Ultralytics YOLOモデルを活用したプラグアンドプレイ型ビジョンシステムRapiD Visionは、欠陥や変形をリアルタイムで検出し、分析結果を顧客のERPシステムに直接連携することで、エンジニアリングにかかる時間を1週間削減します。
食品加工企業が大規模な生産で安定した品質を求められる中、コンピュータービジョンが業界のあり方を変えています。オランダの漁村ウルクに本社を置くエンジニアリング企業RapiD Engineeringは、この変革をリードする企業の一つです。同社は水産業界をはじめとする分野向けに、プラグアンドプレイ型のビジョンプラットフォームRapiD Visionを開発しています。
RapiD Engineeringは、Ultralytics YOLOモデルを品質管理システムに統合し、サーモン加工業者の品質管理の自動化を支援します。ワークフローの中でも特に労力がかかり、主観に左右されやすい工程である欠陥や変形の検出を自動化し、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ます。
プラグアンドプレイ型ビジョンAIを産業生産に導入#
RapiD Engineeringは、産業環境向けに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つの主要機能を軸とする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品質管理、ERPシステムと直接連携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、重なり合う製品を3Dビジョン／カメラで処理し、製品の種類を識別し、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、品質管理は最も急速に成長しているサービスとなり、欧州各地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が重なり合う魚を高精度で検出する例。
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与える可能性があります。血斑、メラニン斑、その他の変形などの欠陥は目立ちにくく、サーモンの身の自然な色合いに似ているため、人間の目で一貫して見つけるのは困難です。
従来の手作業による検査は時間がかかり、疲労を招きやすく、担当者やシフトによって結果にばらつきがあります。コンピュータービジョンが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小ささ、微細な欠陥を検出できる精度、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学習できる柔軟性が必要でした。
Ultralyticsを採用する前、RapiD EngineeringはMetaのオープンソースライブラリであるDetectronを使用していました。高性能ではあるものの、セットアップが難しく、モデルのエクスポートも容易ではなく、積極的な保守も終了していたため、長期的な本番運用には適していませんでした。
Ultralytics YOLOによるリアルタイムの欠陥検出#
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、Ultralytics YOLOモデル4つを同時に稼働させます。ラインを通過する各魚の両面を撮影するため、上部にカメラを1台、下部にカメラを1台設置しています。
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Ultralytics YOLO11 nanoモデルでサーモンとコンベヤーをセグメント化し、続いてYOLO11のlargeモデルで血斑やメラニン斑などの細かな変形を検出します。周囲の身との色の違いが非常に微妙な場合もあります。大量処理に適した小型モデルによるセグメンテーションと、高精度検出に適した大型モデルを使い分けることで、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。
モデルを学習させるため、RapiD Engineeringはサーモン画像2万枚以上に手作業でアノテーションを付け、実際の加工条件における視覚的な特徴に対応した高品質なデータセットを構築しました。新しいシステムの導入時や、カメラや背景などの環境要因が変化した際に、チームはモデルを再学習させます。
Ultralytics YOLOモデルを選ぶ理由#
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、使いやすさ、性能、柔軟性の理想的な組み合わせを提供しました。
以前のフレームワークと比べて、チームはモデルの学習、エクスポート、保守にかかる時間を大幅に削減できました。特にエクスポートの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しています。Ultralyticsの新しいリリースがあるたびに、モデルを再学習し、Jetsonへのデプロイ用にTensorRTへエクスポートし、最小限の手間で本番環境に戻せます。
図2. Ultralytics YOLOがサーモンの切り身の欠陥を検出する例。
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単一の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の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ています。
生の検出結果から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。分析されたサーモンはすべて、サプライヤー、養殖場、場所、注文データとともにクラウドに記録されるため、顧客は供給元ごとの品質実績を詳細に確認できます。
このデータからバッチごとの品質レポートを作成し、加工業者が高品質な魚を安定して納入する養殖業者やサプライヤーを追跡し、長期的に情報に基づいた調達判断を下せるようにします。高度な分析により、RapiD Vision Explorerは高品質な製品を得るための最適な供給元を現時点で予測することもできます。また、このシステムは後工程のコンベヤーベルトも制御し、品質の低いサーモンを自動的に別の加工ラインへ振り分けることで、顧客の品質仕様に合った魚を常に届けられるようにします。
フロントエンドソフトウェアにより、オペレーターは検出しきい値を微調整できます。設定項目には、最小スポットサイズ、信頼度スコア、影響を受けた領域の合計が含まれ、各加工業者固有の品質基準に合わせてシステムを調整できます。
水産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、ヨーロッパ全域で拡大する顧客基盤を背景に、RapiD Engineeringは水産加工業界をはじめとする分野でビジョンAIの活用をさらに広げる体制を整えています。また同社は、トレーニングとアノテーションのワークフローをUltralytics Platformに移行する計画を立てており、新たな導入先への展開に合わせてパイプラインをさらに効率化しようとしています。
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はサーモン加工業者がより透明性の高い、データに基づく効率的なサプライチェーンを構築できるよう、バッチごとに支援しています。
独自のビジョンAIソリューションの構築に関心がありますか？Ultralytics YOLOモデルを確認し、YOLOがさまざまな業界のイノベーションをどのように推進しているかを学び、導入に向けてライセンスオプションをご覧ください。
