RapiD EngineeringはUltralytics YOLOを導入し、水産物の品質管理を1週間早くデプロイしました

食品加工企業が大規模な環境下で一貫した品質を維持することへのプレッシャーが高まる中、コンピュータービジョンが業界の運営方法を変革しています。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、この変化の最前線に立ち、水産加工業界向けに設計されたプラグアンドプレイのビジョン・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することで、サーモン加工業者における品質管理の自動化を支援しています。ワークフローの中で最も労働集約的で主観に頼っていた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ています。

Link to this sectionプラグアンドプレイのビジョンAIを産業生産へ#

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、および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。同社は自社のRapiD Visionプラットフォームを通じて、3つの主要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のための「Pick & Place」アプリケーション、リアルタイム欠陥検出のための「Quality Control」、そしてERPシステムと直接統合され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複雑な実環境向けに設計されており、3Dビジョンやカメラを使用して重なり合う製品を処理し、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制御することが可能です。同社の製品ラインの中でも「Quality Control」は最も急成長している製品であり、ヨーロッパ中のサーモン加工業者から強い需要を集めています。

Fig 1. Ultralytics YOLOによって重なり合った魚が正確に検出される例。

Link to this sectionサーモン加工における品質管理の課題#

サーモン加工は、品質問題が顧客満足度や価格設定に大きな影響を与える、大量かつ高精度が求められる業界です。血斑、メラニン色素、その他の変形などの欠陥は微細で、サーモンの肉の自然な色と視覚的に似ているため、人の目で一貫して見つけることは困難です。

従来の目視検査は低速で疲労を伴い、作業員やシフト間で結果がばらつくという課題がありました。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、食品加工環境での導入には独自の難しさがありました。モデルはエッジハードウェア上でリアルタイムに動作するほど軽量である必要があり、微細な欠陥を検出できる精度が必要であり、また新しいカメラ、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に依存していました。強力ではありましたが、セットアップが難しく、モデルのエクスポートに手間がかかり、メンテナンスも行われなくなったため、長期的な本番環境での使用には適していませんでした。

Link to this sectionUltralytics YOLOによるリアルタイム欠陥検出#

Ultralyticsへ移行した後、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は4つのUltralytics YOLOモデルを同時に実行し、上部と下部に配置されたカメラがラインを通過するすべての魚の両面を撮影します。

各面について、システムは2つのモデルを順次実行します。まずUltralytics YOLO11のNanoモデルでコンベアからサーモンをセグメンテーションし、次に大型のYOLO11モデルで血斑やメラニン色素といった細かい変形を検出します。ここでは周囲の肉との色の違いが非常にわずかである場合があります。高スループットのセグメンテーションに軽量モデルを、高精度の検出に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最適なバランスを達成しています。

モデルのトレーニングのために、RapiD Engineeringは20,000枚以上のサーモンの画像を人間がアノテーションし、実際の加工現場における視覚的なニュアンスを網羅した高品質なデータセットを構築しました。新しいシステムを導入する場合や、カメラや背景などの環境要因が変化した場合には、チームはモデルを再トレーニングします。

Link to this sectionなぜUltralytics YOLOモデルが選ばれるのか#

RapiD Engineeringにとって、Ultralytics YOLOは、複数の拠点に導入される本番システムを支えるために必要な、シンプルさ、パフォーマンス、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、メンテナンスにかかる時間を劇的に短縮でき、エクスポートのワークフローだけで年間約1週間のエンジニアリング時間を節約できました。Ultralyticsのリリースごとに、モデルは再トレーニングされ、Jetson展開用にTensorRTへエクスポートされ、最小限の摩擦で本番環境へと反映されます。

Fig 2. Ultralytics YOLOで検出されるサーモンフィレの欠陥の例。

Ultralytics YOLOはまた、インスタンスセグメンテーション、オブジェクト検出、姿勢推定など、複数のタスクタイプを同一の統合フレームワーク内で活用できる柔軟性をRapiD Engineeringにもたらしました。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につれて、現在および将来の製品機能をサポートできるようになっています。

Link to this section単純な検出から実用的な洞察へ#

RapiD Engineeringの品質管理システムは、検出機能だけでなく、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。分析されたすべてのサーモンは、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、顧客は供給元ごとの品質パフォーマンスを詳細に把握できます。

このデータはバッチごとの品質レポートを生成するために使用され、加工業者がどの農家やサプライヤーが最高品質の魚を一貫して提供しているかを追跡し、長期的には情報に基づいた調達判断を下すのに役立ちます。高度な分析を通じて、RapiD Vision Explorerは高品質な製品に最適な現在の供給元を予測することも可能です。システムはダウンストリームのコンベアベルトも制御し、低品質のサーモンを自動的に別の加工ルートに送ることで、顧客が常に品質仕様を満たす魚を受け取れるようにします。

フロントエンドのソフトウェアにより、作業員はスポットの最小サイズ、信頼スコア、影響を受けた合計面積などの検出閾値を微調整でき、各加工業者の特定の品質基準に合わせてシステムを適合させることができます。

Link to this section水産加工業界全体へのビジョンAIの展開#

品質管理システムに対する強い需要とヨーロッパ全域で顧客基盤が拡大していることから、RapiD Engineeringは水産加工業界およびそれ以外の分野においてビジョンAIの役割を拡大し続ける絶好のポジションにあります。同社はまた、トレーニングおよびアノテーションのワークフローをUltralytics Platformへ移行する予定であり、新しい環境への展開を拡大する中で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が高く、データ主導で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興味がありますか？Ultralytics YOLOモデルを探索し、YOLOが業界全体でどのようにイノベーションを推進しているかを確認し、ライセンスオプションを参照して始めましょう。