RapiD Vision, un système de vision prêt à l'emploi propulsé par des modèles Ultralytics YOLO, détecte les défauts et les déformations en temps réel, transmettant directement les informations aux systèmes ERP des clients et réduisant le temps d'ingénierie d'une semaine.
Alors que les entreprises de transformation alimentaire subissent 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 néerlandaise dont le siège se trouve dans le village de pêcheurs d'Urk, est à l'avant-garde de cette évolution en développant RapiD Vision, une plateforme de vision prête à l'emploi conçue pour l'industrie des produits de la mer et au-delà.
En intégrant les modèles Ultralytics YOLO à ses systèmes de contrôle qualité, RapiD Engineering contribue 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 l'élevage au client.
Apporter une IA de vision prête à l'emploi 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 reposant sur trois fonctionnalités essentielles : les applications Pick & Place pour la manipulation des produits par des robots, le contrôle qualité pour la détection des 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 : elle peut gérer des produits qui se chevauchent à l'aide de caméras et de vision 3D, différencier les types de produits et orchestrer plusieurs robots ou machines depuis un seul système de vision. Parmi ses gammes de produits, le contrôle qualité est devenu l'offre qui connaît la croissance la plus rapide de l'entreprise, suscitant une forte demande de la part des transformateurs de saumon dans toute l'Europe.
Fig 1. Exemple de détection précise de poissons qui se chevauchent par Ultralytics YOLO.
Les défis du contrôle qualité dans la transformation du saumon#
La transformation du saumon est une industrie à volume élevé et à haute précision, où les problèmes de qualité peuvent avoir un impact important sur la satisfaction des clients et les prix. Les défauts tels que 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 uniforme à l'œil nu.
L'inspection manuelle traditionnelle est lente, fatigante et irrégulière selon les opérateurs et les équipes. Même lorsque la vision par ordinateur est devenue plus accessible, son déploiement dans les environnements de transformation alimentaire a posé ses propres défis. Les modèles devaient être suffisamment petits pour fonctionner en temps réel sur du matériel edge, suffisamment précis pour détecter les 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, l'exportation des modèles y était complexe et elle n'était plus activement maintenue, ce qui la rendait inadaptée à une utilisation en production à long terme.
Détection des défauts en temps réel avec Ultralytics YOLO#
Après être passée à Ultralytics, RapiD Engineering a reconstruit son pipeline de contrôle qualité autour de modèles YOLO exécutés sur du matériel edge NVIDIA Jetson. Chaque système de transformation du saumon exécute simultanément quatre modèles Ultralytics YOLO, avec une caméra montée au-dessus et une autre montée en dessous qui capturent les deux côtés de chaque poisson lorsqu'il passe sur la ligne.
Pour chaque côté, le système exécute deux modèles successivement : un modèle nano Ultralytics YOLO11 pour segmenter le saumon du convoyeur, suivi d'un grand modèle YOLO11 pour détecter les déformations détaillées comme les taches de sang et les marques de mélanine, dont les différences de couleur avec 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 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 prend en compte les nuances visuelles des conditions réelles de transformation. L'équipe réentraîne les modèles lors du déploiement de nouveaux systèmes ou lorsque des facteurs environnementaux, comme les caméras ou les arrière-plans, changent.
Pourquoi choisir les modèles Ultralytics YOLO ?#
Pour RapiD Engineering, Ultralytics YOLO offrait la combinaison idéale de simplicité, de performances et de flexibilité pour prendre en charge un système de production déployé dans plusieurs environnements.
Par rapport à son framework 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 d'exportation. À chaque nouvelle version d'Ultralytics, les modèles peuvent être réentraînés, exportés vers TensorRT pour un déploiement sur Jetson, puis remis en production avec un minimum de friction.
Fig 2. Exemple de détection de défauts sur un filet de saumon avec Ultralytics YOLO.
Ultralytics YOLO a également donné à RapiD Engineering la flexibilité d'utiliser plusieurs types de tâches, notamment la segmentation d'instances, la détection d'objets et l'estimation de pose, le tout à partir du même framework unifié, afin de prendre en charge les fonctionnalités actuelles et futures à mesure que l'entreprise développe son portefeuille d'IA de vision.
De 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 de la plateforme basée sur le cloud. Chaque saumon analysé est enregistré dans le cloud avec les données de son fournisseur, de son élevage, de son emplacement et de sa commande, offrant aux clients une vue détaillée des performances qualité par source.
Ces données servent à générer des rapports qualité par lot, aidant les transformateurs à suivre les éleveurs et les fournisseurs qui fournissent régulièrement les poissons de la meilleure qualité, ainsi qu'à prendre au fil du temps des décisions d'approvisionnement éclairées. Grâce à des analyses avancées, RapiD Vision Explorer peut même prédire les meilleures sources actuelles de produits de haute qualité. Le système contrôle également les convoyeurs en aval et oriente automatiquement les saumons de qualité inférieure vers d'autres circuits de transformation, afin que les clients reçoivent toujours des poissons conformes à leurs spécifications de qualité.
Le logiciel frontal permet aux opérateurs d'ajuster précisément les seuils de détection, notamment la taille minimale des taches, les scores de confiance et la superficie totale affectée, afin que le système puisse être adapté aux critères de qualité propres à chaque transformateur.
Étendre l'IA de vision à l'ensemble de l'industrie des produits de la mer#
Grâce à une forte demande pour ses systèmes de contrôle qualité et à une clientèle en expansion dans toute l'Europe, RapiD Engineering est bien positionnée pour continuer à étendre le rôle de l'IA de vision dans la transformation des produits de la mer et au-delà. L'entreprise prévoit également de migrer ses flux de travail d'entraînement et d'annotation vers Ultralytics Platform, afin de rationaliser davantage son pipeline à mesure qu'elle se déploie dans de nouveaux environnements.
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, axée sur les données et plus efficace, un lot à la fois.
Tu souhaites créer tes propres solutions d'IA de vision ? Découvre les modèles Ultralytics YOLO, apprends comment YOLO stimule l'innovation dans tous les secteurs et consulte nos options de licence pour commencer.
