RapiD Engineering implementiert die Qualitätskontrolle für Meeresfrüchte eine Woche schneller mit Ultralytics YOLO
Sieh dir an, wie RapiD Engineering Ultralytics YOLO einsetzt, um die Lachsinspektion zu automatisieren, Defekte in Echtzeit zu erkennen und eine Woche Entwicklungsarbeit einzusparen.
Problem
Die Qualitätskontrolle bei der Lachsverarbeitung stützte sich traditionell auf die manuelle visuelle Inspektion, was sie langsam, inkonsistent und schwierig über Lieferanten, Erzeuger und Chargen hinweg zu standardisieren machte.
Solution
RapiD Vision, ein Plug-and-Play-Vision-System, das von Ultralytics YOLO-Modellen angetrieben wird, erkennt Defekte und Deformationen in Echtzeit, speist Erkenntnisse direkt in die ERP-Systeme der Kunden ein und reduziert den Ingenieursaufwand um eine Woche.
Da Lebensmittelverarbeitungsunternehmen unter zunehmendem Druck stehen, gleichbleibende Qualität in großem Maßstab zu liefern, verändert Computer Vision die Art und Weise, wie die Branche arbeitet. RapiD Engineering, ein in den Niederlanden ansässiges Ingenieurbüro mit Hauptsitz im Fischerdorf Urk, steht an der Spitze dieses Wandels und entwickelt RapiD Vision, eine Plug-and-Play-Vision-Plattform, die für die Meeresfrüchteindustrie und darüber hinaus konzipiert ist.
Durch die Integration von Ultralytics YOLO Modellen in seine Qualitätskontrollsysteme hilft RapiD Engineering bei der Automatisierung der Qualitätskontrolle bei Lachsverarbeitern, indem Fehler und Deformationen erkannt werden (einer der arbeitsintensivsten und subjektivsten Schritte in ihrem Arbeitsablauf), mit vollständiger Rückverfolgbarkeit vom Erzeuger bis zum Kunden.
Link to this sectionPlug-and-Play Vision AI in die industrielle Produktion bringen#
RapiD Engineering entwickelt technische Simulationen, Softwareanwendungen und Computer-Vision-Lösungen für industrielle Umgebungen. Über seine RapiD Vision-Plattform entwirft das Unternehmen End-to-End-Systeme, die auf drei Kernfähigkeiten basieren: Pick & Place-Anwendungen für robotergestützte Produkthandhabung, Qualitätskontrolle für die Echtzeit-Fehlererkennung und RapiD Vision Explorer, eine cloudbasierte Berichts- und Analyseebene, die direkt in ERP-Systeme integriert wird.
Die Plattform ist für komplexe, reale Bedingungen ausgelegt und in der Lage, überlappende Produkte mithilfe von 3D-Vision/Kameras zu handhaben, zwischen Produkttypen zu unterscheiden und mehrere Roboter oder Maschinen von einem einzigen Vision-System aus zu steuern. Unter seinen Produktlinien ist die Qualitätskontrolle zum am schnellsten wachsenden Angebot des Unternehmens geworden, das eine starke Nachfrage von Lachsverarbeitern in ganz Europa verzeichnet.
Abb. 1. Beispiel für überlappenden Fisch, der präzise von Ultralytics YOLO erkannt wird.
Link to this sectionDie Herausforderungen der Qualitätskontrolle bei der Lachsverarbeitung#
Die Lachsverarbeitung ist eine Industrie mit hohem Volumen und hoher Präzision, in der Qualitätsprobleme erhebliche Auswirkungen auf die Kundenzufriedenheit und die Preisgestaltung haben können. Defekte wie Blutergüsse, Melaninflecken und andere Deformationen sind subtil und dem natürlichen Aussehen von Lachsfleisch visuell sehr ähnlich, was es schwierig macht, sie mit dem menschlichen Auge konsistent zu erkennen.
Die manuelle Inspektion ist langsam, ermüdend und über verschiedene Bediener und Schichten hinweg inkonsistent. Selbst als Computer Vision zugänglicher wurde, brachte der Einsatz in der Lebensmittelverarbeitung eigene Herausforderungen mit sich. Die Modelle mussten klein genug sein, um in Echtzeit auf Edge-Hardware zu laufen, präzise genug, um subtile Defekte zu erkennen, und flexibel genug, um schnell neu trainiert werden zu können, wenn neue Kameras, Lichtverhältnisse oder Umgebungen eingeführt wurden.
Vor der Einführung von Ultralytics verließ sich RapiD Engineering auf Detectron, eine Open-Source-Bibliothek von Meta. Obwohl leistungsstark, war sie schwierig einzurichten, der Export von Modellen war kompliziert und sie wurde nicht mehr aktiv gepflegt, was sie für den langfristigen Produktionseinsatz ungeeignet machte.
Link to this sectionEchtzeit-Fehlererkennung mit Ultralytics YOLO#
Nach dem Wechsel zu Ultralytics baute RapiD Engineering seine Qualitätskontroll-Pipeline um YOLO-Modelle herum auf, die auf NVIDIA Jetson Edge-Hardware laufen. Jedes Lachsverarbeitungssystem betreibt gleichzeitig vier Ultralytics YOLO-Modelle, wobei eine oben und eine unten montierte Kamera beide Seiten jedes Fisches erfassen, während er durch die Linie läuft.
Für jede Seite führt das System zwei Modelle nacheinander aus: Ein Ultralytics YOLO11 Nano-Modell, um den Lachs vom Förderband zu segmentieren, gefolgt von einem großen YOLO11-Modell, um feinkörnige Deformationen wie Blutergüsse und Melaninflecken zu erkennen, bei denen Farbunterschiede zum umgebenden Fleisch extrem subtil sein können. Durch die Verwendung eines kleineren Modells für die Hochdurchsatz-Segmentierung und eines größeren Modells für die hochpräzise Erkennung erreicht RapiD Engineering das richtige Gleichgewicht zwischen Geschwindigkeit und Genauigkeit auf Jetson-Hardware.
Um seine Modelle zu trainieren, annotierte RapiD Engineering manuell mehr als 20.000 Bilder von Lachs und baute einen hochwertigen Datensatz auf, der die visuellen Nuancen der realen Verarbeitungsbedingungen bewältigt. Das Team trainiert Modelle neu, wenn neue Systeme eingesetzt werden oder wenn sich Umweltfaktoren wie Kameras oder Hintergründe ändern.
Link to this sectionWarum solltest du dich für Ultralytics YOLO Modelle entscheiden?#
Für RapiD Engineering bot Ultralytics YOLO die ideale Kombination aus Einfachheit, Leistung und Flexibilität, um ein Produktionssystem zu unterstützen, das über mehrere Implementierungen hinweg läuft.
Im Vergleich zu seinem vorherigen Framework konnte das Team den Zeitaufwand für das Trainieren, Exportieren und Warten von Modellen drastisch reduzieren, was etwa eine Woche Ingenieurszeit pro Jahr allein beim Export-Workflow einsparte. Mit jeder neuen Ultralytics-Veröffentlichung können Modelle neu trainiert, für den Jetson-Einsatz in TensorRT exportiert und mit minimalem Reibungsverlust wieder in die Produktion gebracht werden.
Abb. 2. Beispiel für Defekte auf Lachfilet, die mit Ultralytics YOLO erkannt werden.
Ultralytics YOLO gab RapiD Engineering auch die Flexibilität, mehrere Aufgabentypen zu verwenden, einschließlich Instanz-Segmentierung, Objekterkennung und Pose-Schätzung, alles aus demselben vereinheitlichten Framework, was aktuelle und zukünftige Produktmerkmale unterstützt, während das Unternehmen sein Vision AI-Portfolio erweitert.
Link to this sectionVon der Roh-Erkennung zu umsetzbaren Erkenntnissen#
Über die Erkennung hinaus ist das Qualitätskontrollsystem von RapiD Engineering über RapiD Vision Explorer, die cloudbasierte Berichts- und Analyseebene der Plattform, vollständig in die ERP-Systeme seiner Kunden integriert. Jeder analysierte Lachs wird in der Cloud zusammen mit seinen Lieferanten-, Erzeuger-, Standort- und Bestelldaten protokolliert, was den Kunden einen detaillierten Blick auf die Qualitätsleistung nach Quelle gibt.
Diese Daten werden verwendet, um chargenbezogene Qualitätsberichte zu erstellen, die Verarbeitern helfen, nachzuverfolgen, welche Erzeuger und Lieferanten konstant die hochwertigsten Fische liefern, und im Laufe der Zeit informierte Beschaffungsentscheidungen zu treffen. Durch fortschrittliche Analysen kann RapiD Vision Explorer sogar die besten aktuellen Quellen für hochwertige Produkte vorhersagen. Das System steuert auch nachgeschaltete Förderbänder und leitet minderwertigen Lachs automatisch auf alternative Verarbeitungswege um, sodass Kunden immer Fisch erhalten, der ihren Qualitätsspezifikationen entspricht.
Front-End-Software ermöglicht es Bedienern, Erkennungsschwellenwerte fein abzustimmen, einschließlich Mindestfleckengröße, Konfidenzwerte und betroffene Gesamtfläche, wodurch sichergestellt wird, dass das System an die spezifischen Qualitätskriterien jedes Verarbeiters angepasst werden kann.
Link to this sectionSkalierung von Vision AI in der Meeresfrüchteindustrie#
Mit einer starken Nachfrage nach seinen Qualitätskontrollsystemen und einer wachsenden Kundenbasis in ganz Europa ist RapiD Engineering gut positioniert, um die Rolle von Vision AI in der Meeresfrüchteverarbeitung und darüber hinaus weiter auszubauen. Das Unternehmen plant zudem, seine Trainings- und Annotations-Workflows auf die Ultralytics Platform zu migrieren, um seine Pipeline bei der Skalierung über neue Implementierungen hinweg weiter zu optimieren.
Durch die Kombination jahrzehntelanger Ingenieursexpertise mit modernster Computer Vision hilft RapiD Engineering Lachsverarbeitern dabei, eine transparentere, datengesteuerte und effizientere Lieferkette aufzubauen, Charge für Charge.
Interessiert daran, eigene Vision AI-Lösungen zu entwickeln? Entdecke Ultralytics YOLO Modelle, erfahre, wie YOLO Innovationen branchenübergreifend vorantreibt, und prüfe unsere Lizenzoptionen, um loszulegen.
