RapiD Engineering 使用 Ultralytics YOLO 将海鲜质量控制的部署速度提高了 1 周

随着食品加工企业在规模化生产中面临着提供稳定质量的巨大压力，计算机视觉正在重塑整个行业的运作方式。RapiD Engineering 是一家总部位于荷兰于尔克（Urk）渔村的工程公司，他们正处于这一变革的最前沿，并打造了 RapiD Vision，这是一个专为海鲜行业及其他领域设计的即插即用型视觉平台。

通过将 Ultralytics YOLO 模型 集成到其质量控制系统中，RapiD Engineering 帮助三文鱼加工商实现了质量控制自动化，实现了缺陷和畸形检测（这是其工作流程中最耗时且最主观的步骤之一）的自动化，并提供了从农场到客户的全程可追溯性。

Link to this section将即插即用型视觉 AI 带入工业生产#

RapiD Engineering 为工业环境开发工程仿真、软件应用程序和计算机视觉解决方案。通过其 RapiD Vision 平台，该公司设计了围绕三项核心能力的端到端系统：用于机器人控制产品处理的“拾取与放置”（Pick & Place）应用、用于实时缺陷检测的“质量控制”，以及直接与 ERP 系统集成的云端报告和分析层 RapiD Vision Explorer。

该平台专为复杂且真实的生产环境而设计，能够通过 3D 视觉/摄像头处理重叠产品，区分不同产品类型，并从单一视觉系统协调多个机器人或机器。在其产品线中，“质量控制”已成为公司增长最快的业务，吸引了欧洲各地三文鱼加工商的强烈需求。

图 1. 通过 Ultralytics YOLO 精确检测重叠鱼类的示例。

Link to this section三文鱼加工中质量控制的挑战#

三文鱼加工是一个高产量、高精度的行业，质量问题会对客户满意度和定价产生重大影响。血斑、黑色素斑点和其他畸形等缺陷非常细微，在视觉上与三文鱼肉的自然颜色相似，这使得人眼很难稳定地发现这些缺陷。

传统的人工检查速度慢、易疲劳，且不同操作员和班次之间的标准不一致。即使计算机视觉变得更加普及，将其部署在食品加工环境中也带来了挑战。模型需要足够小，以便在边缘硬件上实时运行；需要足够准确，以检测细微缺陷；并且需要足够灵活，以便在引入新摄像头、照明条件或环境时快速进行再训练。

在采用 Ultralytics 之前，RapiD Engineering 依赖于 Meta 的开源库 Detectron。虽然该库功能强大，但其设置困难，模型导出繁琐，且不再积极维护，因此不适合长期生产使用。

Link to this section使用 Ultralytics YOLO 进行实时缺陷检测#

转向 Ultralytics 后，RapiD Engineering 在运行于 NVIDIA Jetson 边缘硬件上的 YOLO 模型基础上重建了其质量控制流程。每个三文鱼加工系统同时运行四个 Ultralytics YOLO 模型，顶部和底部各安装一个摄像头，以捕捉鱼通过流水线时每一面的情况。

对于每一面，系统会连续运行两个模型：一个 Ultralytics YOLO11 Nano 模型用于将三文鱼从传送带中分割出来，随后是一个大型 YOLO11 模型，用于检测血斑和黑色素斑点等细微畸形，因为这些斑点与周围鱼肉的颜色差异极其细微。通过使用较小的模型进行高吞吐量分割，并使用较大的模型进行高精度检测，RapiD Engineering 在 Jetson 硬件上实现了速度与精度的完美平衡。

为了训练模型，RapiD Engineering 手动标注了超过 20,000 张三文鱼图像，构建了一个高质量数据集，能够处理真实处理条件下视觉上的细微差别。当部署新系统或摄像头、背景等环境因素发生变化时，团队会重新训练模型。

Link to this section为何选择 Ultralytics YOLO 模型？#

对于 RapiD Engineering 而言，Ultralytics YOLO 提供了简洁性、高性能和灵活性，非常适合支持跨多个部署环境运行的生产系统。

与之前的框架相比，该团队能够显著减少在训练、导出和维护模型上花费的时间，仅在导出工作流上每年就节省了大约一周的工程时间。随着 Ultralytics 的每一次发布，模型都可以被重新训练、导出为 TensorRT 并部署到 Jetson，然后以极小的阻力推向生产环境。

图 2. 用 Ultralytics YOLO 检测三文鱼鱼片缺陷的示例。

Ultralytics YOLO 还为 RapiD Engineering 提供了使用多种任务类型的灵活性，包括实例分割、目标检测和姿态估计，所有这些都来自同一个统一框架，随着公司扩展其视觉 AI 产品组合，能够持续支持当前和未来的产品功能。

Link to this section从原始检测到可操作的见解#

除了检测之外，RapiD Engineering 的质量控制系统还通过其云端报告和分析层 RapiD Vision Explorer 与客户的 ERP 系统完全集成。每一条被分析的三文鱼都会在云端记录其供应商、农场、位置和订单数据，让客户能够详细查看各来源的质量表现。

这些数据用于生成每批次的质量报告，帮助加工商追踪哪些农场和供应商始终能提供最高质量的鱼类，并随着时间的推移做出明智的采购决策。通过高级分析，RapiD Vision Explorer 甚至可以预测目前提供高质量产品的最佳来源。该系统还可以控制下游传送带，自动将质量较低的三文鱼引导至其他处理路径，确保客户收到的鱼始终符合其质量规格。

前端软件允许操作员微调检测阈值，包括最小斑点大小、置信度分数和受影响总面积，确保系统能够适应每个加工商的具体质量标准。

Link to this section在海鲜行业规模化扩展视觉 AI#

凭借其质量控制系统的强劲需求以及在欧洲不断增长的客户群，RapiD Engineering 完全有能力继续扩大视觉 AI 在海鲜加工及其他领域的作用。该公司还计划将其训练和标注工作流迁移到 Ultralytics Platform，随着其在新的部署环境中进行扩展，进一步精简其流程。

通过将数十年的工程专业知识与尖端计算机视觉相结合，RapiD Engineering 正在帮助三文鱼加工商构建一个更透明、数据驱动且高效的供应链，实现批次生产的精准管控。

有兴趣构建你自己的视觉 AI 解决方案吗？探索 Ultralytics YOLO 模型，了解 YOLO 如何推动 各行各业 的创新，并查看我们的 授权许可选项 以开始使用。