Ultralytics YOLO unterstützt das Tool zur Lebensmittelkontrolle von Specialvideo

Verbesserte KI-Lebensmittelkontrolle mit Computer Vision

Specialvideo wurde 1993 in Imola, Italien, gegründet und verfügt über mehr als 30 Jahre Erfahrung in der Entwicklung fortschrittlicher Bildverarbeitungssysteme für die Roboterführung, automatische Inspektion und Fehlererkennung. Ihr Fachwissen erstreckt sich auch auf die Computer Vision in der Lebensmittelindustrie. 

Insbesondere haben sie ein Vision AI-Lebensmittelinspektionssystem entwickelt, das die Segmentierung von Instanzen nutzt, um die Pizzaproduktion zu optimieren. Indem es jeden Belag als eigenes Objekt behandelt, kann das System die Zutaten in Echtzeit genau erkennen, segmentieren und zählen. Es löst Probleme wie Verdeckungen (wenn eine Zutat teilweise von einer anderen verdeckt wird) und doppelte Erkennungen (wenn das System zwei Instanzen einer Zutat identifiziert, obwohl es nur eine gibt). Durch die Erkennung von Platzierungsfehlern (z. B. unausgewogene Toppings) können die Hersteller die Produktionsparameter entsprechend anpassen.

Das Modell ist so konzipiert, dass es leicht neue Zutaten aufnehmen kann und ohne eine komplette Überholung umgeschult werden kann.

Außerdem kann das System die Form überprüfen, die Farbkonformität sicherstellen und potenzielle Verunreinigungen aufspüren, um sicherzustellen, dass jedes Produkt den hohen Sicherheits- und Qualitätsstandards entspricht.

Herausforderungen in der Echtzeit-Qualitätskontrolle (QC) von Lebensmitteln

Pizzahersteller arbeiten oft mit unglaublich hohen Geschwindigkeiten und stellen alle 600 Millisekunden eine neue Pizza her. Bei dieser Geschwindigkeit ist es für menschliche Inspektor/innen sehr schwer, mitzuhalten, was es schwierig macht, den Belag zu kontrollieren und Fehler genau zu erkennen.

Außerdem können sich überlappende Zutaten wie Salami und Pilze gegenseitig verdecken, was manchmal zu Pizzen mit fehlendem oder übermäßigem Belag, falscher Verteilung oder uneinheitlichen Mengen führt. Das stört nicht nur die Einheitlichkeit des Produkts, sondern schadet auch dem Ruf der Marke, wenn die Kunden Pizzen erhalten, die nicht ihren Erwartungen entsprechen. 

Gleichzeitig treiben diese Probleme die Betriebskosten durch höhere Ausschussraten und verschwendete Ressourcen in die Höhe. Hinzu kommt, dass die Inspektoren bei langen Schichten ermüden können, was ihre Aufmerksamkeit schwächt und das Fehlerrisiko erhöht. 

Viele Hersteller haben diese Fallstricke erkannt und setzen jetzt auf eine computergestützte Qualitätskontrolle und automatische Lebensmittelinspektionssysteme. Diese innovativen Systeme ermöglichen eine Überwachung in Echtzeit und tragen dazu bei, menschliche Fehler zu reduzieren und gleichzeitig eine hohe Qualität zu erzielen. 

Erkennung von Lebensmittelfehlern in Echtzeit mit maschinellem Sehen

Die Vision AI-Lösung von Specialvideo nutzt die Instanzsegmentierungsunterstützung der Ultralytics YOLO , um jede Pizza in Echtzeit zu überprüfen, damit nur Qualitätsprodukte die Verbraucher erreichen. Sie zählt und misst die Beläge genau, indem sie jede Pizza mit ihrem Rezept vergleicht und so fehlende oder zusätzliche Zutaten, ungleiche Verteilungen und uneinheitliche Mengen schnell erkennt.

Wenn eine fehlerhafte Pizza erkannt wird - sei es durch falsch angeordnete Beläge, falsche Mengen an Zutaten oder Verunreinigungen wie blaues Plastik - leitet das System sie automatisch in eine Ausschusslinie um. 

Um die Genauigkeit auch nach dem Einsatz aufrechtzuerhalten, erweitert Specialvideo kontinuierlich seinen Datensatz, verbessert die Genauigkeit der Kennzeichnung und trainiert YOLO regelmäßig neu. Während des Trainings werden die Daten erweitert, um eine Überanpassung zu verhindern und dem Modell zu helfen, aus einer begrenzten Anzahl von Stichproben zu generalisieren. Außerdem zeigen 10 % der Trainingsbilder Margherita-Pizzen, um einen hilfreichen Hintergrundkontext zu liefern, der dem Netzwerk hilft, auch mit Variationen innerhalb der gleichen Zutatenart umzugehen, z. B. mit verschiedenen Salamisorten.

Um den Umschulungsprozess noch effizienter zu gestalten, hat Specialvideo außerdem einen Workflow für neue Pizzazutaten eingeführt. Dieser Arbeitsablauf nutzt YOLO , um die Beschriftung neuer Bilder zu beschleunigen und den Bedarf an menschlicher Aufsicht zu verringern, wenn sich die Sorten der Zutaten weiterentwickeln.

‍

Warum Ultralytics YOLO Modelle wählen?

Specialvideo hat sich für dieYOLO Ultralytics entschieden, weil sie ein gutes Gleichgewicht zwischen KI-Modellleistung und Kosten bieten. Mit einer Nvidia GTX-1660gt GPU (Graphics Processing Unit) erreicht das System Inferenzzeiten von nur 200 - 250 ms. Damit ist es schnell genug, um eine Produktionslinie zu bedienen, die alle 600 ms eine Pizza produziert. 

Die effiziente Verarbeitungsgeschwindigkeit von YOLOermöglicht eine Qualitätskontrolle in Echtzeit. Insgesamt rationalisiert dieser Ansatz nicht nur die Produktion, sondern unterstützt auch die Skalierbarkeit, was ihn zu einer robusten Lösung für die Lebensmittelproduktion mit hohen Stückzahlen macht. 

YOLO Lösung zur Lebensmittelkontrolle liefert 99% Genauigkeit

Durch die Integration von Ultralytics YOLO hat die KI-Lösung von Specialvideo für die Lebensmittelkontrolle die Qualitätskontrolle in der Pizzaproduktion verändert. Anhand eines robusten Datensatzes von über 1.500 Bildern erkennt das Modell mehr als 10 verschiedene Zutaten und kategorisiert sie in zählbare Artikel wie Oliven, Salamischeiben, Sardellen und Mozzarellakugeln und nicht zählbare Artikel wie Schinkenwürfel, Pilze, Käsescheiben und Paprika. 

Das YOLO System arbeitet in Echtzeit mit einer Genauigkeit von bis zu 99% und übertrifft damit menschliche Inspekteure und verkürzt die Inspektionszeiten im Vergleich zu manuellen Methoden erheblich. 

Interessanterweise hat die Lösung vielversprechende Ergebnisse gezeigt, indem sie Zutaten in Lebensmitteln, die nicht in der anfänglichen Schulung enthalten waren, wie z. B. Salate und Nudeln, genau erkannt hat, was die Ausweitung auf neue Produktlinien erleichtert. Letztendlich steigert dieser innovative Ansatz die betriebliche Effizienz, minimiert den Abfall und senkt die Kosten und setzt damit neue Maßstäbe für die automatisierte Lebensmittelkontrolle und Qualitätssicherung.

Förderung der intelligenten Produktion in der Lebensmittelindustrie

Die Zukunft von Specialvideo sieht spannend aus. Das Unternehmen plant, seine Vision AI-Lösung auf andere Lebensmittel wie Salate und Nudeln auszuweiten. Durch die kontinuierliche Feinabstimmung seiner Deep-Learning-Modelle und die Vergrößerung seines Datensatzes will Specialvideo die Qualitätskontrolle in Echtzeit weiter verbessern, Abfall reduzieren und die Produktionseffizienz steigern. Diese Verbesserungen werden dazu beitragen, neue Branchenstandards zu setzen.

Willst du deinen Betrieb mit Vision AI verbessern? In unserem GitHub-Repository erfährst du, wie die KI-Lösungen von Ultralyticsin Bereichen wie KI im Gesundheitswesen und Computer Vision in der Fertigung zum Einsatz kommen. Erhalte detaillierte Einblicke in unsere YOLO und Lizenzierungsoptionen und mache den ersten Schritt zu einer intelligenteren, effizienteren Automatisierung.