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 для компьютерного 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 базе AI, которая идентифицирует, подсчитывает и проверяет начинки на лету. Это обеспечивает стабильное качество без ущерба для скорости производства.

Link to this sectionУлучшение 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, они разработали систему Vision AI для контроля качества продуктов питания, 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. Это решает такие проблемы, как окклюзии (когда один ингредиент частично перекрыт другим) и двойные обнаружения (когда система идентифицирует два экземпляра ингредиента там, где он один). Выявляя ошибки размещения (например, несбалансированное количество 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.

Link to this sectionПроблемы 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 недостатки, многие производители сейчас переходят на контроль качества с поддержкой компьютерного зрения и автоматизированные системы проверки продуктов. Эти инновационные системы обеспечивают контроль в реальном времени и помогают уменьшить человеческие ошибки, поддерживая при этом высокое качество выпускаемой продукции.

Link to this sectionОбнаружение 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.

Чтобы поддерживать точность после внедрения, Specialvideo постоянно расширяет свой датасет, уточняет качество 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. Также 10% обучающих изображений содержат пиццу Маргарита, чтобы обеспечить полезный фоновый контекст, что помогает сети справляться с вариациями даже внутри одного типа ингредиента, например, разных 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 AI-инспекции продуктов питания.

Link to this sectionПочему стоит выбрать модели Ultralytics YOLO?#

Specialvideo выбрала модели Ultralytics YOLO, потому что они предлагают отличное соотношение между производительностью модели AI и стоимостью. С GPU Nvidia GTX-1660gt (графический процессор) система достигает времени логического вывода всего 200–250 мс, что достаточно быстро для обслуживания производственной линии, выпускающей одну 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 условий крупносерийного производства продуктов питания.

Link to this sectionРешение для проверки продуктов на базе YOLO обеспечивает 99% точность#

Интегрировав модели Ultralytics YOLO, решение Specialvideo для проверки продуктов с помощью AI изменило контроль качества в производстве пиццы. Обученная на надежном наборе данных 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 ветчина кубиками, грибы, ломтики сыра и перец.

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 показало многообещающие результаты, точно распознавая ингредиенты в пищевых продуктах, не включенных в его первоначальное обучение, например, в салатах и пасте, что облегчает расширение на новые продуктовые линейки. В конечном счете, этот инновационный подход повышает операционную эффективность, минимизирует отходы и снижает затраты, устанавливая новый стандарт автоматизированного контроля качества продуктов питания.

Link to this sectionПродвижение 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.

Хочешь оптимизировать свои операции с помощью Vision AI? Загляни в наш репозиторий на GitHub, чтобы узнать, как решения AI от Ultralytics влияют на такие области, как AI в здравоохранении и компьютерное зрение в производстве. Найди подробную информацию о наших моделях YOLO и вариантах лицензирования и сделай первый шаг к более умной и эффективной автоматизации.