RapiD Engineering은 Ultralytics YOLO를 통해 해산물 품질 관리 배포 시간을 1주일 단축했습니다

식품 가공 기업들이 대규모 환경에서 일관된 품질을 유지해야 한다는 압박이 커지면서, 컴퓨터 비전 기술은 업계의 운영 방식을 재편하고 있습니다. 네덜란드 어촌 마을인 우르크(Urk)에 본사를 둔 엔지니어링 기업 RapiD Engineering은 이러한 변화의 선두에서 수산물 및 관련 산업을 위해 설계된 플러그 앤 플레이 비전 플랫폼인 RapiD Vision을 구축하고 있습니다.

RapiD Engineering은 Ultralytics YOLO 모델을 자사의 품질 관리 시스템에 통합하여 연어 가공 공정의 품질 관리를 자동화하고 있습니다. 이를 통해 워크숍에서 가장 노동 집약적이고 주관적인 단계 중 하나인 결함 및 변형 탐지를 자동화하고, 양식장에서 고객까지의 전체 추적성을 확보했습니다.

Link to this section산업 생산 현장에 플러그 앤 플레이 비전 AI 도입#

RapiD Engineering은 산업 환경을 위한 엔지니어링 시뮬레이션, 소프트웨어 애플리케이션 및 컴퓨터 비전 솔루션을 개발합니다. 이 기업은 RapiD Vision 플랫폼을 통해 로봇 제어 제품 핸들링을 위한 Pick & Place 애플리케이션, 실시간 결함 탐지를 위한 품질 관리, 그리고 ERP 시스템과 직접 통합되는 클라우드 기반 보고 및 분석 계층인 RapiD Vision Explorer라는 세 가지 핵심 기능을 중심으로 엔드투엔드 시스템을 설계합니다.

이 플랫폼은 복잡한 실제 환경을 위해 설계되었으며, 3D 비전/카메라를 사용하여 겹쳐진 제품을 처리하고, 제품 유형을 구분하며, 단일 비전 시스템으로 다수의 로봇이나 기계를 조율할 수 있습니다. 자사의 제품군 중 품질 관리 솔루션은 유럽 전역의 연어 가공 업체로부터 큰 호응을 얻으며 가장 빠르게 성장하는 서비스가 되었습니다.

Fig 1. Ultralytics YOLO로 겹쳐진 생선을 정밀하게 탐지하는 사례.

Link to this section연어 가공 품질 관리의 과제#

연어 가공은 품질 문제가 고객 만족도와 가격에 상당한 영향을 미치는 대용량 고정밀 산업입니다. 혈반, 멜라닌 자국 및 기타 변형과 같은 결함은 미세하고 연어 살의 자연스러운 색상과 시각적으로 유사하여 사람의 눈으로 일관되게 찾아내기 어렵습니다.

기존의 수동 검사는 느리고 작업자의 피로도가 높으며 작업자와 교대 근무조에 따라 일관성이 부족합니다. 컴퓨터 비전 기술이 더 대중화된 후에도 식품 가공 환경에 이를 배포하는 것은 또 다른 과제였습니다. 모델은 에지 하드웨어에서 실시간으로 실행될 만큼 작아야 하고, 미세한 결함을 탐지할 만큼 정확해야 하며, 새로운 카메라, 조명 조건 또는 환경이 도입되었을 때 빠르게 재학습할 수 있을 만큼 유연해야 했습니다.

Ultralytics를 채택하기 전, RapiD Engineering은 Meta의 오픈 소스 라이브러리인 Detectron에 의존했습니다. 강력하지만 설정이 어렵고 모델을 내보내기(export) 까다로우며 더 이상 활발하게 유지보수되지 않아 장기적인 생산용으로 사용하기에 적합하지 않았습니다.

Link to this sectionUltralytics YOLO를 이용한 실시간 결함 탐지#

Ultralytics로 전환한 후, RapiD Engineering은 NVIDIA Jetson 에지 하드웨어에서 실행되는 YOLO 모델을 중심으로 품질 관리 파이프라인을 재구축했습니다. 각 연어 가공 시스템은 4개의 Ultralytics YOLO 모델을 동시에 실행하며, 위아래에 설치된 카메라가 라인을 통과하는 모든 생선의 양면을 촬영합니다.

각 면에 대해 시스템은 두 개의 모델을 순차적으로 실행합니다. 컨베이어에서 연어를 분리하기 위해 Ultralytics YOLO11 나노 모델을 사용하고, 이어 대형 YOLO11 모델을 사용하여 주변 살과 색상 차이가 매우 미세한 혈반이나 멜라닌 자국과 같은 세밀한 변형을 탐지합니다. 고처리량 분할을 위한 작은 모델과 고정밀 탐지를 위한 큰 모델을 함께 사용하여, RapiD Engineering은 Jetson 하드웨어에서 속도와 정확성의 최적 균형을 달성했습니다.

모델을 학습시키기 위해 RapiD Engineering은 20,000장 이상의 연어 이미지를 수동으로 라벨링하여 실제 가공 환경의 시각적 뉘앙스를 처리할 수 있는 고품질 데이터셋을 구축했습니다. 팀은 새로운 시스템을 배포하거나 카메라, 배경과 같은 환경적 요인이 변경될 때 모델을 재학습시킵니다.

Link to this section왜 Ultralytics YOLO 모델인가?#

RapiD Engineering에게 Ultralytics YOLO는 다수의 배포 환경에서 실행되는 생산 시스템을 지원하기 위한 단순성, 성능 및 유연성의 이상적인 조합을 제공했습니다.

이전 프레임워크와 비교했을 때 팀은 모델 학습, 내보내기, 유지보수에 소요되는 시간을 대폭 줄일 수 있었으며, 내보내기 워크플로만으로도 연간 약 1주일의 엔지니어링 시간을 절약했습니다. 모든 새로운 Ultralytics 릴리스가 나올 때마다 모델을 재학습하고 TensorRT로 내보내어 Jetson에 배포하며, 최소한의 마찰로 생산 환경에 다시 적용할 수 있습니다.

Fig 2. Ultralytics YOLO로 연어 필렛의 결함을 탐지하는 사례.

또한 Ultralytics YOLO는 RapiD Engineering에 인스턴스 세그멘테이션, 객체 탐지, 포즈 추정 등 여러 작업 유형을 동일한 통합 프레임워크 내에서 사용할 수 있는 유연성을 제공하여, 회사가 비전 AI 포트폴리오를 확장함에 따라 현재 및 미래의 제품 기능을 지원합니다.

Link to this section단순 탐지에서 실행 가능한 인사이트로#

탐지를 넘어, RapiD Engineering의 품질 관리 시스템은 플랫폼의 클라우드 기반 보고 및 분석 계층인 RapiD Vision Explorer를 통해 고객의 ERP 시스템과 완벽하게 통합됩니다. 분석된 모든 연어는 공급업체, 양식장, 위치, 주문 데이터와 함께 클라우드에 기록되어 고객이 출처별로 품질 성과를 상세하게 파악할 수 있도록 합니다.

이 데이터는 배치별 품질 보고서를 생성하는 데 사용되어 가공업체가 어떤 양식장과 공급업체가 일관되게 최고 품질의 생선을 제공하는지 추적하고 시간이 지남에 따라 정보에 입각한 소싱 결정을 내릴 수 있도록 돕습니다. 고급 분석을 통해 RapiD Vision Explorer는 고품질 제품을 위한 최고의 현재 공급원을 예측할 수도 있습니다. 이 시스템은 또한 다운스트림 컨베이어 벨트를 제어하여 저품질 연어를 자동으로 다른 가공 경로로 우회시킴으로써 고객이 항상 품질 사양에 맞는 생선을 받을 수 있도록 합니다.

프론트엔드 소프트웨어를 통해 작업자는 최소 점 크기, 신뢰도 점수, 전체 영향 면적 등 탐지 임계값을 세밀하게 조정할 수 있어 각 가공업체의 특정 품질 기준에 시스템을 맞출 수 있습니다.

Link to this section수산물 산업 전반으로 비전 AI 확장#

품질 관리 시스템에 대한 강력한 수요와 유럽 전역의 증가하는 고객 기반을 바탕으로, RapiD Engineering은 수산물 가공 분야를 넘어 비전 AI의 역할을 지속적으로 확장할 좋은 위치에 있습니다. 또한 학습 및 라벨링 워크플로를 Ultralytics Platform으로 이전하여 새로운 배포로 확장됨에 따라 파이프라인을 더욱 효율화할 계획입니다.

수십 년간의 엔지니어링 전문 지식과 최첨단 컴퓨터 비전을 결합하여, RapiD Engineering은 연어 가공 업체들이 배치마다 더 투명하고 데이터 기반이며 효율적인 공급망을 구축할 수 있도록 돕고 있습니다.

자신만의 비전 AI 솔루션을 구축하고 싶으신가요? Ultralytics YOLO 모델을 탐색하고, YOLO가 다양한 산업 분야에서 어떻게 혁신을 이끌고 있는지 알아보고, 라이선스 옵션을 확인하여 시작해 보세요.