RapiD Vision, un sistema de visión listo para usar basado en modelos Ultralytics YOLO, detecta defectos y deformaciones en tiempo real, envía información directamente a los sistemas ERP de los clientes y reduce en una semana el tiempo de ingeniería.
A medida que las empresas de procesamiento de alimentos se enfrentan a una presión cada vez mayor para ofrecer una calidad constante a gran escala, la visión artificial está transformando el funcionamiento del sector. RapiD Engineering, una empresa de ingeniería neerlandesa con sede en el pueblo pesquero de Urk, está a la vanguardia de este cambio. Está desarrollando RapiD Vision, una plataforma de visión lista para usar, diseñada para el sector del marisco y otros sectores.
Al integrar modelos Ultralytics YOLO en sus sistemas de control de calidad, RapiD Engineering ayuda a automatizar el control de calidad de los procesadores de salmón. Así automatiza la detección de defectos y deformaciones —una de las etapas más laboriosas y subjetivas de su flujo de trabajo— y ofrece trazabilidad completa desde la granja hasta el cliente.
IA visual lista para usar en la producción industrial#
RapiD Engineering desarrolla simulaciones de ingeniería, aplicaciones de software y soluciones de visión artificial para entornos industriales. Con su plataforma RapiD Vision, la empresa diseña sistemas integrales basados en tres funciones principales: aplicaciones de recogida y colocación para la manipulación robótica de productos, control de calidad para detectar defectos en tiempo real y RapiD Vision Explorer, una capa de informes y análisis en la nube que se integra directamente con los sistemas ERP.
La plataforma está diseñada para gestionar condiciones complejas del mundo real: puede procesar productos superpuestos mediante visión y cámaras 3D, distinguir entre tipos de productos y coordinar varios robots o máquinas desde un único sistema de visión. De sus distintas líneas de productos, el control de calidad se ha convertido en la oferta que más rápido crece, con una gran demanda por parte de los procesadores de salmón de toda Europa.
Fig. 1. Ejemplo de detección precisa de peces superpuestos con Ultralytics YOLO.
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 considerablemente a la satisfacción de los clientes y a los precios. Defectos como las manchas de sangre, las marcas de melanina y otras deformaciones son sutiles y visualmente similares al color natural de la carne del salmón, por lo que resulta difícil detectarlos de forma coherente a simple vista.
La inspección manual tradicional es lenta, fatigosa e inconsistente entre operarios y turnos. Incluso cuando la visión artificial se volvió más accesible, su implementación en entornos de procesamiento de alimentos planteó sus propios retos. Los modelos debían ser lo bastante pequeños para ejecutarse en tiempo real en hardware perimetral, lo bastante precisos para detectar defectos sutiles y lo bastante flexibles para volver a entrenarse rápidamente cuando se introdujeran cámaras, condiciones de iluminación o entornos nuevos.
Antes de adoptar Ultralytics, RapiD Engineering dependía de Detectron, una biblioteca de código abierto de Meta. Aunque era potente, resultaba difícil de configurar y de exportar modelos desde ella, y ya no se mantenía activamente, por lo que no era adecuada para un uso en producción a largo plazo.
Detección de defectos en tiempo real con Ultralytics YOLO#
Tras pasar a Ultralytics, RapiD Engineering reconstruyó su flujo de control de calidad en torno a modelos YOLO ejecutados en hardware perimetral NVIDIA Jetson. Cada sistema de procesamiento de salmón ejecuta simultáneamente cuatro modelos Ultralytics YOLO, mientras una cámara superior y otra inferior capturan ambos lados de cada pez al pasar por la línea.
Para cada lado, el sistema ejecuta dos modelos en secuencia: un modelo nano Ultralytics YOLO11 para segmentar el salmón y separarlo de la cinta transportadora, seguido de un modelo YOLO11 grande para detectar deformaciones detalladas, como manchas de sangre y marcas de melanina, en las que las diferencias de color con la carne circundante pueden ser muy 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 consigue 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 que refleja los matices visuales de las condiciones reales de procesamiento. El equipo vuelve a entrenar los modelos cuando implementa sistemas nuevos 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 utilizado en múltiples implementaciones.
En comparación con el marco de trabajo anterior, el equipo pudo reducir drásticamente el tiempo dedicado al entrenamiento, la exportación y el mantenimiento de los modelos. Solo en el flujo de exportación, ahorró alrededor de una semana de trabajo de ingeniería al año. Con cada nueva versión de Ultralytics, los modelos se pueden volver a entrenar, exportar a TensorRT para implementarlos en Jetson y volver a poner en producción con muy pocas complicaciones.
Fig. 2. Ejemplo de detección de defectos en un filete de salmón con Ultralytics YOLO.
Ultralytics YOLO también dio 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, dentro de un mismo marco unificado. Esto permite dar soporte a las funciones actuales y futuras de los productos a medida que la empresa amplía su cartera de IA visual.
De la detección en bruto a 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 en la nube de la plataforma. Cada salmón analizado queda registrado 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, que ayudan a los procesadores a hacer un seguimiento de los agricultores y proveedores que suministran sistemáticamente pescado de mayor calidad y a tomar decisiones de abastecimiento fundamentadas a lo largo del tiempo. Gracias a sus análisis avanzados, RapiD Vision Explorer puede incluso predecir cuáles son las mejores fuentes disponibles en ese momento para obtener productos de alta calidad. El sistema también controla las cintas transportadoras posteriores y desvía automáticamente el salmón de menor calidad a otras vías de procesamiento, para que los clientes reciban siempre pescado que cumpla sus especificaciones de calidad.
El software de la interfaz permite a los operarios ajustar los umbrales de detección, incluidos el tamaño mínimo de las manchas, las puntuaciones de confianza y la superficie total afectada, para garantizar que el sistema se adapte a los criterios de calidad específicos de cada procesador.
Ampliar la IA de visión a toda la industria del marisco#
Con una fuerte demanda de sus sistemas de control de calidad y una cartera 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 en otros ámbitos. La empresa también tiene previsto migrar sus flujos de trabajo de entrenamiento y anotación a Ultralytics Platform, lo que agilizará aún más su canalización a medida que se expanda con nuevas implementaciones.
Al combinar décadas de experiencia en ingeniería con 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 Ultralytics YOLO, descubre cómo YOLO impulsa la innovación en distintos sectores y consulta nuestras opciones de licencia para empezar.
