RapiD Vision — готовая к использованию система компьютерного зрения на базе моделей Ultralytics YOLO — обнаруживает дефекты и деформации в реальном времени, напрямую передаёт результаты в ERP-системы клиентов и сокращает время инженерной работы на одну неделю.
По мере того как компании пищевой промышленности сталкиваются с растущими требованиями к стабильно высокому качеству продукции при больших объёмах производства, компьютерное зрение меняет принципы работы отрасли. Нидерландская инженерная компания RapiD Engineering со штаб-квартирой в рыбацком посёлке Урк находится в авангарде этих изменений. Компания разрабатывает RapiD Vision — готовую к использованию платформу компьютерного зрения для рыбной промышленности и других отраслей.
Интегрируя модели Ultralytics YOLO в системы контроля качества, RapiD Engineering помогает автоматизировать контроль качества у производителей лосося, выявляя дефекты и деформации — одну из самых трудоёмких и субъективных операций в рабочем процессе. При этом обеспечивается полная прослеживаемость продукции от фермы до клиента.
Готовое к использованию компьютерное зрение с ИИ для промышленного производства#
RapiD Engineering разрабатывает инженерные симуляции, программные приложения и решения на основе компьютерного зрения для промышленных сред. На платформе RapiD Vision компания создаёт комплексные системы с тремя основными возможностями: решения Pick & Place для управления захватом изделий роботами, контроль качества с обнаружением дефектов в реальном времени и RapiD Vision Explorer — облачный уровень отчётности и аналитики с прямой интеграцией в ERP-системы.
Платформа рассчитана на сложные реальные условия: она обрабатывает перекрывающие друг друга изделия с помощью 3D-зрения и камер, различает типы продукции и управляет несколькими роботами или машинами из одной системы компьютерного зрения. Среди продуктовых направлений компании контроль качества стал самым быстрорастущим и пользуется высоким спросом у производителей лосося по всей Европе.
Рис. 1. Пример точного обнаружения перекрывающих друг друга рыб с помощью Ultralytics YOLO.
Проблемы контроля качества при переработке лосося#
Переработка лосося — это отрасль с большими объёмами производства и высокими требованиями к точности, где проблемы с качеством могут существенно повлиять на удовлетворённость клиентов и цены. Дефекты, такие как кровяные пятна, меланиновые пятна и другие деформации, малозаметны и по цвету похожи на естественный оттенок мяса лосося. Поэтому человеку трудно стабильно выявлять их визуально.
Традиционная ручная проверка проходит медленно, утомляет сотрудников, а её результаты различаются у разных операторов и в разные смены. Даже когда компьютерное зрение стало доступнее, его внедрение на предприятиях пищевой промышленности вызвало новые трудности. Модели должны быть достаточно компактными, чтобы работать в реальном времени на периферийном оборудовании, достаточно точными для обнаружения малозаметных дефектов и достаточно гибкими для быстрого переобучения при появлении новых камер, изменении освещения или смене среды.
До перехода на Ultralytics компания RapiD Engineering использовала Detectron — библиотеку с открытым исходным кодом от Meta. Несмотря на широкие возможности, её было сложно настраивать и экспортировать из неё модели. Кроме того, библиотека больше не поддерживалась активно, поэтому не подходила для долгосрочного использования в производстве.
Обнаружение дефектов в реальном времени с помощью Ultralytics YOLO#
После перехода на Ultralytics компания RapiD Engineering перестроила конвейер контроля качества на моделях YOLO, работающих на периферийном оборудовании NVIDIA Jetson. В каждой системе переработки лосося одновременно работают четыре модели Ultralytics YOLO. Камеры сверху и снизу снимают обе стороны каждой рыбы, проходящей по линии.
Для каждой стороны последовательно запускаются две модели: нано-модель Ultralytics YOLO11 отделяет лосося от конвейера с помощью сегментации, после чего крупная модель YOLO11 обнаруживает малозаметные деформации, например кровяные и меланиновые пятна, цвет которых может почти не отличаться от окружающего мяса. Используя компактную модель для высокоскоростной сегментации и более крупную для высокоточного обнаружения, RapiD Engineering добивается оптимального баланса скорости и точности на оборудовании Jetson.
Для обучения моделей RapiD Engineering вручную аннотировала более 20 000 изображений лосося, создав высококачественный набор данных, отражающий визуальные особенности реальных условий переработки. Команда переобучает модели при внедрении новых систем или изменении факторов окружающей среды, например камер или фона.
Почему стоит выбрать модели Ultralytics YOLO?#
Для RapiD Engineering Ultralytics YOLO обеспечила оптимальное сочетание простоты, производительности и гибкости, необходимое для производственной системы, используемой в разных местах.
По сравнению с предыдущей платформой команда смогла значительно сократить время на обучение, экспорт и сопровождение моделей. Только на процессе экспорта это экономит около недели инженерной работы в год. С каждым новым выпуском Ultralytics модели можно переобучить, экспортировать в TensorRT для развёртывания на Jetson и вернуть в производство с минимальными усилиями.
Рис. 2. Пример обнаружения дефектов филе лосося с помощью Ultralytics YOLO.
Ultralytics YOLO также дала RapiD Engineering возможность использовать разные типы задач в рамках единой платформы, включая сегментацию экземпляров, обнаружение объектов и оценку позы. Это поддерживает текущие и будущие функции продуктов по мере расширения портфеля решений компании в области компьютерного зрения и ИИ.
От обнаружения объектов к практическим выводам#
Помимо обнаружения объектов, система контроля качества RapiD Engineering полностью интегрирована с ERP-системами клиентов через RapiD Vision Explorer — облачный уровень отчетности и аналитики платформы. Данные о каждом проанализированном лососе заносятся в облако вместе с информацией о поставщике, ферме, местоположении и заказе, что позволяет клиентам подробно оценивать качество продукции из разных источников.
Эти данные используются для создания отчетов о качестве каждой партии. Они помогают переработчикам отслеживать, какие фермеры и поставщики стабильно поставляют рыбу высочайшего качества, и со временем принимать обоснованные решения о закупках. Благодаря расширенной аналитике RapiD Vision Explorer даже может определять наиболее подходящие источники высококачественной продукции на данный момент. Система также управляет последующими конвейерными лентами и автоматически направляет лосося более низкого качества на альтернативные линии переработки, чтобы клиенты всегда получали рыбу, соответствующую их требованиям к качеству.
Интерфейсное ПО позволяет операторам точно настраивать пороги обнаружения, включая минимальный размер пятна, показатели уверенности и общую площадь поражения, чтобы адаптировать систему к конкретным критериям качества каждого переработчика.
Масштабирование vision AI в индустрии морепродуктов#
Благодаря высокому спросу на системы контроля качества и растущей клиентской базе по всей Европе, RapiD Engineering имеет все возможности для дальнейшего расширения применения vision AI в переработке морепродуктов и за ее пределами. Компания также планирует перенести процессы обучения и аннотирования на Ultralytics Platform, чтобы еще эффективнее организовать конвейер по мере масштабирования и внедрения системы на новых объектах.
Объединяя многолетний инженерный опыт с передовыми технологиями компьютерного зрения, RapiD Engineering помогает переработчикам лосося создавать более прозрачную, основанную на данных и эффективную цепочку поставок — партия за партией.
Хочешь создавать собственные решения на базе Vision AI? Изучи модели Ultralytics YOLO, узнай, как YOLO внедряет инновации в разных отраслях, и ознакомься с вариантами лицензирования, чтобы начать.
