Portare l’AI nell’ispezione alimentare a raggi X, trasformando immagini e dati macchina in strumenti per qualità, controllo e nuove evoluzioni digitali.
Rayonics è un’azienda che dal 1986 progetta, produce e installa sistemi di ispezione a raggi X per il controllo qualitativo degli alimenti, con oltre 200 macchinari installati in tutto il mondo. La sfida affrontata nel progetto riguarda l’evoluzione dei sistemi di ispezione a raggi X per l’industria alimentare: passare da logiche di visione tradizionale a soluzioni capaci di interpretare in modo più avanzato immagini, anomalie e dati di processo. Nel contesto food, le macchine per l’ispezione di prodotti tramite raggi X hanno un ruolo critico nella garanzia della qualità e della sicurezza alimentare. Nel perimetro dei macchinari Rayonics, CIM ha lavorato su una traiettoria evolutiva finalizzata ad abilitare monitoraggio in tempo reale, manutenzione predittiva e analisi dei contaminanti tramite algoritmi di intelligenza artificiale.
Il progetto nasce quindi da tre esigenze industriali strettamente collegate: migliorare il riconoscimento automatico delle anomalie nelle immagini a raggi X, rendere l’elaborazione compatibile con vincoli di tempo reale e costruire una roadmap architetturale capace di valorizzare i dati generati dalle macchine in ottica edge-cloud.
CIM ha affiancato Rayonics attraverso un percorso articolato in tre filoni: Analisi di business e roadmap di sviluppo tecnologico, sviluppo di un Proof of Concept per l’anomaly detection su immagini X-ray e definizione e disegno di un’architettura Edge-Cloud per la gestione dei macchinari TO-BE.
Sono stati sviluppati e testati modelli di object detection basati su YOLOv11 e Faster R-CNN per l’identificazione di contaminanti, deformazioni e anomalie di contenuto su contenitori in vetro e latta. I modelli YOLO sono stati successivamente ottimizzati tramite TensorRT per l’esecuzione su NVIDIA Jetson AGX Orin, rendendo l’inferenza compatibile con scenari di ispezione automatica in tempo reale.
In parallelo, abbiamo analizzato l’architettura Rayonics esistente e proposto una traiettoria evolutiva edge-cloud, con integrazione di sensoristica, gateway edge, data lake, machine monitoring e servizi cloud per il monitoraggio remoto e la manutenzione predittiva.
Il progetto ha permesso di validare una base tecnologica per l’evoluzione dei sistemi Rayonics verso macchine più intelligenti, autonome e scalabili. I modelli sviluppati hanno raggiunto prestazioni elevate nell’identificazione delle anomalie su immagini X-ray successivamente a un’ottimizzazione sull’hardware NVIDIA Jetson AGX Orin. Oltre al Proof of Concept, abbiamo supportato l’azienda trasferendo strumenti e competenze per generare nuovi dataset sintetici, addestrare nuovi modelli, testare nuovi dati e replicare le attività di ottimizzazione. La roadmap Edge-Cloud definita nel progetto offre inoltre una direzione concreta per abilitare monitoraggio in tempo reale, manutenzione predittiva, gestione strutturata dei dati e nuovi servizi digitali post-vendita.
Portare l’AI nell’ispezione alimentare a raggi X, trasformando immagini e dati macchina in strumenti per qualità, controllo e nuove evoluzioni digitali.
Completa il modulo per ricevere la Free Preview direttamente nella tua casella di posta.
"*" indica i campi obbligatori
"*" indica i campi obbligatori
Completa il modulo e procedi al pagamento per ricevere il White Paper direttamente nella tua casella di posta.
"*" indica i campi obbligatori