Ultralytics YOLO обеспечивает работу инструмента проверки продуктов питания Specialvideo

Производителям пиццы часто необходимо производить визуально привлекательные и высококачественные продукты на высокой скорости, но ручная проверка начинки каждой пиццы может занять много времени. Specialvideo использует подход на основе vision AI для обнаружения и подсчета ингредиентов в режиме реального времени, что позволяет производителям поддерживать стандарты рецептуры, сокращать отходы и поддерживать бесперебойную работу.

Во время тестирования различных решений для машинного зрения Specialvideo обнаружила, что определенные методы, такие как семантическая сегментация, испытывают трудности с перекрывающимися или скрытыми начинками. Используя модели Ultralytics YOLO, они смогли преодолеть эти препятствия и разработать надежную, высокоточную систему контроля качества на основе ИИ, которая идентифицирует, подсчитывает и проверяет начинки на лету. Это обеспечивает стабильное качество без ущерба для скорости производства.

Совершенствование контроля качества продуктов питания с помощью компьютерного зрения

Компания Specialvideo, основанная в 1993 году в Имоле, Италия, опирается на более чем 30-летний опыт разработки передовых систем машинного зрения для управления роботами, автоматизированной инспекции и обнаружения дефектов. Их опыт также распространяется на машинное зрение в пищевой промышленности. 

В частности, они разработали систему Vision AI для проверки продуктов питания, которая использует сегментацию экземпляров для оптимизации производства пиццы. Рассматривая каждый ингредиент как отдельный объект, система может точно обнаруживать, сегментировать и подсчитывать ингредиенты в режиме реального времени. Она решает такие проблемы, как окклюзии (когда один ингредиент частично закрыт другим) и двойные обнаружения (когда система идентифицирует два экземпляра ингредиента, когда он только один). Выявляя ошибки размещения (т.е. 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, соответствие цвета и обнаруживать потенциальные загрязнения, гарантируя, что каждый продукт соответствует высоким стандартам безопасности и качества.

Проблемы контроля качества пищевых продуктов в реальном времени

Производители пиццы часто работают на невероятно высоких скоростях, выпуская новую пиццу каждые 600 миллисекунд. В таком темпе инспекторам сложно успевать следить за процессом, что затрудняет контроль начинки и точное выявление дефектов.

Кроме того, перекрывающиеся ингредиенты, такие как салями и грибы, могут заслонять друг друга, что иногда приводит к появлению пицц с недостающими или избыточными начинками, неправильным распределением или непостоянным количеством. Это не только нарушает однородность продукта, но и вредит репутации бренда, когда клиенты получают пиццы, которые не соответствуют их ожиданиям. 

В то же время эти проблемы приводят к увеличению операционных расходов из-за более высокого процента брака и нерационального использования ресурсов. В дополнение к этим проблемам, инспекторы могут уставать во время длительных смен, что приводит к ослаблению их внимания и увеличению риска ошибок. 

Осознавая эти недостатки, многие производители в настоящее время внедряют системы контроля качества и автоматизированные системы проверки пищевых продуктов на основе компьютерного зрения. Эти инновационные системы обеспечивают контроль в режиме реального времени и помогают уменьшить количество человеческих ошибок, поддерживая при этом высокое качество продукции. 

Обнаружение дефектов пищевых продуктов в реальном времени с помощью машинного зрения

Решение Specialvideo в области Vision AI использует поддержку instance segmentation моделей Ultralytics YOLO для проверки каждой пиццы в режиме реального времени, чтобы до потребителей доходили только качественные продукты. Оно точно подсчитывает и измеряет начинки, сравнивая каждую пиццу с ее рецептом, быстро обнаруживая недостающие или лишние ингредиенты, неравномерное распределение и несоответствующие количества.

Когда обнаруживается бракованная пицца — будь то из-за неправильно расположенных начинок, неверного количества ингредиентов или загрязнений, таких как синий пластик — система автоматически направляет ее в линию отбраковки. 

Для поддержания точности после развертывания Specialvideo постоянно расширяет свой набор данных, 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 количества образцов. Кроме того, 10% обучающих изображений содержат пиццу «Маргарита», чтобы обеспечить полезный фоновый контекст, который помогает сети справляться с вариациями даже в пределах одного типа ингредиентов, например, с разными видами салями.

Кроме того, чтобы сделать процесс переобучения еще более эффективным, Specialvideo внедрила рабочий процесс для новых ингредиентов пиццы. Этот рабочий процесс использует YOLO для ускорения маркировки новых изображений, уменьшая потребность в контроле со стороны человека по мере изменения сортов ингредиентов.

‍

Почему стоит выбрать модели Ultralytics YOLO?

Specialvideo решила использовать модели Ultralytics YOLO, потому что они предлагают отличный баланс между производительностью моделей ИИ и стоимостью. Благодаря графическому процессору Nvidia GTX-1660gt система достигает времени инференса всего 200–250 мс, что достаточно быстро для обработки производственной линии, которая производит пиццу 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 крупносерийного производства продуктов питания. 

Решение для проверки продуктов питания на базе YOLO обеспечивает 99% точности

Благодаря интеграции моделей Ultralytics YOLO, решение Specialvideo на основе ИИ для проверки продуктов питания трансформировало контроль качества в производстве пиццы. Обученная на надежном наборе данных, содержащем более 1500 изображений, модель точно распознает более 10 различных ингредиентов, классифицируя их на исчисляемые элементы, такие как оливки, ломтики салями, анчоусы и шарики моцареллы, и неисчисляемые элементы, такие как кубики ветчины, грибы, ломтики сыра и перец. 

Система на основе YOLO работает в режиме реального времени с точностью до 99%, превосходя человеческих инспекторов и значительно сокращая время проверки по сравнению с ручными методами. 

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

Содействие интеллектуальному производству в пищевой промышленности

Перспективы Specialvideo выглядят многообещающими. Компания планирует расширить свое решение Vision AI, включив в него другие продукты питания, такие как салаты и паста. Постоянно совершенствуя свои модели глубокого обучения и расширяя набор данных, Specialvideo стремится еще больше улучшить контроль качества в режиме реального времени, сократить количество отходов и повысить эффективность производства. Эти улучшения помогут установить новые отраслевые стандарты.

Хотите повысить эффективность своих операций с помощью Vision AI? Перейдите в наш репозиторий на GitHub, чтобы увидеть, как решения Ultralytics в области ИИ оказывают влияние в таких областях, 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 разумной и эффективной автоматизации.