Ultralytics YOLO modelleriyle desteklenen, tak-çalıştır bir görüntü sistemi olan RapiD Vision, kusurları ve deformasyonları gerçek zamanlı olarak tespit eder, elde edilen içgörüleri doğrudan müşterinin ERP sistemlerine aktarır ve mühendislik süresini 1 hafta kısaltır.
Gıda işleme şirketleri ölçekli üretimde tutarlı kalite sunma konusunda artan bir baskıyla karşı karşıya kalırken bilgisayarlı görü, sektörün çalışma biçimini yeniden şekillendiriyor. Merkezi balıkçı köyü Urk'ta bulunan, Hollanda merkezli bir mühendislik şirketi olan RapiD Engineering bu dönüşümün ön saflarında yer alıyor; deniz ürünleri sektörü ve daha fazlası için tasarlanmış, tak-çalıştır bir görüntü platformu olan RapiD Vision'ı geliştiriyor.
Ultralytics YOLO modellerini kalite kontrol sistemlerine entegre eden RapiD Engineering, somon işleyicilerinde kalite kontrolünü otomatikleştirmeye yardımcı olur; iş akışlarının en yoğun emek gerektiren ve öznel adımlarından biri olan kusur ve deformasyon tespitini otomatikleştirirken çiftlikten müşteriye kadar eksiksiz izlenebilirlik sağlar.
Tak-çalıştır görüntü yapay zekâsını endüstriyel üretime taşımak#
RapiD Engineering, endüstriyel ortamlar için mühendislik simülasyonları, yazılım uygulamaları ve bilgisayarlı görü çözümleri geliştirir. Şirket, RapiD Vision platformu aracılığıyla üç temel yetenek etrafında oluşturulmuş uçtan uca sistemler tasarlar: robot kontrollü ürün taşıma için Pick & Place uygulamaları, gerçek zamanlı kusur tespiti için Quality Control ve ERP sistemleriyle doğrudan entegre olan bulut tabanlı raporlama ve analiz katmanı RapiD Vision Explorer.
Platform, 3D görüntüleme/kameralar kullanarak üst üste duran ürünleri işleyebilme, ürün türlerini ayırt edebilme ve tek bir görüntü sistemi üzerinden birden çok robotu veya makineyi yönetebilme gibi karmaşık, gerçek dünya koşulları için tasarlanmıştır. Ürün grupları arasında Quality Control, şirketin en hızlı büyüyen teklifi hâline gelmiş ve Avrupa genelindeki somon işleyicilerinden yoğun talep almıştır.
Şekil 1. Üst üste duran balıkların Ultralytics YOLO tarafından hassas biçimde tespit edilmesine örnek.
Somon işlemede kalite kontrolün zorlukları#
Somon işleme, kalite sorunlarının müşteri memnuniyeti ve fiyatlandırma üzerinde önemli bir etkiye sahip olabildiği, yüksek hacimli ve yüksek hassasiyet gerektiren bir sektördür. Kan lekeleri, melanin izleri ve diğer deformasyonlar gibi kusurlar, somon etinin doğal rengine ince ve görsel olarak benzer olduğundan insan gözüyle tutarlı biçimde fark edilmeleri zordur.
Geleneksel manuel denetim yavaştır, yorucudur ve operatörler ile vardiyalar arasında tutarsızlık gösterir. Bilgisayarlı görü daha erişilebilir hâle geldiğinde bile gıda işleme ortamlarında devreye alınması kendi zorluklarını beraberinde getirdi. Modellerin uç donanımında gerçek zamanlı çalışacak kadar küçük, ince kusurları tespit edecek kadar doğru ve yeni kameralar, aydınlatma koşulları veya ortamlar eklendiğinde hızlıca yeniden eğitilebilecek kadar esnek olması gerekiyordu.
RapiD Engineering, Ultralytics'i benimsemeden önce Meta'nın açık kaynaklı kütüphanesi Detectron'a güveniyordu. Güçlü olmasına rağmen kurulumu zordu, modelleri dışa aktarmak zahmetliydi ve artık etkin biçimde bakımı yapılmıyordu; bu da onu uzun vadeli üretim kullanımı için uygunsuz hâle getiriyordu.
Ultralytics YOLO ile gerçek zamanlı kusur tespiti#
RapiD Engineering, Ultralytics'e geçtikten sonra kalite kontrol işlem hattını NVIDIA Jetson uç donanımında çalışan YOLO modelleri etrafında yeniden oluşturdu. Her somon işleme sistemi aynı anda dört Ultralytics YOLO modeli çalıştırır; biri üstte, biri altta konumlandırılmış kameralar, hat boyunca ilerleyen her balığın iki tarafını da görüntüler.
Sistem, her taraf için iki modeli sırayla çalıştırır: Somonu konveyörden segmentlere ayırmak için bir Ultralytics YOLO11 nano modeli, ardından kan lekeleri ve melanin izleri gibi, çevredeki etle renk farklarının son derece ince olabildiği ayrıntılı deformasyonları tespit etmek için büyük bir YOLO11 modeli. RapiD Engineering, yüksek hacimli segmentasyon için daha küçük, yüksek hassasiyetli tespit içinse daha büyük bir model kullanarak Jetson donanımında hız ve doğruluk arasında doğru dengeyi yakalar.
RapiD Engineering, modellerini eğitmek için 20.000'den fazla somon görüntüsünü manuel olarak etiketleyerek gerçek dünya işleme koşullarındaki görsel nüansları ele alan yüksek kaliteli bir veri kümesi oluşturdu. Ekip, yeni sistemleri devreye alırken veya kamera ve arka plan gibi çevresel etkenler değiştiğinde modelleri yeniden eğitir.
Neden Ultralytics YOLO modellerini seçmelisin?#
Ultralytics YOLO, RapiD Engineering için birden çok devreye alma genelinde çalışan bir üretim sistemini desteklemek üzere basitlik, performans ve esnekliğin ideal birleşimini sundu.
Önceki çerçeveleriyle karşılaştırıldığında ekip, modelleri eğitmek, dışa aktarmak ve bakımını yapmak için harcanan zamanı önemli ölçüde azaltabildi; yalnızca dışa aktarma iş akışında yılda yaklaşık bir haftalık mühendislik süresi tasarrufu sağlandı. Her yeni Ultralytics sürümüyle modeller yeniden eğitilebiliyor, Jetson dağıtımı için TensorRT'ye aktarılabiliyor ve minimum zahmetle yeniden üretime alınabiliyor.
Şekil 2. Somon filetosundaki kusurların Ultralytics YOLO ile tespit edilmesine örnek.
Ultralytics YOLO ayrıca RapiD Engineering'e, aynı birleşik çerçeveden örnek segmentasyonu, nesne tespiti ve poz tahmini dâhil olmak üzere birden çok görev türünü kullanma esnekliği sağladı; şirket görüntü yapay zekâsı portföyünü genişletirken mevcut ve gelecekteki ürün özelliklerini destekledi.
Ham tespitlerden eyleme dönüştürülebilir içgörülere#
RapiD Engineering'in kalite kontrol sistemi, tespitin ötesinde, platformun bulut tabanlı raporlama ve analiz katmanı olan RapiD Vision Explorer aracılığıyla müşterilerinin ERP sistemleriyle tamamen entegredir. Analiz edilen her somon; tedarikçisi, çiftliği, konumu ve sipariş verileriyle birlikte buluta kaydedilir ve müşterilere kaynağa göre kalite performansına ilişkin ayrıntılı bir görünüm sunar.
Bu veriler parti bazında kalite raporları oluşturmak, işleyicilerin sürekli olarak en yüksek kaliteli balıkları hangi çiftçilerin ve tedarikçilerin teslim ettiğini takip etmelerine ve zaman içinde bilinçli tedarik kararları almalarına yardımcı olmak için kullanılır. RapiD Vision Explorer, gelişmiş analizler aracılığıyla yüksek kaliteli ürünler için o anki en iyi kaynakları bile tahmin edebilir. Sistem ayrıca sonraki aşamadaki konveyör bantlarını kontrol ederek daha düşük kaliteli somonları alternatif işleme yollarına otomatik olarak yönlendirir; böylece müşteriler her zaman kalite spesifikasyonlarına uygun balık alır.
Ön uç yazılımı, minimum leke boyutu, güven skorları ve etkilenen toplam alan dâhil olmak üzere tespit eşiklerini operatörlerin hassas biçimde ayarlamasına olanak tanır; böylece sistem her işleyicinin özel kalite kriterlerine uyarlanabilir.
Deniz ürünleri sektörü genelinde görüntü yapay zekâsını ölçeklendirmek#
Kalite kontrol sistemlerine yönelik güçlü talep ve Avrupa genelinde büyüyen müşteri tabanıyla RapiD Engineering, görüntü yapay zekâsının deniz ürünleri işleme ve ötesindeki rolünü genişletmeye devam etmek için iyi bir konumda. Şirket ayrıca eğitim ve etiketleme iş akışlarını Ultralytics Platform'a taşımayı planlıyor; böylece yeni dağıtımlarda ölçeklenirken işlem hattını daha da sadeleştirecek.
RapiD Engineering, onlarca yıllık mühendislik uzmanlığını en son bilgisayarlı görü teknolojileriyle birleştirerek somon işleyicilerinin daha şeffaf, veriye dayalı ve verimli bir tedarik zinciri oluşturmasına, her seferinde bir parti olmak üzere yardımcı oluyor.
Kendi Görüntü Yapay Zekâsı çözümlerini geliştirmekle ilgileniyor musun? Ultralytics YOLO modellerini keşfet, YOLO'nun sektörler genelinde yenilikleri nasıl desteklediğini öğren ve başlamak için lisanslama seçeneklerimize göz at.
