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 帮助三明治和三文鱼加工商实现质量控制自动化，自动检测缺陷和畸形（这是其工作流程中最耗费人工且最具主观性的步骤之一），并实现从养殖场到客户的全程可追溯性。

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. 使用 Ultralytics YOLO 精准检测重叠鱼类的示例。

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。

使用 Ultralytics YOLO 进行实时缺陷检测#

转向 Ultralytics 后，RapiD Engineering 围绕运行在 NVIDIA Jetson 边缘硬件上的 YOLO 模型重建了其质量控制流水线。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，用于在每条鱼通过生产线时捕获两侧的图像。

对于每一侧，系统按顺序运行两个模型：一个用于从传送带分割三文鱼的 Ultralytics YOLO11 nano 模型，随后是一个大型 YOLO11 模型，用于检测血斑和黑色素斑等细粒度畸形（周围鱼肉的颜色差异可能极其微小）。通过结合使用小型模型进行高吞吐量分割和大型模型进行高精度检测，RapiD Engineering 在 Jetson 硬件上实现了速度与准确度的完美平衡。

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。

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. 使用 Ultralytics YOLO 检测三文鱼片缺陷的示例。

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。

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。

在海鲜行业规模化扩展视觉 AI#

随着欧洲市场对其质量控制系统的强劲需求以及不断增长的客户群，RapiD Engineering 已经做好了充分准备，将继续扩大视觉 AI 在水产品加工及其他领域的应用。该公司还计划将其训练和标注工作流迁移到 Ultralytics Platform，在向新部署扩展时进一步简化其流水线。

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，并查看我们的许可选项以开始使用。