Ultralytics YOLO , Specialvideo'nun gıda denetim aracına güç veriyor

Pizza üreticilerinin genellikle görsel olarak çekici, yüksek kaliteli ürünleri yüksek hızda üretmeleri gerekir, ancak her pizza için malzemeleri manuel olarak incelemek zaman alıcı olabilir. Specialvideo, malzemeleri gerçek zamanlı olarak detect etmek ve saymak için yapay zeka odaklı bir vizyon yaklaşımından yararlanarak üreticilerin tarif standartlarını korumasını, israfı azaltmasını ve sorunsuz operasyonları sürdürmesini mümkün kılar.

Specialvideo, çeşitli görüntü çözümlerini test ederken, semantik segmentasyon gibi belirli tekniklerin üst üste binen veya gizlenen soslarla mücadele ettiğini keşfetti. Ultralytics YOLO modellerini kullanarak, bu engellerin üstesinden gelebildiler ve sosları anında tanımlayan, sayan ve doğrulayan güvenilir, yüksek doğrulukta yapay zeka destekli bir kalite kontrol sistemi geliştirdiler. Bu sistem, üretim hızından ödün vermeden tutarlı bir kalite sağlıyor.

Bilgisayarlı görü ile yapay zeka destekli gıda denetimini iyileştirme

1993 yılında Imola, İtalya'da kurulan Specialvideo, robot yönlendirme, otomatik denetim ve kusur tespiti için gelişmiş bilgisayarlı görü sistemleri tasarlama konusunda 30 yılı aşkın deneyime sahiptir. Uzmanlıkları ayrıca gıda endüstrisindeki bilgisayarlı görüye de uzanmaktadır. 

Özellikle, pizza üretimini kolaylaştırmak için örnek segmentasyonunu kullanan bir Vision AI gıda denetim sistemi geliştirdiler. Her bir malzemeyi ayrı bir nesne olarak ele alan sistem, malzemeleri gerçek zamanlı olarak doğru bir şekilde detect, segment ayırabiliyor ve sayabiliyor. Oklüzyonlar (bir malzemenin kısmen diğeri tarafından kaplanması) ve çift tespitler (sistemin bir malzemenin yalnızca bir örneği varken iki örneğini tanımlaması) gibi sorunları ele alır. Üreticiler, yerleştirme hatalarını (yani dengesiz soslar) belirleyerek üretim parametrelerini buna göre ayarlayabilirler.

Model, yeni içerikleri kolayca barındıracak şekilde tasarlanmıştır ve tam bir revizyona gerek kalmadan yeniden eğitilebilir.

Ayrıca sistem şekli kontrol edebilir, renk uyumluluğunu doğrulayabilir ve potansiyel kirleticileri detect ederek her ürünün yüksek güvenlik ve kalite standartlarını karşıladığından emin olabilir.

Gerçek zamanlı gıda kalite kontrolünde (QC) karşılaşılan zorluklar

Pizza üreticileri genellikle inanılmaz yüksek hızlarda çalışır ve her 600 milisaniyede bir yeni bir pizza üretir. Bu hızda, insan denetçilerin yetişmesi çok zordur, bu da malzemeleri izlemeyi ve kusurları doğru bir şekilde detect etmeyi zorlaştırır.

Buna ek olarak, salam ve mantar gibi üst üste gelen malzemeler birbirini kapatabilir, bu da bazen eksik veya aşırı malzeme, yanlış dağılım veya tutarsız miktarlarda pizzalara yol açar. Bu, yalnızca ürünün tekdüzeliğini bozmakla kalmaz, aynı zamanda müşterilerin beklentilerini karşılamayan pizzalar alması durumunda markanın itibarını da zedeler. 

Aynı zamanda, bu sorunlar daha yüksek hurda oranları ve israf edilen kaynaklar yoluyla operasyonel maliyetleri artırır. Bu sorunlara ek olarak, insan denetçiler uzun vardiyalarda yorgun düşebilir, bu da dikkatlerinin dağılmasına ve hata riskinin artmasına neden olur. 

Bu tuzakları fark eden birçok üretici, artık bilgisayarlı görü destekli kalite kontrol ve otomatik gıda denetim sistemlerini benimsiyor. Bu yenilikçi sistemler, gerçek zamanlı gözetim sağlar ve yüksek kaliteli çıktılar sağlarken insan hatalarını azaltmaya yardımcı olur. 

Makine görüşü ile gerçek zamanlı gıda kusuru tespiti

Specialvideo'nun Vision AI çözümü, her pizzayı gerçek zamanlı olarak incelemek için Ultralytics YOLO modellerinin örnek segmentasyon desteğini kullanır, böylece tüketicilere yalnızca kaliteli ürünler ulaşır. Her pizzayı tarifiyle karşılaştırarak malzemeleri doğru bir şekilde sayar ve ölçer, eksik veya fazla malzemeleri, eşit olmayan dağılımları ve tutarsız miktarları hızla tespit eder.

Yanlış hizalanmış malzemeler, hatalı malzeme miktarları veya mavi plastik gibi kirleticiler nedeniyle hatalı bir pizza tespit edildiğinde, sistem otomatik olarak bir hurda hattına yönlendirir. 

Specialvideo, dağıtım sonrası doğruluğu korumak için veri setini sürekli olarak genişletiyor, etiketleme doğruluğunu iyileştiriyor ve YOLO 'yu düzenli olarak yeniden eğitiyor. Aşırı uyumu önlemek ve modelin sınırlı sayıda örnekten genelleme yapmasına yardımcı olmak için eğitim sırasında veri artırımı kullanıyorlar. Ayrıca, eğitim görüntülerinin %10'u, ağın farklı salam türleri gibi aynı içerik türünde bile varyasyonları ele almasına yardımcı olan yararlı arka plan bağlamı sağlamak için Margherita pizzalarını içeriyor.

Bunun ötesinde, yeniden eğitim sürecini daha da verimli hale getirmek için Specialvideo yeni pizza malzemeleri için bir iş akışı uyguladı. Bu iş akışı, yeni görüntülerin etiketlenmesini hızlandırmak için YOLO 'dan yararlanıyor ve malzeme çeşitleri geliştikçe insan gözetimine olan ihtiyacı azaltıyor.

‍

Neden Ultralytics YOLO modellerini seçmelisiniz?

Specialvideo, Ultralytics YOLO modellerini kullanmayı seçti çünkü yapay zeka modeli performansı ve maliyeti arasında mükemmel bir denge sunuyorlar. Nvidia GTX-1660gt GPU (Grafik İşleme Birimi) ile sistem sadece 200 - 250 ms'lik çıkarım sürelerine ulaşarak her 600 ms'de bir pizza üreten bir üretim hattını idare edecek kadar hızlı hale geliyor. 

YOLO'nun verimli işleme hızı gerçek zamanlı kalite kontrolünü kolaylaştırır. Genel olarak, bu yaklaşım sadece üretimi kolaylaştırmakla kalmaz, aynı zamanda ölçeklenebilirliği de destekler ve yüksek hacimli gıda üretim ortamları için sağlam bir çözüm haline getirir. 

YOLO gıda denetim çözümü %99 doğruluk sağlıyor

Specialvideo'nun yapay zeka gıda denetim çözümü, Ultralytics YOLO modellerini entegre ederek pizza üretiminde kalite kontrolünü dönüştürdü. 1.500'den fazla görüntüden oluşan sağlam bir veri kümesi üzerinde eğitilen model, 10'dan fazla farklı malzemeyi doğru bir şekilde tanıyarak bunları zeytin, salam dilimleri, hamsi ve mozzarella topları gibi sayılabilir öğeler ve küp jambon, mantar, peynir dilimleri ve biber gibi sayılamayan öğeler olarak sınıflandırır. 

YOLO sistem gerçek zamanlı olarak %99'a varan doğrulukla çalışarak insan denetçilerden daha iyi performans gösterir ve manuel yöntemlere kıyasla denetim sürelerini önemli ölçüde azaltır. 

İlginç bir şekilde, çözüm, ilk eğitimine dahil edilmeyen salata ve makarna gibi gıda ürünlerindeki malzemeleri doğru bir şekilde tanıyarak yeni ürün hatlarına daha kolay genişleme yoluyla umut verici sonuçlar göstermiştir. Sonuç olarak, bu yenilikçi yaklaşım operasyonel verimliliği artırır, israfı en aza indirir ve maliyetleri düşürerek otomatik gıda denetimi ve kalite güvencesi için yeni bir ölçüt belirler.

Gıda endüstrisinde akıllı üretimi teşvik etmek

Specialvideo için gelecek heyecan verici görünüyor. Şirket, Vision AI çözümünü salata ve makarna gibi diğer gıda ürünlerini de içerecek şekilde genişletmeyi planlıyor. Derin öğrenme modellerini sürekli olarak ince ayar yaparak ve veri setini büyüterek Specialvideo, gerçek zamanlı kalite kontrolünü daha da iyileştirmeyi, israfı azaltmayı ve üretim verimliliğini artırmayı hedefliyor. Bu geliştirmeler, yeni endüstri standartları belirlemeye yardımcı olacak.

Vision AI ile operasyonlarınızı güçlendirmek mi istiyorsunuz? Ultralytics'in yapay zeka çözümlerinin sağlık hizmetlerinde yapay zeka ve üretimde bilgisayar görüşü gibi alanlarda nasıl bir etki yarattığını görmek için GitHub depomuza gidin. YOLO modellerimiz ve lisanslama seçeneklerimiz hakkında ayrıntılı bilgiler bulun ve daha akıllı, daha verimli otomasyona doğru ilk adımı atın.