Ultralytics YOLO, Specialvideo'nun gıda denetim aracına güç veriyor

Pizza üreticileri genellikle görsel olarak çekici, yüksek kaliteli ürünleri yüksek hızda üretmek zorundadır, ancak her pizzanın üzerindeki malzemeleri manuel olarak incelemek zaman alıcı olabilir. Specialvideo, gerçek zamanlı olarak içerikleri tespit etmek ve saymak için görüntü yapay zekası odaklı bir yaklaşım kullanarak, üreticilerin tarif standartlarını korumasını, israfı azaltmasını ve sorunsuz operasyonlar sürdürmesini mümkün kılar.

Çeşitli görüntü çözümlerini test ederken, Specialvideo, semantik segmentasyon gibi bazı tekniklerin örtüşen veya gizli malzemelerle mücadele ettiğini keşfetti. Ultralytics YOLO modellerini kullanarak, bu engelleri aşabildiler ve gerçek zamanlı olarak malzemeleri tanımlayan, sayan ve doğrulayan güvenilir, yüksek doğruluklu, yapay zeka destekli bir kalite kontrol sistemi geliştirdiler. Üretim hızından ödün vermeden tutarlı kalite sağlar.

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 Görüntü Yapay Zeka destekli gıda denetimi sistemi geliştirdiler. Her bir malzemeyi ayrı bir nesne olarak ele alarak, sistem gerçek zamanlı olarak içerikleri doğru bir şekilde tespit edebilir, segmentlere ayırabilir ve sayabilir. Oklüzyon (bir malzemenin kısmen başka bir malzeme tarafından örtüldüğü durumlar) ve çift tespitler (sistemde yalnızca bir tane varken bir malzemenin iki örneğini tanımladığı durumlar) gibi sorunları ele alır. Yerleştirme hatalarını (yani, dengesiz malzemeler) belirleyerek, üreticiler 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 tespit ederek her ürünün yüksek güvenlik ve kalite standartlarını karşılamasını sağlayabilir.

Gerçek zamanlı gıda kalite kontrolünde (QC) karşılaşılan zorluklar

Pizza üreticileri genellikle inanılmaz yüksek hızlarda çalışarak her 600 milisaniyede bir yeni pizza üretirler. Bu hızda, insan denetçilerin ayak uydurması çok zordur, bu da malzemeleri izlemeyi ve herhangi bir kusuru doğru bir şekilde tespit 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, yalnızca kaliteli ürünlerin tüketicilere ulaşması için her pizzayı gerçek zamanlı olarak denetlemek üzere Ultralytics YOLO modellerinin örnek segmentasyonu desteğini kullanır. 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. 

Dağıtım sonrası doğruluğu korumak için Specialvideo, veri kümesini sürekli olarak genişletir, etiketleme doğruluğunu iyileştirir ve YOLO'yu düzenli olarak yeniden eğitir. Aşırı öğrenmeyi önlemek ve modelin sınırlı sayıda örnekten genellemesine yardımcı olmak için eğitim sırasında veri artırma kullanırlar. Ayrıca, ağın aynı malzeme türü içindeki farklı salam türleri gibi varyasyonları bile işlemesine yardımcı olmak için eğitim görüntülerinin %10'unda Margherita pizzaları bulunur ve bu da yararlı bir arka plan bağlamı sağlar.

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

‍

Neden Ultralytics YOLO modellerini seçmelisiniz?

Specialvideo, Ultralytics YOLO modellerini kullanmayı tercih etti çünkü yapay zeka modeli performansı ve maliyet arasında harika bir denge sunuyorlar. Bir Nvidia GTX-1660gt GPU (Grafik İşleme Birimi) ile sistem, yalnızca 200 - 250 ms'lik çıkarım sürelerine ulaşarak her 600 ms'de bir pizza üreten bir üretim hattını işleyecek kadar hızlı hale geliyor. 

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

YOLO özellikli gıda denetim çözümü %99 doğruluk sağlar

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

YOLO güdümlü sistem, insan denetçilerden daha iyi performans göstererek ve manuel yöntemlere kıyasla denetim sürelerini önemli ölçüde azaltarak %99'a varan doğrulukla gerçek zamanlı olarak çalışır. 

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 AI çözümlerinin sağlıkta yapay zeka ve üretimde bilgisayar görüşü gibi alanlarda nasıl bir etki yarattığını görmek için GitHub depomuza göz atın. YOLO modellerimiz ve lisanslama seçeneklerimiz hakkında ayrıntılı bilgilere ulaşın ve daha akıllı, daha verimli otomasyona doğru ilk adımı atın.