RapiD Vision, un sistema de visión listo para usar basado en modelos de Ultralytics YOLO, detecta defectos y deformidades en tiempo real, envía información directamente a los sistemas ERP de los clientes y reduce el tiempo de ingeniería en 1 semana.
A medida que las empresas de procesamiento de alimentos afrontan una presión cada vez mayor para ofrecer una calidad uniforme a gran escala, la visión artificial está transformando la forma en que opera el sector. RapiD Engineering, una empresa de ingeniería neerlandesa con sede en el pueblo pesquero de Urk, está a la vanguardia de este cambio y desarrolla RapiD Vision, una plataforma de visión lista para usar diseñada para la industria de los productos del mar y otros sectores.
Al integrar modelos de Ultralytics YOLO en sus sistemas de control de calidad, RapiD Engineering ayuda a automatizar el control de calidad con procesadores de salmón y la detección de defectos y deformidades (uno de los pasos más laboriosos y subjetivos de su flujo de trabajo), con una trazabilidad completa desde la granja hasta el cliente.
Lleva la IA de visión lista para usar a la producción industrial#
RapiD Engineering desarrolla simulaciones de ingeniería, aplicaciones de software y soluciones de visión artificial para entornos industriales. A través de su plataforma RapiD Vision, la empresa diseña sistemas integrales basados en tres capacidades principales: aplicaciones Pick & Place para la manipulación de productos controlada por robots, Quality Control para la detección de defectos en tiempo real y RapiD Vision Explorer, una capa de informes y análisis basada en la nube que se integra directamente con los sistemas ERP.
La plataforma está diseñada para condiciones complejas del mundo real y puede gestionar productos superpuestos mediante visión/cámaras 3D, distinguir entre tipos de productos y coordinar varios robots o máquinas desde un único sistema de visión. Entre sus líneas de productos, Quality Control se ha convertido en su oferta de crecimiento más rápido y ha despertado una gran demanda entre los procesadores de salmón de toda Europa.
Fig 1. Ejemplo de detección precisa de peces superpuestos mediante Ultralytics YOLO.
Los retos del control de calidad en el procesamiento del salmón#
El procesamiento del salmón es un sector de gran volumen y alta precisión en el que los problemas de calidad pueden afectar significativamente a la satisfacción de los clientes y a los precios. Los defectos, como las manchas de sangre, las marcas de melanina y otras deformidades, son sutiles y visualmente similares al color natural de la carne del salmón, por lo que resulta difícil detectarlos de forma uniforme a simple vista.
La inspección manual tradicional es lenta, agotadora e irregular entre operadores y turnos. Incluso cuando la visión artificial se volvió más accesible, su implantación en entornos de procesamiento de alimentos planteó sus propios retos. Los modelos tenían que ser lo bastante pequeños para ejecutarse en tiempo real en hardware periférico, lo bastante precisos para detectar defectos sutiles y lo bastante flexibles para volver a entrenarse rápidamente cuando se introducían nuevas cámaras, condiciones de iluminación o entornos.
Antes de adoptar Ultralytics, RapiD Engineering utilizaba Detectron, una biblioteca de código abierto de Meta. Aunque era potente, resultaba difícil de configurar y exportar modelos desde ella, y ya no recibía mantenimiento activo, por lo que no era adecuada para un uso prolongado en producción.
Detección de defectos en tiempo real con Ultralytics YOLO#
Tras pasarse a Ultralytics, RapiD Engineering reconstruyó su canal de control de calidad en torno a modelos YOLO ejecutados en hardware periférico NVIDIA Jetson. Cada sistema de procesamiento de salmón ejecuta simultáneamente cuatro modelos de Ultralytics YOLO, con una cámara montada en la parte superior y otra en la inferior que capturan ambos lados de cada pez mientras pasa por la línea.
Para cada lado, el sistema ejecuta dos modelos en secuencia: un modelo nano Ultralytics YOLO11 para segmentar el salmón respecto de la cinta transportadora, seguido de un modelo YOLO11 grande para detectar deformidades minuciosas, como manchas de sangre y marcas de melanina, en las que las diferencias de color con la carne circundante pueden ser extremadamente sutiles. Al utilizar un modelo más pequeño para la segmentación de alto rendimiento y uno más grande para la detección de alta precisión, RapiD Engineering logra el equilibrio adecuado entre velocidad y precisión en el hardware Jetson.
Para entrenar sus modelos, RapiD Engineering anotó manualmente más de 20.000 imágenes de salmón y creó un conjunto de datos de alta calidad capaz de gestionar los matices visuales de las condiciones reales de procesamiento. El equipo vuelve a entrenar los modelos cuando implanta nuevos sistemas o cuando cambian factores ambientales, como las cámaras o los fondos.
¿Por qué elegir los modelos Ultralytics YOLO?#
Para RapiD Engineering, Ultralytics YOLO ofrecía la combinación ideal de sencillez, rendimiento y flexibilidad para respaldar un sistema de producción ejecutado en múltiples implantaciones.
En comparación con su marco de trabajo anterior, el equipo pudo reducir drásticamente el tiempo dedicado a entrenar, exportar y mantener los modelos, con un ahorro de aproximadamente una semana de trabajo de ingeniería al año solo en el flujo de exportación. Con cada nueva versión de Ultralytics, los modelos se pueden volver a entrenar, exportar a TensorRT para su implantación en Jetson y devolver a producción con una fricción mínima.
Fig 2. Ejemplo de detección de defectos en un filete de salmón mediante Ultralytics YOLO.
Ultralytics YOLO también proporcionó a RapiD Engineering la flexibilidad necesaria para utilizar varios tipos de tareas, como la segmentación de instancias, la detección de objetos y la estimación de poses, todo desde el mismo marco de trabajo unificado, compatible con las funciones de producto actuales y futuras a medida que la empresa amplía su cartera de IA de visión.
De la detección en bruto a la información útil#
Más allá de la detección, el sistema de control de calidad de RapiD Engineering está totalmente integrado con los sistemas ERP de sus clientes mediante RapiD Vision Explorer, la capa de informes y análisis de la plataforma basada en la nube. Cada salmón analizado se registra en la nube junto con los datos de su proveedor, granja, ubicación y pedido, lo que ofrece a los clientes una visión detallada del rendimiento de calidad según el origen.
Estos datos se utilizan para generar informes de calidad por lote, ayudar a los procesadores a realizar un seguimiento de los ganaderos y proveedores que entregan sistemáticamente el pescado de mayor calidad y tomar decisiones de aprovisionamiento fundamentadas a lo largo del tiempo. Mediante análisis avanzados, RapiD Vision Explorer puede incluso predecir cuáles son actualmente las mejores fuentes de productos de alta calidad. El sistema también controla las cintas transportadoras posteriores y dirige automáticamente el salmón de menor calidad hacia vías de procesamiento alternativas, para que los clientes reciban siempre pescado que cumpla sus especificaciones de calidad.
El software del front-end permite a los operadores ajustar con precisión los umbrales de detección, incluido el tamaño mínimo de las manchas, las puntuaciones de confianza y el área total afectada, para garantizar que el sistema pueda adaptarse a los criterios de calidad específicos de cada procesador.
Ampliación de la IA de visión en la industria de los productos del mar#
Con una fuerte demanda de sus sistemas de control de calidad y una base de clientes cada vez mayor en toda Europa, RapiD Engineering está bien posicionada para seguir ampliando el papel de la IA de visión en el procesamiento de productos del mar y otros sectores. La empresa también planea migrar sus flujos de trabajo de entrenamiento y anotación a Ultralytics Platform, lo que agilizará aún más su canal a medida que se expanda a nuevas implantaciones.
Al combinar décadas de experiencia en ingeniería con una visión artificial de vanguardia, RapiD Engineering ayuda a los procesadores de salmón a crear una cadena de suministro más transparente, basada en datos y eficiente, lote a lote.
¿Te interesa crear tus propias soluciones de IA de visión? Explora los modelos de Ultralytics YOLO, descubre cómo YOLO impulsa la innovación en distintos sectores y consulta nuestras opciones de licencia para empezar.
