RapiD Engineering, Ultralytics YOLO ile deniz ürünleri kalite kontrolünü 1 hafta daha hızlı devreye alıyor

Gıda işleme şirketleri ölçeklenebilir ve tutarlı bir kalite sunma konusunda artan bir baskıyla karşı karşıya kalırken, bilgisayarlı görü endüstrinin işleyişini yeniden şekillendiriyor. Hollanda merkezli ve merkezi Urk balıkçı köyünde bulunan mühendislik şirketi RapiD Engineering, deniz ürünleri endüstrisi ve ötesi için tasarlanmış, tak-çalıştır bir görü platformu olan RapiD Vision'ı inşa ederek bu değişimin ön saflarında yer alıyor.

Ultralytics YOLO modellerini kalite kontrol sistemlerine entegre eden RapiD Engineering; somon işleme tesislerinde kusur ve deformite tespiti (iş akışlarındaki en yoğun emek gerektiren ve öznel adımlardan biri) sürecini otomatikleştirerek çitflikten müşteriye tam izlenebilirlik sağlar.

Endüstriyel üretime tak-çalıştır yapay zeka görüsünü getirmek#

RapiD Engineering; endüstriyel ortamlar için mühendislik simülasyonları, yazılım uygulamaları ve bilgisayarlı görü çözümleri geliştiriyor. Şirket, RapiD Vision platformu aracılığıyla üç temel yetenek etrafında inşa edilmiş uçtan uca sistemler tasarlıyor: Robot kontrollü ürün taşıma için 'Pick & Place' uygulamaları, gerçek zamanlı kusur tespiti için Kalite Kontrol ve doğrudan ERP sistemleriyle entegre olan bulut tabanlı bir raporlama ve analitik katmanı olan RapiD Vision Explorer.

Platform, karmaşık ve gerçek dünya koşulları için tasarlanmış olup 3D görü/kameralar kullanarak üst üste gelen ürünleri işleyebiliyor, ürün türlerini ayırt edebiliyor ve tek bir görü sisteminden birden fazla robotu veya makineyi yönetebiliyor. Ürün grupları arasında Kalite Kontrol, Avrupa genelindeki somon işleyicilerinden gelen güçlü taleple şirketin en hızlı büyüyen çözümü haline geldi.

Şekil 1. Ultralytics YOLO tarafından hassas şekilde tespit edilen üst üste binen balık örneği.

Somon işlemede kalite kontrolün zorlukları#

Somon işleme, kalite sorunlarının müşteri memnuniyeti ve fiyatlandırma üzerinde önemli bir etkiye sahip olabildiği, yüksek hacimli ve yüksek hassasiyetli bir endüstridir. Kan lekeleri, melanin izleri ve diğer deformiteler gibi kusurlar, somon etinin doğal rengine görsel olarak benzer ve incedir; bu da onları insan gözüyle tutarlı bir şekilde tespit etmeyi zorlaştırır.

Geleneksel manuel denetim yavaş, yorucu ve operatörler ile vardiyalar arasında tutarsızdır. Bilgisayarlı görü daha erişilebilir hale geldiğinde bile, bunu gıda işleme ortamlarında uygulamak kendi zorluklarını beraberinde getirdi. Modellerin uç donanımda gerçek zamanlı çalışacak kadar küçük, ince kusurları tespit edecek kadar doğru ve yeni kameralar, aydınlatma koşulları veya ortamlar tanıtıldığında hızlı bir şekilde yeniden eğitilecek kadar esnek olması gerekiyordu.

Ultralytics'i benimsemeden önce RapiD Engineering, Meta'nın açık kaynaklı bir kütüphanesi olan Detectron'a güveniyordu. Güçlü olmasına rağmen kurulumu zordu, modelleri dışa aktarmak meşakkatliydi ve artık aktif olarak desteklenmiyordu, bu da onu uzun vadeli üretim kullanımı için uygunsuz hale getiriyordu.

Ultralytics YOLO ile gerçek zamanlı kusur tespiti#

Ultralytics'e geçiş yaptıktan sonra RapiD Engineering, kalite kontrol boru hattını NVIDIA Jetson uç donanımında çalışan YOLO modelleri etrafında yeniden kurdu. Her somon işleme sistemi, hat üzerinden geçerken her balığın her iki tarafını yakalayan üstten monteli ve alttan monteli birer kamera ile aynı anda dört adet Ultralytics YOLO modeli çalıştırır.

Her iki taraf için sistem art arda iki model çalıştırır: Somonu konveyörden ayırmak için bir Ultralytics YOLO11 nano modeli, ardından çevreleyen etten renk farklarının son derece ince olabildiği kan lekeleri ve melanin izleri gibi hassas deformiteleri tespit etmek için büyük bir YOLO11 modeli. Yüksek verimli segmentasyon için daha küçük bir model ve yüksek hassasiyetli tespit için daha büyük bir model kullanan RapiD Engineering, Jetson donanımında hız ve doğruluk arasında doğru dengesini sağlar.

RapiD Engineering, modellerini eğitmek için 20.000'den fazla somon görüntüsünü manuel olarak etiketleyerek, gerçek dünya işleme koşullarının görsel nüanslarını ele alan yüksek kaliteli bir veri seti oluşturdu. Ekip, yeni sistemler kurarken veya kamera ya da arka plan gibi çevresel faktörler değiştiğinde modelleri yeniden eğitiyor.

Neden Ultralytics YOLO modellerini seçmelisin?#

RapiD Engineering için Ultralytics YOLO, birden fazla kurulumda çalışan bir üretim sistemini desteklemek adına sadelik, performans ve esnekliğin ideal kombinasyonunu sundu.

Önceki çerçevesine kıyasla ekip; model eğitme, dışa aktarma ve bakım için harcanan süreyi önemli ölçüde azaltabildi ve sadece dışa aktarma iş akışında yılda yaklaşık bir haftalık mühendislik süresinden tasarruf sağladı. Her yeni Ultralytics sürümüyle modeller yeniden eğitilebiliyor, Jetson kurulumu için TensorRT'ye aktarılabiliyor ve minimum çabayla üretime geri alınabiliyor.

Şekil 2. Ultralytics YOLO ile tespit edilen somon filetosu üzerindeki kusur örneği.

Ultralytics YOLO ayrıca RapiD Engineering'e, şirket görü yapay zeka portföyünü genişletirken mevcut ve gelecekteki ürün özelliklerini desteklemek üzere örnek segmentasyonu, nesne tespiti ve poz tahmini dahil olmak üzere aynı birleşik çerçeveden birden fazla görev türünü kullanma esnekliği sağladı.

Ham tespitten eyleme geçirilebilir içgörülere#

Tespitin ötesinde, RapiD Engineering'in kalite kontrol sistemi, platformun bulut tabanlı raporlama ve analitik katmanı olan RapiD Vision Explorer aracılığıyla müşterilerin ERP sistemleriyle tamamen entegredir. Analiz edilen her somon; tedarikçisi, çiftliği, konumu ve sipariş verileriyle birlikte bulutta günlüğe kaydedilir ve müşterilere kaynağa göre kalite performansının ayrıntılı bir görünümünü sunar.

Bu veriler, parti bazlı kalite raporları oluşturmak için kullanılır; bu da işleyicilerin hangi çiftçilerin ve tedarikçilerin tutarlı bir şekilde en yüksek kalitede balık sağladığını takip etmelerine ve zaman içinde bilinçli tedarik kararları almalarına yardımcı olur. Gelişmiş analitik sayesinde RapiD Vision Explorer, yüksek kaliteli ürünler için en iyi güncel kaynakları tahmin bile edebilir. Sistem ayrıca alt konveyör bantlarını kontrol ederek daha düşük kaliteli somonları otomatik olarak alternatif işleme yollarına yönlendirir, böylece müşteriler her zaman kalite spesifikasyonlarına uygun balık alırlar.

Ön uç yazılımı, operatörlerin minimum nokta boyutu, güven puanları ve toplam etkilenen alan dahil olmak üzere tespit eşiklerini ince ayarlarla değiştirmelerine olanak tanıyarak sistemin her işleyicinin özel kalite kriterlerine uyarlanabilmesini sağlar.

Deniz ürünleri endüstrisinde görü yapay zekasını ölçeklendirmek#

Kalite kontrol sistemlerine duyulan yoğun talep ve Avrupa genelinde büyüyen müşteri tabanıyla RapiD Engineering, deniz ürünleri işleme ve ötesinde görsel yapay zekanın rolünü genişletmeye devam etmek için güçlü bir konuma sahiptir. Şirket ayrıca eğitim ve etiketleme iş akışlarını Ultralytics Platform üzerine taşımayı planlayarak yeni kurulumlar arasında ölçeklenirken boru hattını daha da optimize etmektedir.

Onlarca yıllık mühendislik uzmanlığını en ileri bilgisayarlı görü ile birleştiren RapiD Engineering, somon işleyicilerinin her seferinde bir parti olmak üzere daha şeffaf, veri odaklı ve verimli bir tedarik zinciri oluşturmalarına yardımcı oluyor.

Kendi Görsel Yapay Zeka çözümlerinizi oluşturmakla ilgileniyor musunuz? Ultralytics YOLO modellerini keşfedin, YOLO'nun sektörler genelinde inovasyonları nasıl yönlendirdiğini öğrenin ve başlamak için lisanslama seçeneklerimize göz atın.