エストニアのヌオ（Nõo）にある食肉工場ヌオ・リハトゥストゥス（Nõo Lihatööstus）は、包装ラインにカメラと学習モデルを入れ、ラベルや日付の誤りを見る仕組みを試しました。タルトゥ大学（University of Tartu）の記事（2025年7月16日）と、アイレ（AIRE）の実証プロジェクトページで紹介されています。
高速の包装ラインで人が追い切れない、ラベル・日付・中身の不一致を、カメラと学習モデルで同時に見て、出荷前に止めます。
包装ラインは最大でおよそ毎分80パック進み、製品の種類も頻繁に変わります。人が長い時間、目視だけで追うのは難しい現場です。
プロジェクトは、タルトゥ大学計算機科学研究所のアルディ・タンプー（Ardi Tampuu）氏が主導しました。アイレのデモとして、2024年3月1日から同年11月30日まで進みました。2台の800万画素（8MP）カメラの映像を、機械による映像検査（マシンビジョン）で見ます。日付やラベルの欠落・誤り、製品の取り違え、中身が空のパック、組み立てが誤ったパックを自動で見つけます。畳み込みニューラルネットワーク（CNN）と、少ない例で新製品を覚えるフューショット学習（few-shot learning）を使い、新しい製品でもエンジニアの手直しなしに認識します。
大学の記事は、不良品の量と人件費を大きく減らし、工程の信頼性を上げる、と書いています。アイレのページは、期待する成果として、不良の生産を年におよそ10トン減らし、ラインの人件費をおよそ10%減らす、としています。
国内メディアのグッドニュース（GoodNews）取材では、社長のラグナル・ローヴァ（Ragnar Loova）氏が、デモはうまくいき、いまは半分の稼働で、新年からフルで動かしたい、と話しています。同取材は、エストニアの食品企業として包装のAI検査を最初に入れた、という表現も使っています。
ローヴァ氏は、毎分80パックを超える確認は人には長い時間きつい、とも述べています。タンプー氏は、高価な特殊カメラや赤外、X線ではなく、良いカメラとAIで足りる場合がある、と説明しています。
| 公表されている説明 | こちらで確認できていないこと |
|---|---|
| ヌオの食肉工場。アイレのデモ。タンプー氏主導（タルトゥ大学 2025-07） | 工場の従業員数、年間出荷トン数の一次数字 |
| 最大約80パック/分。製品切替が多い。2台800万画素カメラ＋マシンビジョン | カメラ配置図、検出までの時間 |
| 欠落・誤りの日付／ラベル／製品、空パック・誤組を検出（大学／アイレ） | 検出率・誤報率の監査表 |
| 不良品と人件費を大きく減らす（大学の数字なしの説明） | 不良トン数・人件費の前後実測 |
| アイレ期間 2024-03-01〜11-30。CNN＋フューショット。期待：不良年約10トン減、ライン人件費約10%減 | 期待値の達成検証、第三者監査 |
| 社長：デモ成功。半分稼働→新年からフル意向（グッドニュース） | フル稼働開始日、稼働率の定義 |
| エストニア食品で包装AI検査の初導入、という自社・報道表現 | 「初」の業界定義の第三者確認 |
医薬品の外箱と添付の期限、化粧品のロット印字、部品キットの品番ラベル、通販の同梱ラベルなど、品種が変わりやすく、人が毎分の流れを追い切れないラインで使えます。高速ラインでラベル・日付・中身の不一致を、カメラと学習モデルが同時に見る使い方です。
毎分数十パックの包装で、ラベル・日付・中身の不一致をカメラと学習モデルが同時に見ます。新品目は少ない例で覚え、エンジニアの手直しなしに続けます。年約10トン・人件費約10%はアイレの期待値です。
