쌀 품질 검사를 위한 AI 모델

고객사는 8개국에서 4,000개 이상의 매장을 운영하고 있는 일본의 선도적인 외식 프랜차이즈 기업입니다.
AI Model for Checking Rice Quality

클라이언트 요구 사항

고객사는 8개국에서 4,000개 이상의 매장을 운영하고 있는 일본의 선도적인 외식 프랜차이즈 기업입니다. 회사는 세계 최고의 식음료 기업이 되는 것을 목표로 하고 있습니다. 이러한 목표를 달성하기 위해 다양한 공급업체로부터 구매하는 쌀의 품질을 조달 과정의 여러 단계에서 평가할 필요가 있습니다.

HBLAB의 솔루션

HBLAB은 일반 데이터를 활용하여 Cascade Mask R-CNN 모델을 적용해 쌀 낱알을  양품(OK), 색상 이상(Error), 파손(Broken), 균열(Cracked) 등 네 가지 유형으로 탐지 및 분류하였습니다. .

1개월간의 개발을 거쳐 각 항목에 대해 다음과 같은 정확도를 달성하였습니다.

프로젝트 세부정보

  • 사용 기술 Instant Segmentation (Cascade mask RCNN), Synthetic data generation
  • 개발팀 1 AI Engineer
  • 프로젝트 기간 1개 월

결과

쌀 분류 AP는 IOU 0.75 기준으로 97%입니다.
쌀을 4가지 유형으로 분류한 결과는 다음과 같습니다.

■ OK: 96,6% (AP_75)

■ Error: 86,9% (AP_75)

■ Broken: 71,1% (AP_75)

■ Cracked: 61,2% (AP_75)

관련 사례

성공적인 프로젝트 사례를 통해 귀사의 비즈니스에 대한 아이디어를 얻고, HBLAB과의 파트너십이 왜 올바른 선택인지 확인해보세요.
일본 상위 5대 자동차 제조사 대상 프로젝트입니다.
고객사의 인사 관리 시스템은 NifCloud 플랫폼을 기반으로 운영되며, 자동 확장 기능과 중앙 집중 로그 데이터베이스가 부족한 상황이었습니다
고객사는 병원과 클리닉에 스마트워치로부터 수집된 환자의 건강 상태 데이터를 기록, 처리 및 분석할 수 있는 시스템을 제공하는 소프트웨어 회사입니다.
위로 스크롤