RapiD Vision, một hệ thống thị giác cắm là chạy sử dụng model Ultralytics YOLO, phát hiện lỗi và biến dạng theo thời gian thực, đưa thông tin chi tiết trực tiếp vào hệ thống ERP của khách hàng và tiết kiệm một tuần thời gian kỹ thuật.
Khi các công ty chế biến thực phẩm chịu áp lực ngày càng lớn trong việc đảm bảo chất lượng đồng nhất ở quy mô lớn, computer vision đang định hình lại cách ngành này vận hành. RapiD Engineering, công ty kỹ thuật có trụ sở chính tại làng chài Urk của Hà Lan, đang dẫn đầu xu hướng chuyển đổi này với RapiD Vision — nền tảng thị giác cắm là chạy được thiết kế cho ngành hải sản và nhiều lĩnh vực khác.
Bằng cách tích hợp model Ultralytics YOLO vào hệ thống kiểm soát chất lượng, RapiD Engineering giúp tự động hóa kiểm soát chất lượng tại các cơ sở chế biến cá hồi, tự động phát hiện lỗi và biến dạng — một trong những công đoạn tốn nhiều nhân lực và mang tính chủ quan nhất trong quy trình — đồng thời đảm bảo khả năng truy xuất đầy đủ từ trang trại đến khách hàng.
Đưa vision AI cắm là chạy vào sản xuất công nghiệp#
RapiD Engineering phát triển mô phỏng kỹ thuật, ứng dụng phần mềm và giải pháp computer vision cho môi trường công nghiệp. Thông qua nền tảng RapiD Vision, công ty thiết kế các hệ thống đầu cuối dựa trên ba năng lực cốt lõi: ứng dụng gắp và đặt để robot xử lý sản phẩm, Quality Control để phát hiện lỗi theo thời gian thực và RapiD Vision Explorer — lớp báo cáo và phân tích trên cloud tích hợp trực tiếp với hệ thống ERP.
Nền tảng được thiết kế cho các điều kiện thực tế phức tạp: có thể xử lý sản phẩm chồng lấn bằng vision/camera 3D, phân biệt các loại sản phẩm và điều phối nhiều robot hoặc máy móc từ một hệ thống thị giác duy nhất. Trong các dòng sản phẩm, Quality Control đã trở thành sản phẩm phát triển nhanh nhất của công ty, thu hút nhu cầu lớn từ các cơ sở chế biến cá hồi trên khắp châu Âu.
Hình 1. Ví dụ về cá chồng lấn được Ultralytics YOLO phát hiện chính xác.
Thách thức trong kiểm soát chất lượng chế biến cá hồi#
Chế biến cá hồi là ngành có sản lượng lớn và đòi hỏi độ chính xác cao, nơi các vấn đề về chất lượng có thể ảnh hưởng đáng kể đến mức độ hài lòng của khách hàng và giá bán. Các khuyết tật như đốm máu, vết melanin và những biến dạng khác rất tinh vi, có màu sắc gần giống màu tự nhiên của thịt cá hồi, khiến mắt người khó phát hiện nhất quán.
Kiểm tra thủ công theo phương pháp truyền thống chậm, gây mệt mỏi và thiếu nhất quán giữa nhân viên cũng như các ca làm việc. Ngay cả khi computer vision trở nên dễ tiếp cận hơn, việc triển khai công nghệ này trong môi trường chế biến thực phẩm vẫn đặt ra những thách thức riêng. Model cần đủ nhỏ để chạy theo thời gian thực trên phần cứng edge, đủ chính xác để phát hiện các khuyết tật tinh vi và đủ linh hoạt để huấn luyện lại nhanh chóng khi có camera, điều kiện ánh sáng hoặc môi trường mới.
Trước khi sử dụng Ultralytics, RapiD Engineering dựa vào Detectron, thư viện mã nguồn mở của Meta. Tuy mạnh mẽ, thư viện này khó thiết lập, khó export model và không còn được duy trì tích cực, nên không phù hợp để sử dụng lâu dài trong môi trường sản xuất.
Phát hiện lỗi theo thời gian thực bằng Ultralytics YOLO#
Sau khi chuyển sang Ultralytics, RapiD Engineering xây dựng lại pipeline kiểm soát chất lượng dựa trên model YOLO chạy trên phần cứng edge NVIDIA Jetson. Mỗi hệ thống chế biến cá hồi chạy đồng thời bốn model Ultralytics YOLO; một camera gắn phía trên và một camera gắn phía dưới chụp cả hai mặt của từng con cá khi cá đi qua dây chuyền.
Với mỗi mặt cá, hệ thống chạy lần lượt hai model: model nano Ultralytics YOLO11 để phân đoạn cá hồi khỏi băng tải, tiếp theo là model YOLO11 cỡ lớn để phát hiện các biến dạng nhỏ như đốm máu và vết melanin, trong đó khác biệt màu sắc so với phần thịt xung quanh có thể cực kỳ khó nhận ra. Bằng cách dùng model nhỏ hơn cho tác vụ phân đoạn thông lượng cao và model lớn hơn cho tác vụ phát hiện độ chính xác cao, RapiD Engineering đạt được sự cân bằng phù hợp giữa tốc độ và độ chính xác trên phần cứng Jetson.
Để huấn luyện model, RapiD Engineering đã gắn nhãn thủ công hơn 20.000 ảnh cá hồi, xây dựng tập dữ liệu chất lượng cao có thể xử lý những sắc thái hình ảnh trong điều kiện chế biến thực tế. Nhóm huấn luyện lại model khi triển khai hệ thống mới hoặc khi các yếu tố môi trường như camera hay phông nền thay đổi.
Vì sao chọn các model Ultralytics YOLO?#
Đối với RapiD Engineering, Ultralytics YOLO mang lại sự kết hợp lý tưởng giữa tính đơn giản, hiệu năng và tính linh hoạt để hỗ trợ hệ thống sản xuất được triển khai ở nhiều địa điểm.
So với framework trước đây, nhóm đã giảm đáng kể thời gian huấn luyện, export và bảo trì model, tiết kiệm khoảng một tuần thời gian kỹ thuật mỗi năm chỉ riêng ở quy trình export. Với mỗi bản phát hành Ultralytics mới, model có thể được huấn luyện lại, export sang TensorRT để triển khai trên Jetson và đưa trở lại môi trường sản xuất với rất ít trở ngại.
Hình 2. Ví dụ về khuyết tật trên phi lê cá hồi được Ultralytics YOLO phát hiện.
Ultralytics YOLO cũng giúp RapiD Engineering linh hoạt sử dụng nhiều loại tác vụ, bao gồm phân đoạn instance, phát hiện đối tượng và ước lượng pose, tất cả trong cùng một framework thống nhất, hỗ trợ các tính năng sản phẩm hiện tại và tương lai khi công ty mở rộng danh mục vision AI.
Từ phát hiện thô đến thông tin chuyên sâu có thể hành động#
Ngoài chức năng phát hiện, hệ thống kiểm soát chất lượng của RapiD Engineering được tích hợp hoàn toàn với các hệ thống ERP của khách hàng thông qua RapiD Vision Explorer, lớp báo cáo và phân tích dựa trên đám mây của nền tảng. Mỗi con cá hồi được phân tích đều được ghi nhận trên đám mây cùng với dữ liệu về nhà cung cấp, trang trại, địa điểm và đơn hàng, giúp khách hàng có cái nhìn chi tiết về hiệu suất chất lượng theo từng nguồn.
Dữ liệu này được dùng để tạo báo cáo chất lượng theo từng lô, giúp các đơn vị chế biến theo dõi nông hộ và nhà cung cấp nào luôn giao cá chất lượng cao nhất, đồng thời đưa ra quyết định tìm nguồn cung sáng suốt theo thời gian. Nhờ phân tích nâng cao, RapiD Vision Explorer thậm chí có thể dự đoán những nguồn cung hiện tại tốt nhất cho sản phẩm chất lượng cao. Hệ thống cũng điều khiển các băng chuyền ở công đoạn tiếp theo, tự động chuyển cá hồi chất lượng thấp hơn sang các quy trình chế biến thay thế để khách hàng luôn nhận được cá đáp ứng thông số chất lượng của họ.
Phần mềm giao diện cho phép người vận hành tinh chỉnh các ngưỡng phát hiện, bao gồm kích thước đốm tối thiểu, điểm độ tin cậy và tổng diện tích bị ảnh hưởng, đảm bảo hệ thống có thể được điều chỉnh theo tiêu chí chất lượng cụ thể của từng đơn vị chế biến.
Mở rộng Vision AI trong toàn ngành thủy sản#
Với nhu cầu mạnh mẽ đối với các hệ thống kiểm soát chất lượng và lượng khách hàng ngày càng tăng trên khắp châu Âu, RapiD Engineering có vị thế thuận lợi để tiếp tục mở rộng vai trò của Vision AI trong chế biến thủy sản và các lĩnh vực khác. Công ty cũng đang lên kế hoạch chuyển các quy trình huấn luyện và gán nhãn sang Ultralytics Platform, qua đó tiếp tục tinh gọn pipeline khi mở rộng sang các triển khai mới.
Bằng cách kết hợp hàng thập kỷ chuyên môn kỹ thuật với thị giác máy tính tiên tiến, RapiD Engineering đang giúp các đơn vị chế biến cá hồi xây dựng chuỗi cung ứng minh bạch hơn, dựa trên dữ liệu và hiệu quả hơn, từng lô một.
Bạn muốn tự xây dựng các giải pháp Vision AI? Khám phá các model Ultralytics YOLO, tìm hiểu cách YOLO thúc đẩy đổi mới trong nhiều ngành và xem các tùy chọn cấp phép để bắt đầu.
