которые не входили в исходные обучающие данные, например в салатах и пасте. Это упрощает расширение системы на новые линейки продуктов. В конечном счете этот инновационный подход повышает операционную эффективность, сокращает отходы и снижает затраты, устанавливая новый стандарт автоматизированной инспекции продуктов питания и контроля качества.
Развитие интеллектуального производства в пищевой промышленности#
Будущее Specialvideo выглядит многообещающе. Компания планирует расширить свое решение Vision AI на другие продукты, например салаты и пасту. Постоянно дорабатывая модели глубокого обучения и расширяя набор данных, Specialvideo стремится еще больше улучшить контроль качества в реальном времени, сократить отходы и повысить эффективность производства. Эти усовершенствования помогут установить новые отраслевые стандарты.
Хочешь повысить эффективность работы с помощью визуального ИИ? Загляни в наш репозиторий GitHub, чтобы узнать, как решения Ultralytics на основе ИИ помогают в таких областях, как автоматизированный визуальный контроль и компьютерное зрение в производстве. Узнай подробнее о моделях YOLO и вариантах лицензирования и сделай первый шаг к более интеллектуальной и эффективной автоматизации.
Автор
Создатель контента · Ultralytics
