Ultralytics YOLO 모델로 구동되는 플러그 앤 플레이 비전 시스템인 RapiD Vision은 결함과 변형을 실시간으로 감지하고, 인사이트를 고객의 ERP 시스템에 직접 전달하여 엔지니어링 시간을 1주일 단축합니다.
식품 가공 기업들이 대규모로 일관된 품질을 제공해야 한다는 압박이 커지는 가운데, 컴퓨터 비전은 업계의 운영 방식을 재편하고 있습니다. 네덜란드의 어촌 마을 Urk에 본사를 둔 엔지니어링 기업 RapiD Engineering은 이러한 변화의 최전선에서 수산물 산업과 그 너머를 위해 설계된 플러그 앤 플레이 비전 플랫폼 RapiD Vision을 구축하고 있습니다.
RapiD Engineering은 Ultralytics YOLO 모델을 품질 관리 시스템에 통합하여 연어 가공업체의 품질 관리를 자동화하고, 워크플로에서 가장 노동 집약적이고 주관적인 단계 중 하나인 결함 및 변형 감지를 자동화하며, 양식장부터 고객까지 완전한 추적성을 제공합니다.
산업 생산에 플러그 앤 플레이 비전 AI 도입#
RapiD Engineering은 산업 환경을 위한 엔지니어링 시뮬레이션, 소프트웨어 애플리케이션 및 컴퓨터 비전 솔루션을 개발합니다. RapiD Vision 플랫폼을 통해 이 회사는 세 가지 핵심 기능을 중심으로 엔드투엔드 시스템을 설계합니다. 로봇으로 제어되는 제품 취급을 위한 Pick & Place 애플리케이션, 실시간 결함 감지를 위한 Quality Control, 그리고 ERP 시스템과 직접 통합되는 클라우드 기반 보고 및 분석 계층인 RapiD Vision Explorer입니다.
이 플랫폼은 복잡한 실제 환경을 고려해 설계되었으며, 3D 비전/카메라를 사용해 서로 겹친 제품을 처리하고, 제품 유형을 구분하며, 단일 비전 시스템에서 여러 로봇 또는 기계를 조율할 수 있습니다. 제품군 중 Quality Control은 회사에서 가장 빠르게 성장하는 제품으로 자리 잡았으며, 유럽 전역의 연어 가공업체로부터 높은 수요를 끌어내고 있습니다.
그림 1. Ultralytics YOLO가 겹친 생선을 정밀하게 감지하는 예시입니다.
연어 가공 품질 관리의 과제#
연어 가공은 대량 처리와 높은 정밀도가 요구되는 산업으로, 품질 문제는 고객 만족도와 가격에 큰 영향을 미칠 수 있습니다. 혈점, 멜라닌 자국 및 기타 변형과 같은 결함은 미묘하고 연어 살의 자연스러운 색상과 시각적으로 유사하기 때문에 사람의 눈으로 일관되게 식별하기 어렵습니다.
기존의 수동 검사는 느리고 피로를 유발하며 작업자와 교대조에 따라 일관성이 떨어집니다. 컴퓨터 비전의 접근성이 높아진 이후에도 식품 가공 환경에 이를 도입하는 데에는 고유한 과제가 있었습니다. 모델은 엣지 하드웨어에서 실시간으로 실행할 수 있을 만큼 작아야 했고, 미묘한 결함을 감지할 만큼 정확해야 했으며, 새로운 카메라, 조명 조건 또는 환경이 도입될 때 신속하게 재학습할 수 있을 만큼 유연해야 했습니다.
Ultralytics를 도입하기 전 RapiD Engineering은 Meta의 오픈 소스 라이브러리인 Detectron에 의존했습니다. 강력한 라이브러리였지만 설정이 어렵고 모델을 내보내기 힘들었으며 더 이상 적극적으로 유지 관리되지 않아 장기적인 프로덕션 사용에 적합하지 않았습니다.
Ultralytics YOLO를 활용한 실시간 결함 감지#
Ultralytics로 전환한 후 RapiD Engineering은 NVIDIA Jetson 엣지 하드웨어에서 실행되는 YOLO 모델을 중심으로 품질 관리 파이프라인을 재구축했습니다. 각 연어 가공 시스템은 네 개의 Ultralytics YOLO 모델을 동시에 실행하며, 라인 상단과 하단에 각각 장착된 카메라가 제품이 라인을 통과할 때 모든 생선의 양쪽 면을 촬영합니다.
각 면에 대해 시스템은 두 모델을 순차적으로 실행합니다. 먼저 Ultralytics YOLO11 nano 모델이 컨베이어에서 연어를 분할하고, 이어서 대형 YOLO11 모델이 혈점과 멜라닌 자국처럼 주변 살과의 색상 차이가 매우 미묘할 수 있는 세밀한 변형을 감지합니다. RapiD Engineering은 대용량 처리를 위한 분할에는 더 작은 모델을 사용하고 고정밀 감지에는 더 큰 모델을 사용하여 Jetson 하드웨어에서 속도와 정확성의 적절한 균형을 달성합니다.
RapiD Engineering은 모델을 학습시키기 위해 20,000장이 넘는 연어 이미지를 수동으로 어노테이션하여 실제 가공 환경의 시각적 특성을 처리할 수 있는 고품질 데이터셋을 구축했습니다. 팀은 새로운 시스템을 배포하거나 카메라 또는 배경과 같은 환경적 요인이 변경될 때 모델을 재학습합니다.
Ultralytics YOLO 모델을 선택한 이유#
RapiD Engineering에 Ultralytics YOLO는 여러 배포 환경에서 실행되는 프로덕션 시스템을 지원하는 데 필요한 단순성, 성능 및 유연성의 이상적인 조합을 제공했습니다.
이전 프레임워크와 비교해 팀은 모델 학습, 내보내기 및 유지 관리에 소요되는 시간을 크게 줄일 수 있었으며, 내보내기 워크플로만으로도 매년 약 1주일의 엔지니어링 시간을 절약했습니다. 새로운 Ultralytics 릴리스가 나올 때마다 모델을 재학습하고, Jetson 배포를 위해 TensorRT로 내보낸 뒤, 최소한의 번거로움으로 프로덕션에 다시 적용할 수 있습니다.
그림 2. Ultralytics YOLO로 연어 필레의 결함을 감지하는 예시입니다.
Ultralytics YOLO는 RapiD Engineering에 인스턴스 분할, 객체 감지 및 포즈 추정을 비롯한 여러 작업 유형을 하나의 통합 프레임워크에서 사용할 수 있는 유연성도 제공했습니다. 이를 통해 회사가 비전 AI 포트폴리오를 확장함에 따라 현재 및 향후 제품 기능을 지원할 수 있습니다.
원시 감지부터 실행 가능한 인사이트까지#
RapiD Engineering의 품질 관리 시스템은 감지를 넘어 플랫폼의 클라우드 기반 보고 및 분석 계층인 RapiD Vision Explorer를 통해 고객의 ERP 시스템과 완전히 통합됩니다. 분석된 모든 연어는 공급업체, 양식장, 위치 및 주문 데이터와 함께 클라우드에 기록되므로 고객은 공급원별 품질 성과를 상세히 확인할 수 있습니다.
이 데이터는 배치별 품질 보고서를 생성하는 데 사용되며, 가공업체가 어떤 양식업자와 공급업체가 지속적으로 최고 품질의 생선을 공급하는지 추적하고 시간이 지남에 따라 정보에 기반한 조달 결정을 내릴 수 있도록 지원합니다. 고급 분석을 통해 RapiD Vision Explorer는 고품질 제품을 위한 현재 최적의 공급원까지 예측할 수 있습니다. 또한 이 시스템은 하류 컨베이어 벨트를 제어하여 품질이 낮은 연어를 대체 가공 경로로 자동 분류하므로 고객은 항상 품질 사양에 부합하는 생선을 받을 수 있습니다.
프런트엔드 소프트웨어를 사용하면 작업자가 최소 반점 크기, confidence score 및 전체 영향 영역을 비롯한 감지 임계값을 세밀하게 조정할 수 있어 시스템을 각 가공업체의 구체적인 품질 기준에 맞게 조정할 수 있습니다.
수산물 산업 전반으로 비전 AI 확장#
품질 관리 시스템에 대한 높은 수요와 유럽 전역에서 성장하는 고객 기반을 바탕으로 RapiD Engineering은 수산물 가공 및 그 너머에서 비전 AI의 역할을 계속 확장할 수 있는 유리한 입지를 확보하고 있습니다. 또한 새로운 배포 환경으로 확장함에 따라 파이프라인을 더욱 간소화하기 위해 학습 및 어노테이션 워크플로를 Ultralytics Platform으로 마이그레이션할 계획입니다.
수십 년간 축적한 엔지니어링 전문성과 최첨단 컴퓨터 비전을 결합하여 RapiD Engineering은 한 번에 한 배치씩 더욱 투명하고 데이터 중심적이며 효율적인 공급망을 구축할 수 있도록 연어 가공업체를 지원하고 있습니다.
직접 Vision AI 솔루션을 구축하고 싶으신가요? Ultralytics YOLO 모델을 살펴보고, YOLO가 다양한 산업 분야에서 혁신을 이끄는 방식을 알아보며, 시작하려면 라이선스 옵션을 확인해 보세요.
