A RapiD Vision, um sistema de visão plug-and-play baseado em modelos Ultralytics YOLO, deteta defeitos e deformações em tempo real, enviando informações diretamente para os sistemas ERP do cliente e reduzindo o tempo de engenharia em 1 semana.
À medida que as empresas de processamento de alimentos enfrentam uma pressão crescente para garantir uma qualidade consistente em grande escala, a visão computacional está a transformar a forma como o setor opera. A RapiD Engineering, uma empresa de engenharia sediada nos Países Baixos e com sede na aldeia piscatória de Urk, está na vanguarda desta mudança, desenvolvendo a RapiD Vision, uma plataforma de visão plug-and-play concebida para a indústria dos produtos do mar e muito mais.
Ao integrar modelos Ultralytics YOLO nos seus sistemas de controlo de qualidade, a RapiD Engineering ajuda a automatizar o controlo de qualidade junto de processadores de salmão, automatizando a deteção de defeitos e deformações (uma das etapas mais trabalhosas e subjetivas do seu fluxo de trabalho), com rastreabilidade total desde a exploração aquícola até ao cliente.
Levar a IA de visão plug-and-play à produção industrial#
A RapiD Engineering desenvolve simulações de engenharia, aplicações de software e soluções de visão computacional para ambientes industriais. Através da sua plataforma RapiD Vision, a empresa concebe sistemas completos baseados em três capacidades principais: aplicações Pick & Place para o manuseamento de produtos controlado por robôs, Quality Control para a deteção de defeitos em tempo real e RapiD Vision Explorer, uma camada de relatórios e análise baseada na cloud que se integra diretamente com sistemas ERP.
A plataforma foi concebida para condições complexas do mundo real, sendo capaz de lidar com produtos sobrepostos utilizando visão/câmaras 3D, distinguir entre tipos de produtos e orquestrar vários robôs ou máquinas a partir de um único sistema de visão. Entre as suas linhas de produtos, a Quality Control tornou-se a oferta com o crescimento mais rápido da empresa, atraindo uma forte procura por parte de processadores de salmão em toda a Europa.
Fig. 1. Exemplo de peixes sobrepostos detetados com precisão pelo Ultralytics YOLO.
Os desafios do controlo de qualidade no processamento de salmão#
O processamento de salmão é uma indústria de grande volume e elevada precisão, na qual os problemas de qualidade podem ter um impacto significativo na satisfação do cliente e nos preços. Defeitos como manchas de sangue, marcas de melanina e outras deformações são subtis e visualmente semelhantes à cor natural da carne do salmão, o que dificulta a sua deteção consistente pelo olho humano.
A inspeção manual tradicional é lenta, cansativa e inconsistente entre operadores e turnos. Mesmo quando a visão computacional se tornou mais acessível, a sua implementação em ambientes de processamento de alimentos trouxe os seus próprios desafios. Os modelos tinham de ser suficientemente pequenos para funcionar em tempo real em hardware de edge, suficientemente precisos para detetar defeitos subtis e suficientemente flexíveis para serem novamente treinados rapidamente quando eram introduzidas novas câmaras, condições de iluminação ou ambientes.
Antes de adotar a Ultralytics, a RapiD Engineering dependia do Detectron, uma biblioteca de código aberto da Meta. Embora fosse potente, era difícil de configurar, era complicado exportar modelos a partir dela e já não era ativamente mantida, o que a tornava inadequada para utilização em produção a longo prazo.
Deteção de defeitos em tempo real com Ultralytics YOLO#
Depois de mudar para a Ultralytics, a RapiD Engineering reconstruiu o seu pipeline de controlo de qualidade em torno de modelos YOLO executados em hardware edge NVIDIA Jetson. Cada sistema de processamento de salmão executa simultaneamente quatro modelos Ultralytics YOLO, com uma câmara montada na parte superior e outra na parte inferior a captarem ambos os lados de cada peixe à medida que este passa pela linha.
Para cada lado, o sistema executa dois modelos em sequência: um modelo nano Ultralytics YOLO11 para segmentar o salmão do tapete transportador, seguido de um modelo YOLO11 grande para detetar deformações detalhadas, como manchas de sangue e marcas de melanina, nas quais as diferenças de cor em relação à carne circundante podem ser extremamente subtis. Ao utilizar um modelo mais pequeno para a segmentação de elevado débito e um modelo maior para a deteção de elevada precisão, a RapiD Engineering alcança o equilíbrio adequado entre velocidade e precisão no hardware Jetson.
Para treinar os seus modelos, a RapiD Engineering anotou manualmente mais de 20.000 imagens de salmão, criando um conjunto de dados de elevada qualidade que lida com as nuances visuais das condições reais de processamento. A equipa volta a treinar os modelos quando implementa novos sistemas ou quando fatores ambientais, como as câmaras ou os fundos, sofrem alterações.
Porquê escolher os modelos Ultralytics YOLO?#
Para a RapiD Engineering, o Ultralytics YOLO proporcionou a combinação ideal de simplicidade, desempenho e flexibilidade para suportar um sistema de produção em execução em várias implementações.
Em comparação com a framework anterior, a equipa conseguiu reduzir drasticamente o tempo despendido no treino, na exportação e na manutenção dos modelos, poupando cerca de uma semana de tempo de engenharia por ano apenas no fluxo de trabalho de exportação. A cada nova versão da Ultralytics, os modelos podem ser novamente treinados, exportados para TensorRT para implementação no Jetson e enviados novamente para produção com o mínimo de dificuldades.
Fig. 2. Exemplo de defeitos num filete de salmão detetados com Ultralytics YOLO.
O Ultralytics YOLO também proporcionou à RapiD Engineering a flexibilidade para utilizar vários tipos de tarefas, incluindo segmentação de instâncias, deteção de objetos e estimativa de pose, tudo a partir da mesma framework unificada, suportando funcionalidades de produto atuais e futuras à medida que a empresa expande o seu portefólio de IA de visão.
Da deteção inicial a informações acionáveis#
Para além da deteção, o sistema de controlo de qualidade da RapiD Engineering está totalmente integrado nos sistemas ERP dos seus clientes através do RapiD Vision Explorer, a camada de relatórios e análise baseada na cloud da plataforma. Cada salmão analisado é registado na cloud juntamente com os dados do seu fornecedor, exploração aquícola, localização e encomenda, proporcionando aos clientes uma visão detalhada do desempenho da qualidade por origem.
Estes dados são utilizados para gerar relatórios de qualidade por lote, ajudando os processadores a acompanhar quais os produtores e fornecedores que entregam consistentemente peixe da mais elevada qualidade e a tomar decisões de aprovisionamento informadas ao longo do tempo. Através de análises avançadas, o RapiD Vision Explorer pode até prever as melhores fontes atuais de produtos de elevada qualidade. O sistema também controla os tapetes transportadores a jusante, encaminhando automaticamente o salmão de menor qualidade para vias de processamento alternativas, para que os clientes recebam sempre peixe que corresponde às suas especificações de qualidade.
O software de front-end permite aos operadores ajustar os limiares de deteção, incluindo o tamanho mínimo das manchas, as pontuações de confiança e a área total afetada, garantindo que o sistema pode ser adaptado aos critérios de qualidade específicos de cada processador.
Expandir a IA de visão em toda a indústria dos produtos do mar#
Com uma forte procura pelos seus sistemas de controlo de qualidade e uma base de clientes em crescimento em toda a Europa, a RapiD Engineering está bem posicionada para continuar a expandir o papel da IA de visão no processamento de produtos do mar e para além dele. A empresa também planeia migrar os seus fluxos de trabalho de treino e anotação para a Ultralytics Platform, simplificando ainda mais o seu pipeline à medida que o expande para novas implementações.
Ao combinar décadas de experiência em engenharia com visão computacional de vanguarda, a RapiD Engineering está a ajudar os processadores de salmão a construir uma cadeia de abastecimento mais transparente, orientada por dados e eficiente, um lote de cada vez.
Tem interesse em criar as suas próprias soluções de IA de visão? Explore os modelos Ultralytics YOLO, descubra como o YOLO está a impulsionar inovações em vários setores e consulte as nossas opções de licenciamento para começar.
