Development of a modern CNN-based model for detecting packaging defects at a dairy production enterprise

Abstract

Step inside the Yagotynsky Butter Plant and the first thing you notice isn't the technology, it's the speed. Thousands of units of milk, sour cream, and that famous butter fly across the conveyor belts every hour. When things move that fast, mistakes happen. A label goes on crooked. A plastic seal doesn't quite close. A date stamp comes out as a smudge. For years, we relied on people to catch these slips, but let's be honest: after four hours of watching white cartons zoom past, anyone's eyes start to play tricks on them. Fatigue is real, and it's the biggest enemy of quality. This is why we are looking at Convolutional Neural Networks (CNNs). We don't need a "revolutionary paradigm shift"; we just need a digital eye that doesn't get tired and doesn't blink. Зайдіть всередину Яготинського маслозаводу, і перше, що ви помічаєте, це не технології, а швидкість. Тисячі одиниць молока, сметани та того самого знаменитого масла щогодини пролітають конвеєрними стрічками. Коли все рухається так швидко, трапляються помилки. Етикетка криво кріпиться. Пластикова пломба не зовсім закривається. Штамп з датою розлітається. Роками ми покладалися на людей, щоб вони вловили ці помилки, але будемо чесними: після чотирьох годин спостереження за білими коробками, що проносяться повз, будь-яке око починає обманювати. Втома реальна, і це найбільший ворог якості. Ось чому ми розглядаємо згорткові нейронні мережі (ЗНМ). Нам не потрібен «революційний зсув парадигми»; нам просто потрібне цифрове око, яке не втомлюється і не моргає.