El reto

En una línea de ensamblaje que se mueve a alta velocidad, es posible que, a causa de la cantidad y la velocidad, las olivas defectuosas no se detecten cuando son supervisadas por seres humanos.

Utilizando un modelo de detección de objetos, es posible detectar defectos visuales en las olivas de manera más consistente, sin limitar la velocidad o la cantidad. Esto mejorará la calidad de los productos que se proporcionan a los clientes con cambios mínimos en el sistema de producción ya existente.

El objetivo

El objetivo es detectar aceitunas defectuosas mientras están siendo procesadas. Esto permitirá una mejor manera de determinar con precisión el precio de un lote de aceitunas. Si se eliminan las aceitunas defectuosas, se pueden proporcionar mejores productos de calidad a los clientes.

¿Cómo lo hemos hecho?

• Visión por ordenador
• Seguimiento y reconocimiento de objetos
• YOLOv7
• Label Studio

Resultado

El modelo desplegado fue capaz de detectar con precisión cuándo estaba presente un defecto. Esto permitió una mejor estimación del valor promedio del rendimiento de los productos que se miden.