Ultralytics YOLO công cụ kiểm tra thực phẩm của Specialvideo

Các nhà sản xuất pizza thường cần tạo ra những sản phẩm chất lượng cao, bắt mắt với tốc độ cao, nhưng việc kiểm tra thủ công lớp phủ trên mỗi chiếc pizza có thể tốn nhiều thời gian. Specialvideo tận dụng phương pháp tiếp cận dựa trên AI để detect và đếm nguyên liệu theo thời gian thực, giúp nhà sản xuất duy trì tiêu chuẩn công thức, giảm thiểu lãng phí và duy trì hoạt động trơn tru.

Trong quá trình thử nghiệm nhiều giải pháp thị giác khác nhau, Specialvideo phát hiện ra rằng một số kỹ thuật như phân đoạn ngữ nghĩa gặp khó khăn với các lớp phủ chồng chéo hoặc ẩn. Bằng cách sử dụng mô hình YOLO Ultralytics , họ đã có thể giải quyết những trở ngại này và phát triển một hệ thống kiểm soát chất lượng đáng tin cậy, độ chính xác cao, được hỗ trợ bởi AI, có khả năng nhận dạng, đếm và xác minh các lớp phủ một cách nhanh chóng. Hệ thống này đảm bảo chất lượng đồng đều mà không ảnh hưởng đến tốc độ sản xuất.

Cải thiện kiểm tra thực phẩm bằng AI với thị giác máy tính

Được thành lập vào năm 1993 tại Imola, Ý, Specialvideo dựa trên hơn 30 năm kinh nghiệm thiết kế các hệ thống thị giác máy tính tiên tiến để hướng dẫn robot, kiểm tra tự động và phát hiện lỗi. Chuyên môn của họ cũng mở rộng sang thị giác máy tính trong ngành công nghiệp thực phẩm. 

Cụ thể, họ đã phát triển một hệ thống kiểm tra thực phẩm Vision AI sử dụng phân đoạn thực thể để hợp lý hóa quy trình sản xuất pizza. Bằng cách xử lý từng lớp phủ như một đối tượng riêng biệt, hệ thống có thể phân tích chính xác detect , segment và đếm nguyên liệu theo thời gian thực. Giải pháp này giải quyết các vấn đề như tắc nghẽn (khi một nguyên liệu bị che khuất một phần bởi nguyên liệu khác) và phát hiện trùng lặp (khi hệ thống nhận diện hai trường hợp của một nguyên liệu trong khi thực tế chỉ có một). Bằng cách xác định lỗi sắp xếp (ví dụ: lớp phủ không cân bằng), nhà sản xuất có thể điều chỉnh các thông số sản xuất cho phù hợp.

Mô hình được thiết kế để dễ dàng điều chỉnh các thành phần mới và có thể được đào tạo lại mà không cần đại tu toàn bộ.

Ngoài ra, hệ thống có thể kiểm tra hình dạng, xác minh sự tuân thủ màu sắc và detect các chất gây ô nhiễm tiềm ẩn, đảm bảo rằng mỗi sản phẩm đều đáp ứng các tiêu chuẩn an toàn và chất lượng cao.

Những thách thức trong kiểm soát chất lượng (QC) thực phẩm theo thời gian thực

Các nhà sản xuất pizza thường hoạt động với tốc độ cực cao, cứ 600 mili giây lại cho ra lò một chiếc pizza mới. Với tốc độ đó, các thanh tra viên rất khó theo kịp, khiến việc giám sát lớp phủ và nhân bánh trở nên khó khăn. detect bất kỳ khiếm khuyết nào một cách chính xác.

Hơn nữa, các thành phần chồng chéo như salami và nấm có thể che khuất lẫn nhau, đôi khi dẫn đến pizza bị thiếu hoặc thừa topping, phân phối không chính xác hoặc số lượng không nhất quán. Điều này không chỉ phá vỡ tính đồng nhất của sản phẩm mà còn gây tổn hại đến uy tín của thương hiệu khi khách hàng nhận được những chiếc pizza không đáp ứng được mong đợi của họ. 

Đồng thời, những vấn đề này làm tăng chi phí vận hành thông qua tỷ lệ phế phẩm cao hơn và lãng phí tài nguyên. Thêm vào những vấn đề này, các thanh tra viên là con người có thể trở nên mệt mỏi sau những ca làm việc dài, khiến sự chú ý của họ giảm sút và tăng nguy cơ mắc lỗi. 

Nhận thấy những cạm bẫy này, nhiều nhà sản xuất hiện đang áp dụng hệ thống kiểm soát chất lượng và kiểm tra thực phẩm tự động hỗ trợ thị giác máy tính. Các hệ thống cải tiến này cung cấp sự giám sát theo thời gian thực và giúp giảm thiểu lỗi của con người đồng thời hỗ trợ đầu ra chất lượng cao. 

Phát hiện lỗi thực phẩm theo thời gian thực bằng thị giác máy

Giải pháp Vision AI của Specialvideo sử dụng Ultralytics YOLO Hỗ trợ phân đoạn phiên bản của mô hình để kiểm tra từng chiếc pizza theo thời gian thực, đảm bảo chỉ những sản phẩm chất lượng mới đến tay người tiêu dùng. Hệ thống đếm và đo lường chính xác các loại topping bằng cách so sánh từng chiếc pizza với công thức, nhanh chóng phát hiện các thành phần bị thiếu hoặc thừa, phân phối không đều và số lượng không nhất quán.

Khi một chiếc pizza bị lỗi được phát hiện - do các lớp phủ không thẳng hàng, lượng nguyên liệu không chính xác hoặc các chất gây ô nhiễm như nhựa màu xanh lam - hệ thống sẽ tự động chuyển nó đến dây chuyền loại bỏ. 

Để duy trì độ chính xác sau khi triển khai, Specialvideo liên tục mở rộng tập dữ liệu của mình, tinh chỉnh độ chính xác của nhãn và đào tạo lại YOLO Họ sử dụng phương pháp tăng cường dữ liệu trong quá trình huấn luyện để ngăn ngừa hiện tượng quá khớp và giúp mô hình tổng quát hóa từ một số lượng mẫu hạn chế. Ngoài ra, 10% hình ảnh huấn luyện có pizza Margherita để cung cấp bối cảnh nền hữu ích, giúp mạng xử lý các biến thể ngay cả trong cùng một loại nguyên liệu, chẳng hạn như các loại xúc xích salami khác nhau.

Ngoài ra, để quá trình đào tạo lại hiệu quả hơn nữa, Specialvideo đã triển khai quy trình làm việc cho các nguyên liệu làm pizza mới. Quy trình làm việc này tận dụng YOLO để tăng tốc độ dán nhãn hình ảnh mới, giảm nhu cầu giám sát của con người khi các loại thành phần phát triển.

‍

Tại sao chọn Ultralytics YOLO mô hình?

Specialvideo đã chọn sử dụng Ultralytics YOLO các mô hình vì chúng mang lại sự cân bằng tuyệt vời giữa hiệu suất mô hình AI và chi phí. Với Nvidia GTX-1660gt GPU (Bộ xử lý đồ họa), hệ thống đạt thời gian suy luận chỉ 200 - 250ms, đủ nhanh để xử lý một dây chuyền sản xuất pizza trong vòng 600ms. 

YOLO Tốc độ xử lý hiệu quả của hệ thống giúp kiểm soát chất lượng theo thời gian thực. Nhìn chung, phương pháp này không chỉ hợp lý hóa sản xuất mà còn hỗ trợ khả năng mở rộng, biến nó thành một giải pháp mạnh mẽ cho môi trường sản xuất thực phẩm khối lượng lớn. 

YOLO - Giải pháp kiểm tra thực phẩm được hỗ trợ mang lại độ chính xác 99%

Bằng cách tích hợp Ultralytics YOLO Giải pháp kiểm tra thực phẩm bằng AI của Specialvideo đã chuyển đổi quy trình kiểm soát chất lượng trong sản xuất pizza. Được đào tạo trên bộ dữ liệu mạnh mẽ gồm hơn 1.500 hình ảnh, mô hình có thể nhận dạng chính xác hơn 10 nguyên liệu khác nhau, phân loại chúng thành các loại có thể đếm được, chẳng hạn như ô liu, lát salami, cá cơm và mozzarella viên, và các loại không thể đếm được, chẳng hạn như giăm bông cắt khối, nấm, lát phô mai và ớt chuông. 

Các YOLO Hệ thống điều khiển hoạt động theo thời gian thực với độ chính xác lên đến 99%, vượt trội hơn các thanh tra viên và giảm đáng kể thời gian kiểm tra so với phương pháp thủ công. 

Điều thú vị là, giải pháp này đã cho thấy những kết quả đầy hứa hẹn bằng cách nhận dạng chính xác các thành phần trong các sản phẩm thực phẩm không có trong quá trình đào tạo ban đầu, chẳng hạn như salad và mì ống, tạo điều kiện mở rộng dễ dàng hơn sang các dòng sản phẩm mới. Cuối cùng, cách tiếp cận sáng tạo này giúp tăng hiệu quả hoạt động, giảm thiểu lãng phí và giảm chi phí, đặt ra một chuẩn mực mới cho việc kiểm tra thực phẩm và đảm bảo chất lượng tự động.

Thúc đẩy sản xuất thông minh trong ngành công nghiệp thực phẩm

Hướng đi tương lai của Specialvideo có vẻ đầy hứa hẹn. Công ty có kế hoạch mở rộng giải pháp Vision AI của mình để bao gồm các sản phẩm thực phẩm khác như salad và mì ống. Bằng cách liên tục tinh chỉnh các mô hình deep learning và phát triển bộ dữ liệu của mình, Specialvideo hướng đến việc cải thiện hơn nữa khả năng kiểm soát chất lượng theo thời gian thực, giảm lãng phí và tăng hiệu quả sản xuất. Những cải tiến này sẽ giúp thiết lập các tiêu chuẩn mới cho ngành.

Bạn muốn tăng cường hoạt động của mình với Vision AI? Hãy truy cập kho lưu trữ GitHub của chúng tôi để xem cách thực hiện. Ultralytics 'Các giải pháp AI đang tạo ra tác động trong các lĩnh vực như AI trong chăm sóc sức khỏe và thị giác máy tính trong sản xuất . Tìm hiểu thông tin chi tiết về YOLO các mô hình và tùy chọn cấp phép , và thực hiện bước đầu tiên hướng tới tự động hóa thông minh hơn và hiệu quả hơn.