通过集成 Ultralytics YOLO 模型，Specialvideo 的 AI 食品检测系统将检测准确率提升至 99%，并将每张披萨的检测时间缩短至 250 毫秒以内。
披萨制造商通常需要快速生产外观诱人、品质优良的产品，但人工检查每张披萨上的配料可能非常耗时。Specialvideo 采用由视觉 AI 驱动的方法，实时检测并计数配料，让生产商能够遵守配方标准、减少浪费并保持生产顺畅。
在测试各种视觉解决方案时，Specialvideo 发现语义分割等某些技术难以处理相互重叠或被遮挡的配料。借助Ultralytics YOLO 模型，他们克服了这些障碍，开发出可靠且高精度的 AI 驱动质量控制系统，能够即时识别、计数和验证配料。该系统确保质量稳定，同时不牺牲生产速度。
利用计算机视觉改进 AI 食品检测#
Specialvideo 于 1993 年在意大利伊莫拉成立，拥有 30 多年经验，致力于设计用于机器人引导、自动检测和缺陷检测的先进计算机视觉系统。其专业领域还包括食品行业的计算机视觉。
特别是，他们开发了一套视觉 AI 食品检测系统，利用实例分割简化披萨生产流程。通过将每种配料视为独立目标，该系统可以实时准确地检测、分割和计数配料。它能够解决遮挡问题（即一种配料被另一种配料部分遮住）和重复检测问题（即系统在实际只有一份配料时识别出两个实例）。通过识别摆放错误（即配料分布不均），制造商可以相应调整生产参数。
该模型易于适配新配料，无需彻底改造即可重新训练。
此外，该系统还能检查形状、核验颜色是否符合要求，并检测潜在污染物，确保每件产品达到严格的安全和质量标准。
实时食品质量控制 (QC) 面临的挑战#
披萨制造商的生产速度往往极快，每 600 毫秒就能生产一张新披萨。以这样的速度，人工检查员很难跟上，因此难以准确监控配料并检测缺陷。
此外，萨拉米香肠和蘑菇等相互重叠的配料可能会遮挡彼此，有时会导致披萨缺少或添加过多配料、配料分布不当，或配料数量不一致。这不仅会破坏产品的一致性，还会在客户收到不符合预期的披萨时损害品牌声誉。
与此同时，这些问题会导致废品率上升和资源浪费，从而推高运营成本。此外，人工检查员长时间轮班可能会感到疲劳，注意力随之下降，出错风险也会增加。
认识到这些问题后，许多制造商如今开始采用由计算机视觉驱动的质量控制和自动化食品检测系统。这些创新系统可实时监控生产，帮助减少人为错误，同时保障高质量产出。
利用机器视觉实时检测食品缺陷#
Specialvideo 的视觉 AI 解决方案利用 Ultralytics YOLO 模型的实例分割功能，实时检查每张披萨，确保只有合格产品送达消费者。该系统将每张披萨与其配方进行比对，准确计算并测量配料，快速检测缺少或多余配料、分布不均和数量不一致等问题。
系统检测到披萨存在缺陷时，无论是配料摆放不齐、配料用量错误，还是含有蓝色塑料等污染物，都会自动将其分流到废品生产线。
为确保部署后仍保持准确性，Specialvideo 持续扩充数据集、提高标注准确性，并定期重新训练 YOLO。他们在训练过程中使用数据增强来防止过拟合，并帮助模型从有限样本中进行泛化。此外，训练图像中有 10% 是玛格丽特披萨，可提供有用的背景信息，帮助网络处理同一种配料内部的差异，例如不同种类的萨拉米香肠。
此外，为了进一步提高再训练效率，Specialvideo 针对新的披萨配料实施了一套工作流。该工作流利用 YOLO 加快新图像的标注速度，随着配料种类不断变化，减少对人工监督的需求。
图 1。 YOLO 用于检测并分割披萨上的配料，以实现 AI 食品检测。
为什么选择 Ultralytics YOLO 模型？#
Specialvideo 选择使用 Ultralytics YOLO 模型，因为这些模型在AI 模型性能和成本之间实现了很好的平衡。该系统搭载 NVIDIA GTX 1660 GPU（图形处理器），推理时间仅为 200–250 毫秒，速度足以应对每 600 毫秒生产一个披萨的生产线。
YOLO 高效的处理速度有助于实现实时质量控制。总体而言，这种方法不仅简化了生产流程，还支持规模化应用，是适用于大批量食品制造环境的可靠解决方案。
YOLO 驱动的食品检测解决方案准确率达 99%#
通过集成 Ultralytics YOLO 模型，Specialvideo 的 AI 食品检测解决方案改变了披萨生产中的质量控制。模型在包含 1,500 多张图像的丰富数据集上训练，能够准确识别 10 多种不同配料，并将配料分为可计数类别（如橄榄、萨拉米香肠片、凤尾鱼和马苏里拉奶酪球）和不可计数类别（如火腿丁、蘑菇、奶酪片和甜椒）。
由 YOLO 驱动的系统可实时运行，准确率高达 99%，优于人工检查员，并显著缩短了相较于人工方法的检测时间。
值得关注的是，该解决方案已取得令人期待的成果，能够准确识别初始训练中未包含的食品配料，例如沙拉和意大利面，从而更轻松地拓展到新的产品线。最终，这种创新方法提升了运营效率、减少了浪费并降低了成本，为自动化食品检测和质量保证树立了新标杆。
推动食品行业的智能制造#
Specialvideo 的未来发展令人期待。该公司计划将其视觉 AI 解决方案拓展到沙拉和意大利面等其他食品。通过持续微调深度学习模型并扩大数据集，Specialvideo 希望进一步改进实时质量控制、减少浪费并提高生产效率。这些改进将有助于树立新的行业标准。
想借助视觉 AI 提升运营效率？前往我们的 GitHub 仓库，了解 Ultralytics 的 AI 解决方案如何在自动化视觉检测和制造业计算机视觉等领域发挥作用。深入了解我们的 YOLO 模型和许可选项，迈出实现更智能、更高效自动化的第一步。
