RapiD Vision 是一套由 Ultralytics YOLO 模型驱动、即插即用的视觉系统，可实时检测缺陷和畸形，将洞察直接传送到客户的 ERP 系统，并减少一周的工程工作时间。
随着食品加工企业面临越来越大的压力，需要大规模稳定地提供优质产品，计算机视觉正在重塑行业的运营方式。总部位于荷兰渔村乌尔克的工程公司 RapiD Engineering 正处于这一转变的前沿，打造了 RapiD Vision。这是一款面向海鲜行业及其他领域的即插即用视觉平台。
通过将 Ultralytics YOLO 模型集成到质量控制系统中，RapiD Engineering 帮助鲑鱼加工商自动执行质量控制，将缺陷和畸形检测（工作流程中最耗费人力、主观性最强的环节之一）自动化，并实现从养殖场到客户的全程可追溯。
将即插即用视觉 AI 引入工业生产#
RapiD Engineering 为工业环境开发工程仿真、软件应用和计算机视觉解决方案。通过 RapiD Vision 平台，公司围绕三项核心能力设计端到端系统：用于机器人控制产品搬运的取放应用、用于实时缺陷检测的质量控制，以及直接与 ERP 系统集成、基于云的报告和分析层 RapiD Vision Explorer。
该平台专为复杂的真实环境设计，能够借助 3D 视觉/摄像头处理相互重叠的产品、区分不同产品类型，并通过单一视觉系统协调多台机器人或机器。在其产品线中，质量控制已成为公司增长最快的产品，受到欧洲各地鲑鱼加工商的热烈关注。
图 1. Ultralytics YOLO 精准检测重叠鱼类的示例。
鲑鱼加工中的质量控制挑战#
鲑鱼加工是一个产量大、精度要求高的行业，质量问题可能会显著影响客户满意度和定价。血斑、黑色素斑等缺陷及其他畸形，与鲑鱼肉的自然颜色细微相似，因此仅凭人眼难以稳定识别。
传统人工检查速度慢、容易疲劳，而且不同操作人员和班次之间的检查结果不一致。即使计算机视觉变得更易普及，在食品加工环境中部署也会带来新的挑战。模型必须足够小，能在边缘硬件上实时运行；足够准确，能检测细微缺陷；还要足够灵活，以便在引入新摄像头、光照条件或环境时快速重新训练。
采用 Ultralytics 之前，RapiD Engineering 使用的是 Detectron——Meta 推出的开源库。它虽然功能强大，但设置困难、模型导出不便，而且已不再积极维护，因此不适合长期用于生产环境。
使用 Ultralytics YOLO 实时检测缺陷#
转用 Ultralytics 后，RapiD Engineering 基于运行在 NVIDIA Jetson边缘硬件上的 YOLO 模型重建了质量控制流水线。每套鲑鱼加工系统同时运行四个 Ultralytics YOLO 模型，顶置和底置摄像头各一台，在每条鱼经过生产线时拍摄其两面。
针对每一面，系统按顺序运行两个模型：先由一个 Ultralytics YOLO11 nano 模型将鲑鱼从传送带中分割出来，再由一个大型 YOLO11 模型检测血斑和黑色素斑等细微畸形，这些缺陷与周围鱼肉的颜色差异可能极其细微。RapiD Engineering 通过使用较小的模型进行高吞吐量分割，并用较大的模型进行高精度检测，在 Jetson 硬件上实现了速度和准确性的理想平衡。
为训练模型，RapiD Engineering 手动标注了超过 20,000 张鲑鱼图像，构建了能够应对真实加工环境中各种视觉细节的高质量数据集。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。
为什么选择 Ultralytics YOLO 模型？#
对 RapiD Engineering 而言，Ultralytics YOLO 兼具简洁性、性能和灵活性，是支持多处部署生产系统的理想选择。
与先前使用的框架相比，团队大幅减少了训练、导出和维护模型所花费的时间；仅导出流程每年就节省约一周的工程工作时间。每次 Ultralytics 发布新版本后，模型都能重新训练、导出为 TensorRT 以部署到 Jetson，并以最少的阻碍重新投入生产。
图 2. 使用 Ultralytics YOLO 检测鲑鱼片上缺陷的示例。
Ultralytics YOLO 还让 RapiD Engineering 能够灵活使用多种任务类型，包括实例分割、目标检测和姿态估计，且全部基于同一套统一框架，为公司拓展视觉 AI 产品组合提供当前和未来的产品功能支持。
从原始检测到可落地的洞察#
从检测到可执行的洞察，RapiD Engineering 的质量控制系统通过 RapiD Vision Explorer 与客户的 ERP 系统全面集成。RapiD Vision Explorer 是该平台基于云的报告与分析层。每条经过分析的鲑鱼都会连同供应商、养殖场、地点和订单数据一起记录在云端，让客户能够按来源详细了解质量表现。
这些数据用于生成批次质量报告，帮助加工商跟踪哪些养殖户和供应商能够持续提供最高品质的鱼类，并随着时间推移做出明智的采购决策。通过高级分析，RapiD Vision Explorer 甚至可以预测当前最适合采购高品质产品的来源。该系统还会控制下游传送带，自动将品质较低的鲑鱼分流到其他加工路径，确保客户收到的鱼类始终符合其质量规格。
前端软件允许操作人员微调检测阈值，包括最小斑点尺寸、置信度分数和受影响区域总面积，确保系统能够适应每家加工商的具体质量标准。
在海鲜行业扩展视觉 AI#
凭借质量控制系统的强劲需求以及不断扩大的欧洲客户群，RapiD Engineering 已做好充分准备，继续拓展视觉 AI 在海鲜加工及其他领域的应用。公司还计划将训练和标注工作流迁移到 Ultralytics Platform，随着新部署不断扩展，进一步简化其流程。
RapiD Engineering 将数十年的工程经验与前沿计算机视觉相结合，帮助鲑鱼加工商逐批建立更透明、数据驱动且高效的供应链。
有兴趣构建自己的视觉 AI 解决方案吗？探索 Ultralytics YOLO 模型，了解 YOLO 如何推动各行业创新，并查看我们的许可选项，立即开始。
