RapiD Engineering развертывает систему контроля качества морепродуктов на 1 неделю быстрее с помощью Ultralytics YOLO

Поскольку компании пищевой промышленности сталкиваются с растущим давлением, требующим обеспечения стабильного качества в больших масштабах, компьютерное зрение меняет принципы работы отрасли. Компания RapiD Engineering из Нидерландов, штаб-квартира которой находится в рыбацкой деревне Урк, находится в авангарде этих изменений, создав RapiD Vision — готовую платформу компьютерного зрения, предназначенную для индустрии морепродуктов и не только.

Интегрируя модели Ultralytics YOLO в свои системы контроля качества, компания RapiD Engineering помогает автоматизировать этот процесс у переработчиков лосося, автоматизируя обнаружение дефектов и деформаций (один из самых трудоемких и субъективных этапов в их рабочем процессе) с полной прослеживаемостью от фермы до клиента.

Привносим готовые решения vision AI в промышленное производство#

RapiD Engineering разрабатывает инженерные симуляции, программные приложения и решения на основе компьютерного зрения для промышленных сред. С помощью платформы RapiD Vision компания проектирует комплексные системы, построенные на трех ключевых возможностях: приложениях Pick & Place для роботизированной обработки продуктов, контроле качества (Quality Control) для обнаружения дефектов в реальном времени и RapiD Vision Explorer — облачном уровне отчетности и аналитики, который напрямую интегрируется с ERP-системами.

Платформа разработана для сложных реальных условий и способна работать с перекрывающимися продуктами с помощью 3D-зрения/камер, различать типы продуктов и координировать работу нескольких роботов или машин из одной системы зрения. Среди линеек продуктов контроль качества (Quality Control) стал самым быстрорастущим предложением компании, вызывающим высокий спрос у переработчиков лосося по всей Европе.

Рис. 1. Пример точного обнаружения перекрывающихся рыб с помощью Ultralytics YOLO.

Проблемы контроля качества при переработке лосося#

Переработка лосося — это высокопроизводительная и высокоточная отрасль, где проблемы с качеством могут оказать значительное влияние на удовлетворенность клиентов и ценообразование. Дефекты, такие как пятна крови, следы меланина и другие деформации, трудноразличимы и визуально похожи на естественный цвет мяса лосося, поэтому их сложно последовательно обнаруживать человеческим глазом.

Традиционная ручная проверка — это медленный, утомительный и непоследовательный процесс, зависящий от оператора и смены. Даже когда компьютерное зрение стало более доступным, его внедрение в процессы пищевой промышленности создало свои собственные проблемы. Модели должны были быть достаточно компактными, чтобы работать в реальном времени на граничных (edge) устройствах, достаточно точными, чтобы обнаруживать мелкие дефекты, и достаточно гибкими, чтобы их можно было быстро переобучить при внедрении новых камер, условий освещения или сред.

До перехода на Ultralytics компания RapiD Engineering полагалась на Detectron, библиотеку с открытым исходным кодом от Meta. Несмотря на свою мощь, она была сложной в настройке, из нее было трудно экспортировать модели, и она больше не поддерживалась активно, что делало ее непригодной для долгосрочного использования в производстве.

Обнаружение дефектов в реальном времени с помощью Ultralytics YOLO#

После перехода на Ultralytics компания RapiD Engineering перестроила свой конвейер контроля качества вокруг моделей YOLO, работающих на периферийном оборудовании NVIDIA Jetson. Каждая система переработки лосося запускает четыре модели Ultralytics YOLO одновременно, причем одна камера установлена сверху, а другая снизу, чтобы захватывать обе стороны каждой рыбы по мере ее прохождения по линии.

Для каждой стороны система запускает две модели последовательно: нано-модель Ultralytics YOLO11 для сегментации лосося на конвейере, за которой следует крупная модель YOLO11 для обнаружения мелкозернистых деформаций, таких как пятна крови и следы меланина, где цветовые различия с окружающим мясом могут быть чрезвычайно тонкими. Используя меньшую модель для высокопроизводительной сегментации и более крупную модель для высокоточного обнаружения, RapiD Engineering достигает правильного баланса скорости и точности на оборудовании Jetson.

Для обучения моделей RapiD Engineering вручную разметила более 20 000 изображений лосося, создав высококачественный набор данных, который учитывает визуальные нюансы реальных условий обработки. Команда переобучает модели при внедрении новых систем или при изменении факторов окружающей среды, таких как камеры или фон.

Почему стоит выбрать модели Ultralytics YOLO?#

Для RapiD Engineering технология Ultralytics YOLO предложила идеальное сочетание простоты, производительности и гибкости для поддержки производственной системы, работающей в рамках нескольких внедрений.

По сравнению с предыдущей платформой команда смогла значительно сократить время, затрачиваемое на обучение, экспорт и обслуживание моделей, экономя около недели инженерного времени в год только на процессе экспорта. С каждым новым релизом Ultralytics модели можно переобучать, экспортировать в TensorRT для развертывания на Jetson и возвращать в производство с минимальными усилиями.

Рис. 2. Пример обнаружения дефектов на филе лосося с помощью Ultralytics YOLO.

Ultralytics YOLO также предоставила RapiD Engineering гибкость в использовании нескольких типов задач, включая сегментацию экземпляров (instance segmentation), обнаружение объектов (object detection) и оценку позы (pose estimation), все в рамках одной унифицированной платформы, поддерживая текущие и будущие функции продукта по мере расширения портфеля vision AI компании.

От простого обнаружения к практическим выводам#

Помимо обнаружения, система контроля качества RapiD Engineering полностью интегрирована с ERP-системами клиентов через RapiD Vision Explorer — облачный слой отчетности и аналитики платформы. Каждый проанализированный экземпляр лосося регистрируется в облаке вместе с данными о поставщике, ферме, местоположении и заказе, что дает клиентам детальное представление о качестве продукции в зависимости от источника.

Эти данные используются для создания отчетов о качестве по каждой партии, помогая переработчикам отслеживать, какие фермеры и поставщики постоянно поставляют рыбу высочайшего качества, и принимать обоснованные решения о закупках. Благодаря продвинутой аналитике RapiD Vision Explorer может даже прогнозировать лучшие текущие источники для получения высококачественной продукции. Система также управляет нижестоящими конвейерными лентами, автоматически направляя лосось более низкого качества на альтернативные пути обработки, чтобы клиенты всегда получали рыбу, соответствующую их спецификациям качества.

Интерфейсное программное обеспечение позволяет операторам настраивать пороги обнаружения, включая минимальный размер пятна, показатели достоверности (confidence scores) и общую площадь поражения, гарантируя, что систему можно адаптировать к конкретным критериям качества каждого переработчика.

Масштабирование vision AI в индустрии морепродуктов#

Благодаря высокому спросу на свои системы контроля качества и растущей клиентской базе по всей Европе, компания RapiD Engineering имеет отличные возможности для дальнейшего расширения роли визуального ИИ в переработке морепродуктов и за ее пределами. Компания также планирует перенести свои рабочие процессы обучения и аннотирования на Ultralytics Platform, что еще больше оптимизирует ее конвейер по мере масштабирования на новые развертывания.

Объединяя десятилетия инженерного опыта с передовым компьютерным зрением, RapiD Engineering помогает переработчикам лосося создавать более прозрачную, основанную на данных и эффективную цепочку поставок, партия за партией.

Хочешь создать собственные решения на базе визуального ИИ? Изучи модели Ultralytics YOLO, узнай, как YOLO стимулирует инновации в различных отраслях, и ознакомься с нашими вариантами лицензирования, чтобы начать работу.