Visionudstyr til detektion af slagtekropsforureninger – udvikling af målekoncept

Det vigtigste nye output er, at der på værtsslagteriet lanceres en opdatering af brugerinterfacet, og at der er udviklet en AI-model, således at det er muligt at detektere gødningsforurening på ydersiden af slagtekroppen vha. de to nuværende kameratårne (100% dækning er estimeret mulig ved fire kameratårne). Software-programmerne er opdaterede, og der er foretaget performance-forbedringer mhp. at håndtere seks billeder i billedanalysen.

Den næste store aktivitet i projektet er at opbygge en markant bedre AI-model til detektion af gødning på ydersiden for hele slagtekroppen. Der er arbejdet med re-annotering af gødningsforureningen for at forbedre modellen. Ligeledes er der etableret et ”Golden standard” valideringssæt, så en mere objektiv validering af præcisionen kan udføres.

Det vigtigste nye output er, at systemet anvendes i den daglige drift. Jf. dialog med værtsslagteriet er der enighed om, at fokuspunkterne er:

1)Forbedring af algoritme: Der er stadig mange falske positive. Værtsslagteriet er behjælpelig med at identificere billeder, hvor algoritmen har fejlet. Der er etableret en procedure for at gemme disse billeder til brug for videreudviklingen.

2)Detektion på midterstykkets yderside (afmærket med blåt) set fra den vinkel, der ser indersiden (bughule-vinklen). Der er arbejdet med udvikling af en ny algoritme til at skelne inderside fra yderside, da nuværende algoritme kun virker på ydersiden og ikke på indersiden.

Desuden er der kigget på billeder af indersiden til træning af en algoritme. Der findes dog kun få gødningsfund, hvilket vanskeliggør algoritmeudviklingen.

Den næste store aktivitet i projektet er at idriftsætte detektion på midterstykkets yderside, set fra bughule-vinklen. Der skal laves et nyt brugerinterface til håndtering af flere billeder samt visning på en brugervenlig måde.

Der skal ligeledes arbejdes mere med validering og kvantificering af algoritmens præcision. 

Det vigtigste nye output er, at detektionsalgoritmen til ydersiden er taget i brug på værtsslagteriet, dvs. at man på en skærm kan se, hvor der er detekteret gødning. Værtsslagteriet har gjort de første erfaringer med systemet, og der er en løbende dialog mht. performance.

Vi arbejder med validering af detektionsalgoritmen samt mulighederne for at forbedre den. En udfordring er at detektere gødning steder på slagtekroppen, hvor vi ikke har tilstrækkelig med reference-data til at kunne træne en stabil AI-model.

Den næste store aktivitet i projektet er at indsamle mere reference-data til forbedring af algoritmen til ydersiden. Vi er også startet på at annotere fund af gødning på indersiden for at få referencemateriale til at udvikle en detektionsalgoritme, der dækker indersideområderne, dvs. gennemskåret rygsøjle, ribbenskavitet mv. Dette giver udfordringer, da det er svært at finde eksempler på gødning på indersiden.