RapiD Engineering déploie le contrôle qualité des produits de la mer une semaine plus rapidement avec Ultralytics YOLO

Alors que les entreprises agroalimentaires sont confrontées à une pression croissante pour fournir une qualité constante à grande échelle, la vision par ordinateur transforme le fonctionnement du secteur. RapiD Engineering, une entreprise d'ingénierie basée aux Pays-Bas et dont le siège est situé dans le village de pêcheurs d'Urk, est à la pointe de ce changement en développant RapiD Vision, une plateforme de vision plug-and-play conçue pour l'industrie des fruits de mer et au-delà.

En intégrant des modèles Ultralytics YOLO dans ses systèmes de contrôle qualité, RapiD Engineering aide à automatiser le contrôle qualité chez les transformateurs de saumon, en automatisant la détection des défauts et des déformations (l'une des étapes les plus exigeantes en main-d'œuvre et les plus subjectives de leur flux de travail), avec une traçabilité complète de la ferme au client.

Link to this sectionApporter l'IA de vision plug-and-play à la production industrielle#

RapiD Engineering développe des simulations d'ingénierie, des applications logicielles et des solutions de vision par ordinateur pour les environnements industriels. Grâce à sa plateforme RapiD Vision, l'entreprise conçoit des systèmes de bout en bout articulés autour de trois capacités principales : des applications Pick & Place pour la manipulation de produits contrôlée par robot, le contrôle qualité pour la détection de défauts en temps réel, et RapiD Vision Explorer, une couche de reporting et d'analyse basée sur le cloud qui s'intègre directement aux systèmes ERP.

La plateforme est conçue pour des conditions complexes et réelles, capable de gérer des produits qui se chevauchent à l'aide de vision/caméras 3D, de distinguer les types de produits et d'orchestrer plusieurs robots ou machines à partir d'un seul système de vision. Parmi ses gammes de produits, le contrôle qualité est devenu l'offre à la croissance la plus rapide de l'entreprise, attirant une forte demande de la part des transformateurs de saumon à travers l'Europe.

Fig 1. Exemple de poisson qui se chevauche détecté avec précision par Ultralytics YOLO.

Link to this sectionLes défis du contrôle qualité dans la transformation du saumon#

La transformation du saumon est une industrie à haut volume et de haute précision où les problèmes de qualité peuvent avoir un impact significatif sur la satisfaction des clients et les prix. Les défauts comme les taches de sang, les marques de mélanine et autres déformations sont subtils et visuellement similaires à la couleur naturelle de la chair du saumon, ce qui les rend difficiles à repérer de manière cohérente à l'œil nu.

L'inspection manuelle traditionnelle est lente, fatigante et incohérente entre les opérateurs et les équipes. Même lorsque la vision par ordinateur est devenue plus accessible, son déploiement dans les environnements de transformation alimentaire a apporté ses propres défis. Les modèles devaient être suffisamment petits pour fonctionner en temps réel sur du matériel edge, suffisamment précis pour détecter des défauts subtils et suffisamment flexibles pour être réentraînés rapidement lors de l'introduction de nouvelles caméras, conditions d'éclairage ou environnements.

Avant d'adopter Ultralytics, RapiD Engineering s'appuyait sur Detectron, une bibliothèque open-source de Meta. Bien que puissante, elle était difficile à configurer, complexe pour l'exportation de modèles et n'était plus activement maintenue, ce qui la rendait inadaptée à une utilisation en production à long terme.

Link to this sectionDétection de défauts en temps réel avec Ultralytics YOLO#

Après être passé à Ultralytics, RapiD Engineering a reconstruit son pipeline de contrôle qualité autour de modèles YOLO fonctionnant sur du matériel edge NVIDIA Jetson. Chaque système de transformation de saumon exécute quatre modèles Ultralytics YOLO simultanément, avec une caméra montée sur le dessus et une caméra montée en dessous capturant les deux côtés de chaque poisson au fur et à mesure qu'il passe sur la ligne.

Pour chaque côté, le système exécute deux modèles en séquence : un modèle nano Ultralytics YOLO11 pour segmenter le saumon du tapis roulant, suivi d'un grand modèle YOLO11 pour détecter les déformations fines comme les taches de sang et les marques de mélanine, où les différences de couleur par rapport à la chair environnante peuvent être extrêmement subtiles. En utilisant un modèle plus petit pour la segmentation à haut débit et un modèle plus grand pour la détection de haute précision, RapiD Engineering atteint le bon équilibre entre vitesse et précision sur le matériel Jetson.

Pour entraîner ses modèles, RapiD Engineering a annoté manuellement plus de 20 000 images de saumon, constituant un jeu de données de haute qualité qui gère les nuances visuelles des conditions de transformation réelles. L'équipe réentraîne les modèles lors du déploiement de nouveaux systèmes ou lorsque des facteurs environnementaux comme les caméras ou les arrière-plans changent.

Link to this sectionPourquoi choisir les modèles Ultralytics YOLO ?#

Pour RapiD Engineering, Ultralytics YOLO a offert la combinaison idéale de simplicité, de performance et de flexibilité pour prendre en charge un système de production fonctionnant sur plusieurs déploiements.

Par rapport à son cadre précédent, l'équipe a pu réduire considérablement le temps consacré à l'entraînement, à l'exportation et à la maintenance des modèles, économisant environ une semaine de travail d'ingénierie par an rien que sur le flux de travail d'exportation. Avec chaque nouvelle version d'Ultralytics, les modèles peuvent être réentraînés, exportés vers TensorRT pour le déploiement sur Jetson et remis en production avec un minimum de frictions.

Fig 2. Exemple de défauts sur filet de saumon détectés avec Ultralytics YOLO.

Ultralytics YOLO a également donné à RapiD Engineering la flexibilité d'utiliser plusieurs types de tâches, y compris la segmentation d'instance, la détection d'objets et l'estimation de pose, le tout à partir du même cadre unifié, prenant en charge les fonctionnalités de produits actuelles et futures à mesure que l'entreprise développe son portefeuille d'IA de vision.

Link to this sectionDe la détection brute aux informations exploitables#

Au-delà de la détection, le système de contrôle qualité de RapiD Engineering est entièrement intégré aux systèmes ERP de ses clients via RapiD Vision Explorer, la couche de reporting et d'analyse basée sur le cloud de la plateforme. Chaque saumon analysé est enregistré dans le cloud avec son fournisseur, sa ferme, son emplacement et ses données de commande, donnant aux clients une vue détaillée de la performance qualité par source.

Ces données sont utilisées pour générer des rapports de qualité par lot, aidant les transformateurs à suivre quels agriculteurs et fournisseurs fournissent systématiquement le poisson de la plus haute qualité, et à prendre des décisions d'approvisionnement éclairées au fil du temps. Grâce à des analyses avancées, RapiD Vision Explorer peut même prédire les meilleures sources actuelles pour des produits de haute qualité. Le système contrôle également les tapis roulants en aval, acheminant automatiquement le saumon de moindre qualité vers des chemins de transformation alternatifs afin que les clients reçoivent toujours du poisson conforme à leurs spécifications de qualité.

Le logiciel frontal permet aux opérateurs d'affiner les seuils de détection, y compris la taille minimale des taches, les scores de confiance et la zone totale affectée, garantissant que le système peut être adapté aux critères de qualité spécifiques de chaque transformateur.

Link to this sectionFaire évoluer l'IA de vision à travers l'industrie des fruits de mer#

Avec une forte demande pour ses systèmes de contrôle qualité et une base de clients croissante à travers l'Europe, RapiD Engineering est bien positionné pour continuer à étendre le rôle de l'IA de vision dans la transformation des fruits de mer et au-delà. L'entreprise prévoit également de migrer ses flux de travail d'entraînement et d'annotation vers la plateforme Ultralytics, rationalisant davantage son pipeline à mesure qu'elle se développe sur de nouveaux déploiements.

En combinant des décennies d'expertise en ingénierie avec une vision par ordinateur de pointe, RapiD Engineering aide les transformateurs de saumon à construire une chaîne d'approvisionnement plus transparente, basée sur les données et efficace, un lot à la fois.

Tu souhaites développer tes propres solutions d'IA de vision ? Explore les modèles Ultralytics YOLO, découvre comment YOLO stimule l'innovation à travers les industries et consulte nos options de licence pour commencer.