A RapiD Engineering implementa o controlo de qualidade de marisco 1 semana mais depressa com o Ultralytics YOLO

À medida que as empresas de processamento de alimentos enfrentam uma pressão crescente para entregar qualidade consistente em escala, a visão computacional está remodelando a forma como o setor opera. A RapiD Engineering, uma empresa de engenharia sediada na Holanda com sede na vila de pescadores de Urk, está na vanguarda dessa mudança, criando a RapiD Vision, uma plataforma de visão plug-and-play projetada para a indústria de frutos do mar e muito mais.

Ao integrar os Ultralytics YOLO models nos seus sistemas de controlo de qualidade, a RapiD Engineering ajuda a automatizar o controlo de qualidade em processadores de salmão, automatizando a deteção de defeitos e deformidades (uma das etapas mais laboriosas e subjetivas no seu fluxo de trabalho), com rastreabilidade total desde a quinta até ao cliente.

Levando IA de visão plug-and-play para a produção industrial#

A RapiD Engineering desenvolve simulações de engenharia, aplicativos de software e soluções de visão computacional para ambientes industriais. Por meio de sua plataforma RapiD Vision, a empresa projeta sistemas de ponta a ponta construídos em torno de três capacidades principais: aplicações de Pick & Place para manuseio de produtos controlado por robô, Controle de Qualidade para detecção de defeitos em tempo real e RapiD Vision Explorer, uma camada de relatórios e análises baseada em nuvem que se integra diretamente aos sistemas ERP.

A plataforma foi projetada para condições complexas do mundo real, capaz de lidar com produtos sobrepostos usando visão/câmeras 3D, distinguir entre tipos de produtos e orquestrar vários robôs ou máquinas a partir de um único sistema de visão. Entre suas linhas de produtos, o Controle de Qualidade tornou-se a oferta de crescimento mais rápido da empresa, atraindo forte demanda de processadores de salmão em toda a Europa.

Fig 1. Exemplo de peixe sobreposto a ser detetado com precisão pelo Ultralytics YOLO.

Os desafios do controle de qualidade no processamento de salmão#

O processamento de salmão é uma indústria de alto volume e alta precisão, onde 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 deformidades são sutis e visualmente semelhantes à cor natural da carne do salmão, tornando-os difíceis de detectar consistentemente a olho nu.

A inspeção manual tradicional é lenta, cansativa e inconsistente entre operadores e turnos. Mesmo quando a visão computacional se tornou mais acessível, implementá-la em ambientes de processamento de alimentos trouxe seus próprios desafios. Os modelos precisavam ser pequenos o suficiente para rodar em tempo real em hardware de borda, precisos o suficiente para detectar defeitos sutis e flexíveis o suficiente para serem retreinados rapidamente quando novas câmeras, condições de iluminação ou ambientes fossem introduzidos.

Antes de adotar o Ultralytics, a RapiD Engineering contava com o Detectron, uma biblioteca de código aberto da Meta. Embora poderosa, era difícil de configurar, difícil de exportar modelos e não era mais mantida ativamente, tornando-a inadequada para uso em produção a longo prazo.

Detecção de defeitos em tempo real com Ultralytics YOLO#

Após mudar para o Ultralytics, a RapiD Engineering reconstruiu o seu pipeline de controlo de qualidade em torno de modelos YOLO a correr em hardware de ponta NVIDIA Jetson. Cada sistema de processamento de salmão executa quatro modelos Ultralytics YOLO em simultâneo, com uma câmara montada na parte superior e outra na parte inferior a capturar 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 do Ultralytics YOLO11 para segmentar o salmão da correia transportadora, seguido por um modelo YOLO11 grande para detetar deformidades granulares como manchas de sangue e marcas de melanina, onde as diferenças de cor em relação à carne circundante podem ser extremamente subtis. Ao utilizar um modelo mais pequeno para segmentação de alto débito e um modelo maior para deteção de alta precisão, a RapiD Engineering consegue o equilíbrio certo entre velocidade e precisão no hardware Jetson.

Para treinar seus modelos, a RapiD Engineering anotou manualmente mais de 20.000 imagens de salmão, construindo um conjunto de dados de alta qualidade que lida com as nuances visuais das condições de processamento do mundo real. A equipe retreina os modelos ao implementar novos sistemas ou quando fatores ambientais como câmeras ou planos de fundo mudam.

Por que escolher Ultralytics YOLO models?#

Para a RapiD Engineering, o Ultralytics YOLO ofereceu a combinação ideal de simplicidade, desempenho e flexibilidade para suportar um sistema de produção em execução em várias implementações.

Comparado à sua estrutura anterior, a equipe conseguiu reduzir drasticamente o tempo gasto no treinamento, exportação e manutenção de modelos, economizando cerca de uma semana de tempo de engenharia por ano apenas no fluxo de trabalho de exportação. Com cada novo lançamento do Ultralytics, os modelos podem ser retreinados, exportados para TensorRT para implementação no Jetson e enviados de volta para a produção com atrito mínimo.

Fig 2. Exemplo de defeitos num filete de salmão detetados com o Ultralytics YOLO.

O Ultralytics YOLO também deu à RapiD Engineering a flexibilidade de usar vários tipos de tarefas, incluindo segmentação de instâncias, detecção de objetos e estimativa de pose, tudo a partir da mesma estrutura unificada, suportando recursos de produto atuais e futuros à medida que a empresa expande seu portfólio de visão de IA.

Da detecção bruta a insights acionáveis#

Além da detecção, o sistema de controle de qualidade da RapiD Engineering é totalmente integrado aos sistemas ERP de seus clientes por meio do RapiD Vision Explorer, a camada de relatórios e análises baseada em nuvem da plataforma. Cada salmão analisado é registrado na nuvem junto com seu fornecedor, fazenda, localização e dados do pedido, oferecendo aos clientes uma visão detalhada do desempenho da qualidade por origem.

Esses dados são usados para gerar relatórios de qualidade por lote, ajudando os processadores a rastrear quais produtores e fornecedores entregam consistentemente o peixe de maior qualidade e a tomar decisões de fornecimento informadas ao longo do tempo. Por meio de análises avançadas, o RapiD Vision Explorer pode até prever as melhores fontes atuais para produtos de alta qualidade. O sistema também controla esteiras transportadoras a jusante, direcionando automaticamente o salmão de menor qualidade para caminhos de processamento alternativos, para que os clientes recebam sempre peixes que atendam às suas especificações de qualidade.

O software de front-end permite que os operadores ajustem os limites de detecção, incluindo tamanho mínimo da mancha, pontuações de confiança e área total afetada, garantindo que o sistema possa ser adaptado aos critérios de qualidade específicos de cada processador.

Escalando a IA de visão em toda a indústria de frutos do mar#

Com uma forte procura pelos seus sistemas de controlo de qualidade e uma base de clientes em crescimento por toda a Europa, a RapiD Engineering está bem posicionada para continuar a expandir o papel da IA de visão no processamento de peixe e muito mais. A empresa também planeia migrar os seus fluxos de trabalho de treino e anotação para a Ultralytics Platform, otimizando ainda mais o seu pipeline à medida que escala em novas implementações.

Ao combinar décadas de experiência em engenharia com visão computacional de ponta, a RapiD Engineering está ajudando os processadores de salmão a construir uma cadeia de suprimentos mais transparente, orientada por dados e eficiente, um lote de cada vez.

Tens interesse em criar as tuas próprias soluções de IA de visão? Explora os modelos Ultralytics YOLO, descobre como o YOLO está a impulsionar inovações across industries e consulta as nossas licensing options para começar.