كانت شركة Specialvideo تحاول بناء عملية مراقبة جودة موثوقة وعالية السرعة لمصنعي البيتزا لأن عمليات الفحص البشري لا يمكنها مواكبة إنتاج بيتزا واحدة كل 600 مللي ثانية.
من خلال دمج نماذج Ultralytics YOLO، عزز نظام فحص الأغذية بالذكاء الاصطناعي من Specialvideo دقة الكشف إلى أكثر من 95% وخفض وقت الفحص إلى أقل من 250 مللي ثانية لكل بيتزا.
غالبًا ما يحتاج مصنعو البيتزا إلى إنتاج منتجات جذابة بصريًا وعالية الجودة بسرعة عالية، ولكن فحص الإضافات يدويًا لكل بيتزا قد يستغرق وقتًا طويلاً. يستفيد Specialvideo من نهج يعتمد على الذكاء الاصطناعي في الرؤية لاكتشاف المكونات وإحصائها في الوقت الفعلي، مما يتيح للمنتجين الحفاظ على معايير الوصفات وتقليل الهدر والحفاظ على سلاسة العمليات.
أثناء اختبار حلول الرؤية المختلفة، اكتشفت شركة Specialvideo أن بعض التقنيات مثل التجزئة الدلالية واجهت صعوبات في التداخل أو التراكبات المخفية. وباستخدام نماذج Ultralytics YOLO، تمكنوا من معالجة هذه العقبات وتطوير نظام موثوق وعالي الدقة لمراقبة الجودة مدعوم بالذكاء الاصطناعي يحدد الطبقة ويحسبها ويتحقق منها أثناء التنقل. وهو يضمن جودة متسقة دون التضحية بسرعة الإنتاج.
تأسست شركة Specialvideo في عام 1993 في إيمولا بإيطاليا، وهي تستند إلى أكثر من 30 عامًا من الخبرة في تصميم أنظمة الرؤية الحاسوبية المتقدمة لتوجيه الروبوتات والفحص الآلي واكتشاف العيوب. وتمتد خبرتها أيضاً في مجال الرؤية الحاسوبية في صناعة الأغذية.
وعلى وجه الخصوص، طوّروا نظام فحص الطعام بالذكاء الاصطناعي المرئي الذي يستخدم تجزئة النماذج لتبسيط إنتاج البيتزا. من خلال التعامل مع كل طبقة علوية على أنها كائن مميز، يمكن للنظام اكتشاف المكونات وتجزئتها وعدها بدقة في الوقت الفعلي. ويعالج مشاكل مثل الانسدادات (حيث يكون أحد المكونات مغطى جزئيًا بمكون آخر) والاكتشافات المزدوجة (حيث يحدد النظام مثيلين لمكون واحد عندما يكون هناك مكون واحد فقط). ومن خلال تحديد الأخطاء في وضع المكونات (أي الإضافات غير المتوازنة)، يمكن للمصنعين تعديل معايير الإنتاج وفقًا لذلك.
صُمم النموذج لاستيعاب المكونات الجديدة بسهولة ويمكن إعادة تدريبه دون الحاجة إلى إصلاح شامل.
كما يمكن للنظام التحقق من الشكل، والتحقق من توافق الألوان، واكتشاف الملوثات المحتملة، والتأكد من أن كل منتج يفي بمعايير السلامة والجودة العالية.
غالبًا ما يعمل مصنعو البيتزا بسرعات عالية بشكل لا يصدق، حيث يقومون بإنتاج بيتزا جديدة كل 600 ميلي ثانية. وبهذه الوتيرة، يصعب على المفتشين البشريين مواكبة هذه الوتيرة، مما يجعل من الصعب مراقبة الطبقات واكتشاف أي عيوب بدقة.
علاوةً على ذلك، يمكن للمكونات المتداخلة مثل السلامي والفطر أن تحجب بعضها البعض، مما يؤدي في بعض الأحيان إلى بيتزا ذات إضافات ناقصة أو زائدة عن الحاجة، أو توزيعات غير صحيحة، أو كميات غير متناسقة. لا يؤدي ذلك إلى الإخلال بتجانس المنتج فحسب، بل يضر أيضًا بسمعة العلامة التجارية عندما يتلقى العملاء بيتزا لا ترقى إلى مستوى توقعاتهم.
وفي الوقت نفسه، تؤدي هذه المشكلات إلى زيادة التكاليف التشغيلية من خلال ارتفاع معدلات الخردة وإهدار الموارد. وإضافة إلى هذه المشاكل، يمكن أن يصاب المفتشون البشريون بالإرهاق على مدار نوبات عمل طويلة، مما يؤدي إلى تضاؤل انتباههم وزيادة مخاطر الأخطاء.
وإدراكًا لهذه المزالق، يتبنى العديد من المصنعين الآن أنظمة مراقبة الجودة المدعومة بالرؤية الحاسوبية وأنظمة الفحص الآلي للأغذية. توفر هذه الأنظمة المبتكرة رقابة في الوقت الفعلي وتساعد على تقليل الأخطاء البشرية مع دعم المخرجات عالية الجودة.
يستخدم حل Vision AI من Specialvideo الخاص بـ Specialvideo دعم تجزئة النماذج من Ultralytics YOLO لفحص كل بيتزا في الوقت الفعلي بحيث لا تصل إلى المستهلكين سوى المنتجات عالية الجودة. فهو يقوم بحساب وقياس الإضافات بدقة من خلال مقارنة كل بيتزا بالوصفة الخاصة بها، ويكتشف بسرعة المكونات المفقودة أو الإضافية والتوزيعات غير المتساوية والكميات غير المتسقة.
عندما يتم اكتشاف بيتزا معيبة - سواء كان ذلك بسبب الطبقات غير المتناسقة أو كميات المكونات غير الصحيحة أو الملوثات مثل البلاستيك الأزرق - يقوم النظام تلقائيًا بتحويلها إلى خط الخردة.
وللحفاظ على الدقة بعد النشر، يعمل Specialvideo باستمرار على توسيع مجموعة البيانات الخاصة به وتحسين دقة التسمية وإعادة تدريب YOLO بانتظام. كما أنها تستخدم زيادة البيانات أثناء التدريب لمنع الإفراط في التخصيص ومساعدة النموذج على التعميم من عدد محدود من العينات. كما أن 10% من صور التدريب تحتوي على بيتزا مارجريتا لتوفير سياق خلفي مفيد، مما يساعد الشبكة على التعامل مع الاختلافات حتى داخل نفس نوع المكون، مثل الأنواع المختلفة من السلامي.
وبالإضافة إلى ذلك، ولجعل عملية إعادة التدريب أكثر كفاءة، طبقت Specialvideo سير عمل لمكونات البيتزا الجديدة. يستفيد سير العمل هذا من YOLO لتسريع عملية وضع العلامات على الصور الجديدة، مما يقلل من الحاجة إلى الإشراف البشري مع تطور أنواع المكونات.
اختارت Specialvideo استخدام نماذج Ultralytics YOLO لأنها توفر توازناً رائعاً بين أداء نموذج الذكاء الاصطناعي والتكلفة. وبفضل وحدة معالجة الرسومات Nvidia GTX-1660gt (وحدة معالجة الرسومات)، يحقق النظام أزمنة استنتاج تتراوح بين 200 و250 مللي ثانية فقط، مما يجعله سريعاً بما يكفي للتعامل مع خط إنتاج ينتج بيتزا كل 600 مللي ثانية.
تسهل سرعة معالجة YOLO الفعالة مراقبة الجودة في الوقت الفعلي. وعمومًا، لا يعمل هذا النهج على تبسيط الإنتاج فحسب، بل يدعم أيضًا قابلية التوسع، مما يجعله حلاً قويًا لبيئات تصنيع الأغذية ذات الحجم الكبير.
من خلال دمج نماذج Ultralytics YOLO، أحدث حل فحص الأغذية بالذكاء الاصطناعي من Specialvideo تحولاً في مراقبة الجودة في إنتاج البيتزا. يتعرف النموذج الذي تم تدريبه على مجموعة بيانات قوية تضم أكثر من 1500 صورة، على أكثر من 10 مكونات مختلفة بدقة، ويصنفها إلى عناصر يمكن عدها، مثل الزيتون وشرائح السلامي والأنشوجة وكرات الموزاريلا، وعناصر غير قابلة للعد، مثل مكعبات لحم الخنزير والفطر وشرائح الجبن والفلفل.
يعمل النظام الذي يعتمد على نظام YOLO في الوقت الفعلي بدقة تصل إلى 99%، ويتفوق على المفتشين البشريين ويقلل بشكل كبير من أوقات الفحص مقارنة بالطرق اليدوية.
ومن المثير للاهتمام، أظهر الحل نتائج واعدة من خلال التعرف بدقة على المكونات في المنتجات الغذائية غير المدرجة في التدريب الأولي، مثل السلطات والمعكرونة، مما يسهل التوسع في خطوط إنتاج جديدة. في نهاية المطاف، يعزز هذا النهج المبتكر الكفاءة التشغيلية ويقلل من الهدر ويخفض التكاليف، مما يضع معيارًا جديدًا لفحص الأغذية الآلي وضمان الجودة.
يبدو الطريق أمام Specialvideo مثيرًا. تخطط الشركة لتوسيع حل Vision AI الخاص بها ليشمل منتجات غذائية أخرى مثل السلطات والمعكرونة. تهدف Specialvideo إلى تحسين مراقبة الجودة في الوقت الفعلي بشكل أكبر، وتقليل الهدر وتعزيز كفاءة الإنتاج، وذلك من خلال الضبط المستمر لنماذج التعلم العميق الخاصة بها وزيادة مجموعة البيانات الخاصة بها. ستساعد هذه التحسينات على وضع معايير جديدة في الصناعة.
هل ترغب في تعزيز عملياتك باستخدام الذكاء الاصطناعي البصري؟ توجّه إلى مستودع GitHub الخاص بنا للاطلاع على كيفية تأثير حلول الذكاء الاصطناعي من Ultralytics في مجالات مثل الذكاء الاصطناعي في الرعاية الصحية والرؤية الحاسوبية في التصنيع. اعثر على رؤى تفصيلية حول نماذج YOLO وخيارات الترخيص الخاصة بنا، واتخذ الخطوة الأولى نحو أتمتة أكثر ذكاءً وكفاءة.
نماذج Ultralytics YOLO عبارة عن بنيات رؤية حاسوبية تم تطويرها لتحليل البيانات المرئية من الصور ومدخلات الفيديو. يمكن تدريب هذه النماذج على مهام تشمل اكتشاف الكائنات وتصنيفها وتقدير الوضعية والتتبع وتجزئة النماذج:
Ultralytics YOLO11 هو أحدث إصدار من نماذج الرؤية الحاسوبية لدينا. تمامًا مثل إصداراته السابقة، فهو يدعم جميع مهام الرؤية الحاسوبية التي أحبها مجتمع الذكاء الاصطناعي للرؤية في YOLOv8. ومع ذلك، يأتي YOLO11 الجديد بأداء ودقة أكبر، مما يجعله أداة قوية وحليفًا مثاليًا لتحديات الصناعة في العالم الحقيقي.
يعتمد النموذج الذي تختار استخدامه على متطلبات مشروعك المحددة. من المهم أن تأخذ في الاعتبار عوامل مثل الأداء والدقة واحتياجات النشر. إليك نظرة عامة سريعة:
تُوزَّع مستودعات Ultralytics YOLO، مثل YOLOv5 و YOLO11، بموجب رخصة AGPL-3.0 افتراضيًا. صُممت هذه الرخصة المعتمدة من OSI للطلاب والباحثين والمتحمسين، وهي مصممة للطلاب والباحثين والمتحمسين، وتعزز التعاون المفتوح وتتطلب أن تكون أي برمجيات تستخدم مكونات AGPL-3.0 مفتوحة المصدر أيضًا. وعلى الرغم من أن هذا يضمن الشفافية ويعزز الابتكار، إلا أنه قد لا يتماشى مع حالات الاستخدام التجاري.
إذا كان مشروعك يتضمن تضمين برمجيات Ultralytics ونماذج الذكاء الاصطناعي في المنتجات أو الخدمات التجارية وترغب في تجاوز متطلبات المصدر المفتوح لرخصة AGPL-3.0، فإن رخصة المؤسسة هي الحل الأمثل.
تشمل مزاياترخيص المؤسسة ما يلي:
لضمان التكامل السلس وتجنب قيود AGPL-3.0، اطلب ترخيص Ultralytics للمؤسسات باستخدام النموذج المقدم. سيساعدك فريقنا في تكييف الترخيص مع احتياجاتك الخاصة.
.webp)
.webp)
.webp)
.webp)