RapiD Vision, ein sofort einsetzbares Bildverarbeitungssystem auf Basis von Ultralytics YOLO-Modellen, erkennt Fehler und Verformungen in Echtzeit, speist die gewonnenen Erkenntnisse direkt in die ERP-Systeme der Kunden ein und verkürzt die Entwicklungszeit um eine Woche.
Da Lebensmittelverarbeitungsunternehmen zunehmend unter Druck stehen, gleichbleibende Qualität in großem Maßstab zu liefern, verändert die Bildverarbeitung die Arbeitsweise der Branche. RapiD Engineering, ein niederländisches Ingenieurunternehmen mit Hauptsitz im Fischerdorf Urk, treibt diesen Wandel maßgeblich voran und entwickelt RapiD Vision, eine sofort einsetzbare Bildverarbeitungsplattform für die Meeresfrüchteindustrie und darüber hinaus.
Durch die Integration von Ultralytics YOLO-Modellen in seine Qualitätskontrollsysteme unterstützt RapiD Engineering Lachsverarbeiter bei der Automatisierung der Qualitätskontrolle und der Erkennung von Fehlern und Verformungen (einer der arbeitsintensivsten und subjektivsten Schritte in ihrem Arbeitsablauf) – mit vollständiger Rückverfolgbarkeit vom Zuchtbetrieb bis zum Kunden.
Sofort einsetzbare Bildverarbeitung mit KI in der industriellen Produktion#
RapiD Engineering entwickelt technische Simulationen, Softwareanwendungen und Bildverarbeitungslösungen für industrielle Umgebungen. Mit seiner Plattform RapiD Vision entwirft das Unternehmen durchgängige Systeme auf Basis von drei Kernfunktionen: Pick-&-Place-Anwendungen für die robotergesteuerte Handhabung von Produkten, Qualitätskontrolle zur Fehlererkennung in Echtzeit sowie RapiD Vision Explorer als cloudbasierte Berichts- und Analyseschicht, die direkt in ERP-Systeme integriert ist.
Die Plattform ist für komplexe Bedingungen in der Praxis ausgelegt, kann sich überschneidende Produkte mithilfe von 3D-Bildverarbeitung und Kameras verarbeiten, zwischen Produkttypen unterscheiden und mehrere Roboter oder Maschinen über ein einziges Bildverarbeitungssystem koordinieren. Von den Produktlinien des Unternehmens hat sich die Qualitätskontrolle zum am schnellsten wachsenden Angebot entwickelt und stößt bei Lachsverarbeitern in ganz Europa auf große Nachfrage.
Abb. 1. Beispiel für die präzise Erkennung sich überschneidender Fische durch Ultralytics YOLO.
Die Herausforderungen der Qualitätskontrolle bei der Lachsverarbeitung#
Die Lachsverarbeitung ist eine Branche mit hohen Stückzahlen und hohen Präzisionsanforderungen, in der Qualitätsprobleme erhebliche Auswirkungen auf Kundenzufriedenheit und Preisgestaltung haben können. Fehler wie Blutflecken, Melaninflecken und andere Verformungen sind unauffällig und ähneln optisch der natürlichen Farbe des Lachsfleischs, wodurch sie mit dem menschlichen Auge nur schwer zuverlässig zu erkennen sind.
Die herkömmliche manuelle Prüfung ist langsam, ermüdend und unterscheidet sich je nach Bedienperson und Schicht. Selbst als Bildverarbeitung zugänglicher wurde, brachte ihr Einsatz in Umgebungen der Lebensmittelverarbeitung eigene Herausforderungen mit sich. Die Modelle mussten klein genug sein, um in Echtzeit auf Edge-Hardware zu laufen, präzise genug, um unauffällige Fehler zu erkennen, und flexibel genug, um bei der Einführung neuer Kameras, Lichtverhältnisse oder Umgebungen schnell neu trainiert werden zu können.
Vor der Einführung von Ultralytics stützte sich RapiD Engineering auf Detectron, eine Open-Source-Bibliothek von Meta. Obwohl sie leistungsfähig war, ließ sie sich nur schwer einrichten, Modelle konnten nur schwer exportiert werden und sie wurde nicht mehr aktiv gepflegt, wodurch sie für den langfristigen Produktionseinsatz ungeeignet war.
Fehlererkennung in Echtzeit mit Ultralytics YOLO#
Nach dem Wechsel zu Ultralytics baute RapiD Engineering seine Pipeline für die Qualitätskontrolle rund um YOLO-Modelle neu auf, die auf NVIDIA Jetson-Edge-Hardware ausgeführt werden. Jedes System zur Lachsverarbeitung führt gleichzeitig vier Ultralytics YOLO-Modelle aus. Eine oben und eine unten montierte Kamera erfassen dabei beide Seiten jedes Fisches, während er die Verarbeitungslinie durchläuft.
Für jede Seite führt das System zwei Modelle nacheinander aus: ein Ultralytics YOLO11-Nano-Modell, das den Lachs vom Förderband segmentiert, gefolgt von einem großen YOLO11-Modell, das feine Verformungen wie Blutflecken und Melaninflecken erkennt, bei denen die Farbunterschiede zum umgebenden Fleisch äußerst gering sein können. Durch den Einsatz eines kleineren Modells für die Segmentierung mit hohem Durchsatz und eines größeren Modells für die hochpräzise Erkennung erreicht RapiD Engineering auf Jetson-Hardware das richtige Gleichgewicht zwischen Geschwindigkeit und Genauigkeit.
Für das Training seiner Modelle hat RapiD Engineering mehr als 20.000 Lachsaufnahmen manuell annotiert und so einen hochwertigen Datensatz erstellt, der die visuellen Besonderheiten realer Verarbeitungsbedingungen berücksichtigt. Das Team trainiert die Modelle neu, wenn neue Systeme eingesetzt werden oder sich Umgebungsfaktoren wie Kameras oder Hintergründe ändern.
Warum Ultralytics YOLO-Modelle wählen?#
Für RapiD Engineering bot Ultralytics YOLO die ideale Kombination aus Einfachheit, Leistung und Flexibilität, um ein Produktionssystem zu unterstützen, das über mehrere Installationen hinweg betrieben wird.
Im Vergleich zum vorherigen Framework konnte das Team den Zeitaufwand für das Training, den Export und die Pflege der Modelle deutlich reduzieren und allein beim Exportprozess etwa eine Woche Entwicklungszeit pro Jahr einsparen. Mit jeder neuen Ultralytics-Version können die Modelle mit minimalem Aufwand neu trainiert, für den Einsatz auf Jetson nach TensorRT exportiert und wieder in die Produktion überführt werden.
Abb. 2. Beispiel für die Erkennung von Fehlern auf einem Lachsfilet mit Ultralytics YOLO.
Ultralytics YOLO gab RapiD Engineering außerdem die Flexibilität, mehrere Aufgabentypen zu nutzen, darunter Instanzsegmentierung, Objekterkennung und Posenschätzung – alles innerhalb desselben einheitlichen Frameworks. Dadurch werden aktuelle und zukünftige Produktfunktionen unterstützt, während das Unternehmen sein Portfolio für Bildverarbeitung mit KI erweitert.
Von der reinen Erkennung zu verwertbaren Erkenntnissen#
Über die Erkennung hinaus ist das Qualitätskontrollsystem von RapiD Engineering über RapiD Vision Explorer, die cloudbasierte Berichts- und Analyseschicht der Plattform, vollständig in die ERP-Systeme seiner Kunden integriert. Jeder analysierte Lachs wird zusammen mit seinen Lieferanten-, Zuchtbetriebs-, Standort- und Auftragsdaten in der Cloud protokolliert, sodass Kunden die Qualitätsleistung nach Herkunft detailliert nachvollziehen können.
Diese Daten werden zur Erstellung von Qualitätsberichten für einzelne Chargen verwendet. Sie helfen Verarbeitern dabei, nachzuverfolgen, welche Züchter und Lieferanten kontinuierlich Fisch höchster Qualität liefern, und im Laufe der Zeit fundierte Beschaffungsentscheidungen zu treffen. Mithilfe fortschrittlicher Analysen kann RapiD Vision Explorer sogar die aktuell besten Herkunftsquellen für hochwertige Produkte vorhersagen. Das System steuert außerdem nachgelagerte Förderbänder und leitet Lachs geringerer Qualität automatisch zu alternativen Verarbeitungswegen weiter, damit Kunden stets Fisch erhalten, der ihren Qualitätsspezifikationen entspricht.
Die Frontend-Software ermöglicht Bedienpersonen die Feinabstimmung von Erkennungsschwellenwerten, darunter die minimale Fleckengröße, Konfidenzwerte und der insgesamt betroffene Bereich, sodass das System an die spezifischen Qualitätskriterien jedes Verarbeiters angepasst werden kann.
Bildverarbeitung mit KI in der Meeresfrüchteindustrie skalieren#
Angesichts der starken Nachfrage nach seinen Qualitätskontrollsystemen und einer wachsenden Kundenbasis in ganz Europa ist RapiD Engineering gut aufgestellt, um die Rolle der Bildverarbeitung mit KI in der Meeresfrüchteverarbeitung und darüber hinaus weiter auszubauen. Das Unternehmen plant außerdem, seine Trainings- und Annotierungsabläufe auf die Ultralytics Platform zu migrieren und so seine Pipeline bei der Skalierung auf neue Installationen weiter zu optimieren.
Durch die Verbindung jahrzehntelanger technischer Erfahrung mit modernster Bildverarbeitung unterstützt RapiD Engineering Lachsverarbeiter dabei, eine transparentere, datengestützte und effizientere Lieferkette aufzubauen – eine Charge nach der anderen.
Möchtest du eigene Lösungen für Bildverarbeitung mit KI entwickeln? Entdecke die Ultralytics YOLO-Modelle, erfahre, wie YOLO branchenübergreifend Innovationen vorantreibt, und sieh dir unsere Lizenzierungsoptionen an, um loszulegen.
