Vision til kødkontrol på svineslagterierne - Vision til kødkontrol (slagtekrop)

Det vigtigste nye output er, at

•De 4 tårne er ombygget til udelukkende hvidt lys og RGB-kameraer. I forbindelse med ombygningen blev der isat yderligere 6 kameraer, således at der opnås en større dækning af slagtekroppen, da vi tidligere har set, at der var områder, som ikke blev dækket optimalt.

•De billeder, der optages af de 18 kameraer med det nye kraftigere lys, er i høj kvalitet og vil danne grundlag for endnu bedre performance.

•Gentræning af gødningsalgoritmer pågår – Inden ny algoritme kan frigives, skal masken, der finder omrids af gris i fokus (”findgris”), justeres pga. de nye kameravinkler.

•Træning af model til lungehindear er igangsat – De nye kameravinkler og det bedre lys giver bedre dækning af bughulen, hvorfor vi også her forventer en forbedret performance.

•Videnskabelig artikel, som dokumenterer potentialet i anvendelsen af Vision til Kødkontrol baseret på en sammenligning med Båndkontrollen vha. Latent Klasse Modellering (LKM), er udarbejdet og indsendt til videnskabeligt tidsskrift. Pt. pågår peer review, og forventningen er, at artiklen efterfølgende kan udgives.

•Arbejdet med slutrapportering er godt i gang.

Den næste store aktivitet i projektet er, at

•Færdiggøre slutrapport

•Bygge nye ”findgris” masker og teste performance af de nye algoritmer

•Foretage ny sammenligning med Båndkontrollen vha. LKM analyse mht. udstyrets evner til at finde gødning og lungehindear 

Det vigtigste nye output er, at

•Der er designet og opbygget et tårn med 5 kameraer og 2 lysprint med hvide dioder på lokaliteten i Taastrup for at teste det nye setup, inden ombygning af alle fire tårne skal foregå på værtsvirksomheden. De første tests mht. varme og indstilling af kameravinkler er gennemført med godt resultat.

•Der – med afsæt i det gennemførte speciale – er god fremdrift i udarbejdelse af videnskabelig artikel med det mål at dokumentere potentialet i anvendelsen af Vision til Kødkontrol (VTK) overfor relevante interessenter.

•Resultater fra systemet er præsenteret ved forskellige konferencer, bl.a. ICoMST 2024 (international kødforskerkonference).

Den næste store aktivitet i projektet er, at

•Ombygge de 4 tårne på værtsvirksomheden med det nye kamera setup og udelukkende hvidt lys, hvilket forventes gennemført i weekenden 12. – 13. oktober.

•Gennemføre justering af algoritmer og test af performance, når det nye setup er installeret.

Det vigtigste nye output er, at

•Der er indsamlet flere gødningsfund fra ”resten af kroppen”, modellen er optimeret yderligere, og den performer tilfredsstillende.

•Modellen, som finder lungehindear, er optimeret og testet, og den performer tilfredsstillende.

•Som led i et veterinær-speciale er Båndkontrollen og VTK’s evne til at finde gødning sammenlignet. Konklusionen er, at VTK finder mere gødning end Båndkontrollen men også flere falske positive, hvorfor en kombination af VTK og Båndkontrollen pt. vil være det ideelle mht. at finde gødning.  

•Abstract ’Cameras and AI to enhance the meat inspection process’ er indsendt til ICoMST 2024 (international kødforskerkongres).

•Der er gennemført test udelukkende med anvendelse af hvidt diode-lys (ikke IR- og ikke diskrete RGB-dioder) for det ene bækkengangskamera for at undersøge, om hvidt lys er tilstrækkeligt, når der anvendes AI-algoritmer. Tidligere undersøgelser pegede på, at IR var vigtig for at kunne skelne mellem forureningstyper, når der udelukkende blev anvendt pixelbaserede analyser. Alt tyder på, at IR kun har lille eller ingen effekt med de avancerede AI-algoritmer, og da der samtidig kan opnås en stor pris-besparelse på systemet ved udelukkende at anvende hvide dioder, er det besluttet at ombygge tårne for yderligere at teste et sådant setup.   

Den næste store aktivitet i projektet er, at

-Ombygge tårne til hvidt lys, tilrette softwaren til det simplere setup og teste performance

-Fortsætte dialog med bl.a. Fødevarestyrelsen og slagterierne om den bedst mulige anvendelse af udstyrets data

-Udarbejde videnskabelig artikel på baggrund af det gennemførte speciale mhp. at dokumentere potentialet i anvendelsen af VTK overfor relevante interessenter

Det vigtigste nye output er, at

•Der nu er tilføjet flere gødningsfund uden for bækkengangen (”resten af kroppen”) i træningsdata, og modeller er gentrænet. Performance er forbedret, men der er stadig 10x flere fund i modellen fra bækkengangen (ca. 4000), i forhold til resten af kroppen, hvorfor der stadig vil kunne opnås forbedring ved at opsamle flere data fra ”resten af kroppen”.

•Lungehindear-modellen er optimeret yderligere, og der pågår validering, hvor tekniker kontrollerer fund på billeder, for at sikre at modellen ikke tager fejl. Da der er mange forekomster af lungehindear (ca. 7% af grise har forekomst af lungehindear), er der meget materiale at gennemgå, men til gengæld også meget data at optimere modeller ud fra.

•Arbejdet med galde-algoritmen er genstartet, og der arbejdes videre med optimering af algoritme til at detektere galde.

Den næste store aktivitet i projektet er, at

•Få indsamlet flere gødningsfund fra ”resten af kroppen” og optimere modellen yderligere.

•Teste performance mht. pålideligt at kunne finde lungehindear on-site

•Annotere mere data, som viser galde, og gentrænet model, så den performer bedre

•Diskutere – bl.a. med Fødevarestyrelsen og slagterierne - hvorledes udstyrets data bedst kan finde anvendelse på Båndkontrollen.

Det vigtigste nye output er, at:

•Gødningsalgoritmen, der tjekker for gødning i bækkengangen, performer på højde med båndkontrollen og er på et niveau, hvor det er vanskeligt at forbedre performance yderligere.

•Gødningsalgoritmen, som tjekker for gødning på ”resten af kroppen”, er god, men den kan optimeres yderligere ved at inkludere flere fund i træningsdata.

•Algoritmen, som finder lungehindear, er nu gentrænet og kører online, parallelt med gødningsalgoritmerne. Performance er på niveau med båndkontrollen, men den vil kunne forbedres yderligere, også ved at tilføje flere validerede fund i træningsdata.

•Der genereres regelmæssigt confusionmatricer, som sammenligner fund gjort af båndkontrollen med Vision til kødkontrol fund.

•Der er skiftet til en 24” skærm til visning af gødningsfund i udrensningen, således at operatørerne bedre kan se, hvor fund forekommer.

Den næste store aktivitet i projektet er at:

•Få tilføjet flere fund på ”resten af kroppen” i træningsdata, og derefter gentræne modeller.

•Teste performance af de nye modeller on-site Bbåndkontrollen, således at mulige gødningsfund kan verificeres fysisk på slagtekroppen.

•Få optimeret lungehindear-modellen og drøfte anvendelse af data på båndkontrollen med Fødevarestyrelsen

•Starte op igen på arbejdet med algoritme til at detektere galde.

Det vigtigste nye output er:

• Der arbejdes fortsat med at forbedre gødningsalgoritmerne, da modellerne til stadighed bliver bedre og mere sikre, når flere validerede gødningsfund inkluderes i træningsdata.

• Der er endvidere arbejdet med at afskærme lys fra de nye loftsarmaturer, som efter slagteriets opgradering til LED-paneler giver et ikkeuvæsentligt uheldigt lysindfald, hvilket betyder, at gødningsmodeller ikke performer som forventet jf. vores testsimuleringer.

• Den midlertidige lys-afskærmning, som er etableret, har nedbragt det uønskede lysindfald til et acceptabelt niveau.

• Der arbejdes på automatisk at kunne udtrække data, som kan benyttes til at sammenligne de fund, ‘Vision til kødkontrol’ finder med Båndkontrollens fund.

• Der er bestilt større skærm (24”) til visning af fund for udrensningen, da den nuværende skærm er for lille (17”) i forhold til de billeder, der skal vises.

Det vigtigste nye output er, at vi er begyndt at bruge output fra vores gødningsalgoritmer på slagtelinjen. Gødningsfund vises for operatørerne i udrensningen, således at de får hjælp til at lokalisere gødning. Normalt får operatørerne kun at vide, at der er fundet gødning, men ikke hvor det specifikt er fundet.

Der arbejdes løbende med at forbedre gødningsalgoritmerne, da modellerne til stadighed bliver bedre og mere sikre, når flere validerede gødningsfund inkluderes i træningsdata. Især i bækkengangen performer gødningsalgoritmerne nu på højt niveau.

Billedet er et eksempel på det skærmbillede, operatørerne har fået til rådighed. Der indhentes løbende feedback mht. funktionalitet og anvendelighed fra linjen.   

Den næste store aktivitet i projektet er at få valideret systemets evne til at finde gødning - vurderet i forhold til den nuværende performance af den manuelle båndkontrol. Der skal udtænkes og dernæst gennemføres test, som kan vise, hvor vi står.

Det vigtigste nye output er, at der nu er opsamlet en stor mængde af validerede billeder, dels med gødning, dels med eksempler som ligner gødning, men som ikke er det. Disse billeder er i proces mht. at blive annoteret (de dele der er relevante klippes ud, og klassificeres), således at algoritmerne kan trænes med dem. Ved træningen ”belønnes” softwaren, når den finder gødning, og ”straffes”, når den finder noget, som den tror er gødning, men som ikke er det. For at kunne lave robuste algoritmer kræves et stort valideret referencedatasæt, specielt fordi gødning har så mange forskellige former, og fordi slagtekroppen er så kompleks.

Den gode nyhed er, at algoritmens performance snart ser ud til at være på et niveau, hvor vi kan begynde at bruge output.

Den næste store aktivitet i projektet er at optimere algoritmerne yderligere, således at vi dels kan kommunikere fund til kødkontrollen, dels vise personalet ved udrensningen hvor fund sidder på kroppen.

Det vigtigste nye output er, at vi over flere omgange har testet vores gødningsalgoritme og samtidigt indsamlet flere billeder med verificerede gødningsfund, så vi bedre dækker den store gødningsvariation.

Vores evne til at finde større (>2x2 mm) gødningsforekomster er robust, men udfordringen er, at mange gødningsfund, særligt i bækkengangen, er mindre. Vi har derfor måtte tilpasse vores strategi, således at området i bækkengangen bliver undersøgt ”mere grundigt”. Da vi i dette område søger efter fund, som er mindre end 0,5 x 0,5 mm, giver det anledning til en del falske positive, som vi nu skal have trænet væk.

Alle 12 kamera-vinkler er med i analysen, således at der nu foretages helkropsanalyse efter gødning i real tid.  

Den næste store aktivitet i projektet er løbende at opdatere gødningsalgoritmer på udstyret, der står på værtslagteriet, og løbende teste udstyrets evne til robust at finde gødning i sammenligning med operatørerne. For at holde fokus vil der ikke kigges på andre veterinærkoder, før end der kan opnås en performance svarende til, hvad der er muligt manuelt og med et lavt antal af falske positive. 

Det vigtigste som er sket i perioden er, at der er opstået problemer med udstyr, som skal løses, inden test kan fortsætte.
Der er 2 problemer:

1)Computer-kabinet bliver for varmt pga. den ekstra effekt, som det ekstra grafikkort afsætter. PC flyttes op på loft over udstyret, hvor der er bedre køling.

2)Lamper, som skal belyse skinken, er blevet defekte, og giver ”forkert” lys, hvilket gør, at udstyret ikke kan kalibreres korrekt. Lamper skal skiftes. Nye er bestilt, men de kommer først ultimo januar 2022.

Der er endvidere blevet sat gang i proces mht. at få EU-kommissionen til at acceptere, at udstyr kan bruges til kontrol af røde koder, som fx gødning. Pt. må udstyr ikke bruges til ubemandet kontrol af røde koder. En operatør skal vurdere gris/fund. Blå koder må slagteriet suverænt bestemme over, så detektion af lungehindear og galde vil kunne ske automatisk, når slagteriets folk er overbevist om, at udstyr pålideligt finder koder. Galde er pt. rød kode, men da det er eftervist, at der ikke er Salmonella i galde, forventes det, at galde snart nedgraderes til en kode blå igen.

Der er opnået bevilling, således at projektet kan fortsætte i 2022.

Den næste store aktivitet i projektet er at få flyttet PC og opdateret lamper samt fortsætte med at teste og optimere algoritmer, således at udstyret pålideligt kan finde koder.

Parallelt hermed vil der blive arbejdet på at etablere acceptkriterier, således at der kan opnås en fælles accept af, hvad der kræves for at kunne godkende performance af udstyr.

Det skal besluttes, om projektet skal skifte fokus. Skal gødning fortsat have 1. prioritet, eller er det bedre at få galde- og lungehindear-algoritmer på plads, da de koder umiddelbart er nemmere at finde, nemmere at validere, nemmere at implementere og straks vil aflaste kødkontrollen.

Det vigtigste nye output er, at integrationen med slagteriets systemer er ved at være færdiggjort.

Der er opsat terminaler på båndkontrollen (3 stk.), efterkontrollen (1 stk.) og slutkontrollen (2 stk.). Terminalerne viser forureningsfund til medarbejderne de respektive steder. Terminalerne viser de relevante billeder til medarbejderne, som så kan bekræfte forureningsfund på deres gamle terminaler.

På efterkontrollen skal de nye terminaler bruges til både at give feedback til optimering af algoritmerne og til at sikre, at al forurening bliver fjernet.

Den næste store aktivitet i projektet er at tænde for de nye terminaler, indkøre dem og forbedre algoritmerne med validerede træningsdata. Herefter skal systemet valideres og dets præcision kvantificeres. I 2021 skal der udvælges et nyt værtsslagteri til et nyt system. Dette nye system skal være en lettere forbedret og produktmodnet udgave.