Ultralytics YOLOモデルを搭載したプラグアンドプレイ型のビジョンシステムであるRapiD Visionは、欠陥や変形をリアルタイムで検出し、インサイトを顧客のERPシステムに直接入力することで、エンジニアリングにかかる時間を1週間短縮します。
食品加工企業が大規模に安定した品質を提供するよう求められる中、コンピュータービジョンは業界の運用方法を変革しています。オランダを拠点とし、漁村ウルクに本社を置くエンジニアリング企業RapiD Engineeringは、この変化の最前線に立ち、シーフード業界をはじめとする幅広い分野向けに設計されたプラグアンドプレイ型ビジョンプラットフォーム、RapiD Visionを構築しています。
Ultralytics YOLO modelsを品質管理システムに統合することで、RapiD Engineeringはサーモン加工業者の品質管理を自動化し、ワークフローの中でも特に労働集約的かつ主観的な工程の一つである欠陥・変形検出を自動化するとともに、養殖場から顧客までの完全なトレーサビリティを実現しています。
プラグアンドプレイ型のビジョンAIを産業生産に導入#
RapiD Engineeringは、産業環境向けのエンジニアリングシミュレーション、ソフトウェアアプリケーション、コンピュータービジョンソリューションを開発しています。同社はRapiD Visionプラットフォームを通じて、3つの中核機能を軸としたエンドツーエンドのシステムを設計しています。ロボット制御による製品ハンドリング向けのPick & Placeアプリケーション、リアルタイムの欠陥検出を行うQuality Control、そしてERPシステムと直接統合するクラウドベースのレポート・分析レイヤーであるRapiD Vision Explorerです。
このプラットフォームは、3Dビジョン／カメラを使用して重なり合った製品を処理し、製品タイプを識別し、単一のビジョンシステムから複数のロボットや機械を統合制御できるなど、複雑な実環境に対応するよう設計されています。同社の製品ラインの中でも、Quality Controlは最も急速に成長しているサービスとなっており、欧州全域のサーモン加工業者から強い需要を集めています。
図1. Ultralytics YOLOによって重なり合った魚が正確に検出されている例。
サーモン加工における品質管理の課題#
サーモン加工は大量処理と高精度が求められる業界であり、品質上の問題は顧客満足度や価格に大きな影響を及ぼす可能性があります。血斑、メラニン斑、その他の変形などの欠陥は微細で、サーモンの身本来の色と見分けがつきにくいため、人の目で一貫して検出することは困難です。
従来の手作業による検査は時間がかかり、疲労を伴ううえ、担当者やシフトによって結果にばらつきが生じます。コンピュータービジョンがより利用しやすくなった後も、食品加工環境への導入には独自の課題がありました。モデルには、エッジハードウェア上でリアルタイムに実行できる十分な小ささ、微細な欠陥を検出できる十分な精度、新しいカメラや照明条件、環境が導入された際に迅速に再トレーニングできる柔軟性が求められました。
Ultralyticsを導入する前、RapiD EngineeringはMetaのオープンソースライブラリであるDetectronに依存していました。高性能ではあったものの、セットアップが難しく、モデルのエクスポートも困難で、すでに積極的なメンテナンスが行われていなかったため、長期的な本番利用には適していませんでした。
Ultralytics YOLOによるリアルタイム欠陥検出#
Ultralyticsへの移行後、RapiD EngineeringはNVIDIA Jetsonエッジハードウェア上で動作するYOLOモデルを中心に品質管理パイプラインを再構築しました。各サーモン加工システムでは4つのUltralytics YOLOモデルを同時に実行し、ラインを通過する各魚の両面を撮影するため、上部に1台、下部に1台のカメラを配置しています。
各面について、システムは2つのモデルを順番に実行します。まず、コンベヤーからサーモンをセグメンテーションするUltralytics YOLO11ナノモデルを使用し、続いて、血斑やメラニン斑など、周囲の身との色の違いが非常に微細な細かな変形を検出する大型のYOLO11モデルを使用します。スループットの高いセグメンテーションには小型モデルを、高精度な検出には大型モデルを使用することで、RapiD EngineeringはJetsonハードウェア上で速度と精度の適切なバランスを実現しています。
RapiD Engineeringはモデルのトレーニングにあたり、サーモンの画像2万枚以上に手作業でアノテーションを付け、実際の加工環境における視覚的な nuances に対応できる高品質なデータセットを構築しました。新しいシステムを導入するときや、カメラや背景などの環境要因が変化したときには、チームがモデルを再トレーニングします。
なぜUltralytics YOLOモデルを選ぶのか#
RapiD Engineeringにとって、Ultralytics YOLOは、複数の導入環境で稼働する本番システムを支えるうえで、シンプルさ、パフォーマンス、柔軟性を理想的に組み合わせたものでした。
以前のフレームワークと比較して、チームはモデルのトレーニング、エクスポート、メンテナンスに費やす時間を大幅に削減でき、エクスポートワークフローだけで年間約1週間分のエンジニアリング時間を節約できました。Ultralyticsの新しいリリースが出るたびに、モデルを再トレーニングし、Jetson向けにTensorRTへエクスポートして、最小限の手間で本番環境に戻せます。
図2. Ultralytics YOLOによってサーモンのフィレの欠陥が検出されている例。
Ultralytics YOLOにより、RapiD Engineeringは、インスタンスセグメンテーション、物体検出、姿勢推定など、複数のタスクタイプを同じ統合フレームワークから利用できる柔軟性も得ました。これにより、同社がビジョンAIポートフォリオを拡大する中で、現在および将来の製品機能を支えられます。
検出結果を実用的なインサイトへ#
検出にとどまらず、RapiD Engineeringの品質管理システムは、プラットフォームのクラウドベースのレポート・分析レイヤーであるRapiD Vision Explorerを通じて、顧客のERPシステムと完全に統合されています。分析したすべてのサーモンは、供給業者、養殖場、場所、注文データとともにクラウドへ記録され、顧客は供給元別の品質パフォーマンスを詳細に把握できます。
このデータからバッチごとの品質レポートを生成し、加工業者は一貫して最高品質の魚を納入する生産者や供給業者を追跡し、時間の経過に応じて情報に基づく調達判断を行えます。高度な分析により、RapiD Vision Explorerは高品質な製品に最適な現在の供給元さえ予測できます。また、このシステムは下流のコンベヤーベルトも制御し、品質の低いサーモンを別の加工経路へ自動的に振り分けることで、顧客が常に品質仕様に合った魚を受け取れるようにします。
フロントエンドソフトウェアにより、オペレーターは最小スポットサイズ、信頼度スコア、影響を受けた総面積などの検出しきい値を微調整でき、各加工業者固有の品質基準に合わせてシステムを確実に適応させられます。
シーフード業界全体へのビジョンAIの展開#
品質管理システムへの強い需要と欧州全域で拡大する顧客基盤を背景に、RapiD Engineeringは、シーフード加工をはじめとする分野でビジョンAIの役割をさらに拡大できる有利な position にあります。同社はUltralytics Platformへのトレーニングおよびアノテーションワークフローの移行も計画しており、新たな導入環境へ展開する際のパイプラインをさらに効率化します。
数十年にわたるエンジニアリングの専門知識と最先端のコンピュータービジョンを組み合わせることで、RapiD Engineeringは、より透明性が高く、データに基づき、効率的なサプライチェーンの構築をサーモン加工業者とともに支援しています。1バッチずつ、着実に取り組んでいます。
独自のVision AIソリューションの構築に関心がありますか？Ultralytics YOLOモデルを詳しく確認し、YOLOがさまざまな業界でイノベーションを推進している方法を学び、ライセンスオプションを確認して始めましょう。
