Rozwój automatyzacji w przetwórstwie rybnym coraz silniej koncentruje się na inteligentnych systemach rozpoznawania surowca. Rosnące wymagania jakościowe, presja kosztowa oraz deficyt wykwalifikowanych pracowników powodują, że klasyczne, ręczne sortowanie ryb przestaje być wystarczające. Nowoczesne systemy wizyjne, wspierane algorytmami sztucznej inteligencji, umożliwiają precyzyjne rozróżnianie gatunków, ocenę wielkości i kondycji ryby, a nawet wstępną ocenę przydatności technologicznej surowca – i to przy pełnej integracji z liniami przetwórczymi.

Podstawy działania nowoczesnych systemów wizyjnych w sortowaniu ryb

Systemy wizyjne stosowane w przetwórstwie rybnym to złożone układy, które łączą w sobie elementy optoelektroniki, mechatroniki oraz zaawansowanego oprogramowania analitycznego. Ich głównym zadaniem jest pozyskanie możliwie najwyższej jakości obrazu surowca, a następnie automatyczna analiza w czasie rzeczywistym, prowadząca do decyzji: jaki to gatunek, jaki ma rozmiar, masę i do jakiego strumienia technologicznego powinien trafić.

Typowy system wizyjny do sortowania ryb składa się z kilku podstawowych komponentów:

• układów podawania surowca – przenośniki taśmowe, rynny wodne, podajniki wibracyjne;
• modułu obrazowania – kamer 2D, 3D, hyperspektralnych lub multispektralnych;
• układu oświetlenia – najczęściej LED o dobranej barwie i geometrii;
• komputera przemysłowego z kartami akwizycji obrazu;
• oprogramowania wykorzystującego uczenie maszynowe i głębokie sieci neuronowe;
• modułu wykonawczego – pneumatycznych wyrzutników, klap, ramion sortujących.

Kluczowym etapem działania jest akwizycja obrazu. Od jakości obrazowania zależy skuteczność dalszej analizy. W przetwórstwie rybnym sytuację utrudniają czynniki typowe dla środowiska produkcyjnego: wysoka wilgotność, krople wody na powierzchni ryb, refleksy świetlne od łusek, zróżnicowane barwy skóry, a także zmienna pozycja surowca na taśmie. Z tego względu stosuje się specjalnie zaprojektowane układy oświetlenia, które minimalizują odblaski – na przykład oświetlenie rozproszone, światło w tzw. ciemnym polu lub połączenia światła białego z podczerwienią.

Następnie obraz jest przekazywany do oprogramowania, w którym wykonywana jest segmentacja, czyli odseparowanie sylwetki ryby od tła, oraz ekstrakcja cech: długość, szerokość, kształt ciała, struktura łusek, charakterystyczne ubarwienie czy proporcje określonych partii ciała. Przy klasycznych algorytmach wizyjnych wykorzystywano głównie miary geometryczne i kolorystyczne, natomiast nowoczesne systemy korzystają z głębokich sieci neuronowych uczonych na tysiącach lub milionach obrazów poszczególnych gatunków i klas wymiarowych.

Taki system „uczy się” różnic pomiędzy gatunkami – na przykład odróżnia łososia od pstrąga, dorsza od mintaja – nawet wówczas, gdy na linii produkcyjnej występują różnice wynikające z indywidualnych cech osobniczych, warunków połowu czy obróbki wstępnej. Co ważne, algorytmy mogą uwzględniać także dane dodatkowe, takie jak temperatura surowca czy jego położenie na taśmie, aby zwiększyć skuteczność rozpoznawania.

Sortowanie według gatunku i wielkości – klucz do optymalizacji procesu

Jednym z fundamentów efektywnego zakładu przetwórstwa rybnego jest odpowiednie rozdzielenie surowca na jednolite partie pod względem gatunku i wymiarów. Nowoczesne systemy wizyjne pozwalają tę funkcję zrealizować w sposób nie tylko bardzo precyzyjny, ale także w pełni automatyczny, bez konieczności stałego nadzoru człowieka. Jest to szczególnie istotne przy dużej zmienności dostaw, charakterystycznej dla surowca pochodzenia morskiego i śródlądowego.

Sortowanie według gatunku odbywa się poprzez analizę cech obrazu – takich jak kształt głowy, położenie i kształt płetw, ubarwienie, charakterystyczne plamkowanie czy obecność określonych struktur anatomicznych. W systemach wykorzystujących deep learning poszczególne cechy nie muszą być ręcznie definiowane; algorytm samodzielnie uczy się wzorców, które najlepiej odróżniają jeden gatunek od drugiego. Pozwala to zwiększyć elastyczność rozwiązania – przy dodaniu nowego gatunku do systemu wystarczy odpowiednio przygotować i oznaczyć zbiory zdjęć treningowych.

Równolegle prowadzone jest sortowanie według wielkości, realizowane w oparciu o kilka metod:

• pomiar długości projekcyjnej ryby (od pyska do końca ogona) w obrazie 2D;
• ocena wymiaru poprzecznego lub obwodu w wybranych przekrojach;
• wykorzystanie systemów 3D do rekonstrukcji objętości, co pozwala powiązać długość z przewidywaną masą;
• współpraca z wagami dynamicznymi, gdzie masa ważona jest na przenośniku, a system wizyjny zapewnia identyfikację sztuki i jej parametry geometryczne.

Dzięki temu możliwe jest tworzenie precyzyjnych klas wymiarowych, np. 200–300 g, 300–400 g, 400–600 g itd., co z kolei przekłada się na lepsze wykorzystanie surowca w poszczególnych liniach technologicznych. Ryby o większych wymiarach mogą trafiać na linie filetowania przeznaczone do cięcia większych płatów, natomiast drobnica może być kierowana do produkcji mrożonek blokowych, kostek lub przetworów garmażeryjnych.

Ważnym aspektem jest też możliwość sortowania mieszanego, w którym system łączy kryteria gatunkowe, wymiarowe i jakościowe. Przykładowo, może on wydzielać partię łososia o określonej wielkości i jednolitym ubarwieniu, przeznaczoną do produkcji wysokiej jakości wędzonych porcji premium, a pozostałe sztuki kierować do produkcji masowej. Tym samym rośnie elastyczność zakładu w zakresie kreowania zróżnicowanej oferty produktowej z jednej, często mocno zróżnicowanej partii surowca.

Korzyści wynikające z tak zorganizowanego sortowania są wielowymiarowe:

• zwiększenie jednorodności partii produkcyjnych, co ułatwia kontrolę jakości;
• optymalizacja nastaw maszyn (np. krajalnic, filetarek) pod konkretny wymiar ryby;
• zmniejszenie odpadów technologicznych dzięki lepszemu dopasowaniu procesu do surowca;
• ułatwienie raportowania i śledzenia partii, zgodne z wymaganiami traceability i HACCP;
• możliwość dynamicznej zmiany kryteriów sortowania w zależności od zleceń produkcyjnych i popytu.

Co istotne, nowoczesne systemy wizyjne są w stanie pracować z bardzo dużymi prędkościami linii, często przekraczającymi możliwości manualnego sortowania. Dzięki temu przetwórnie są przygotowane na obsługę sezonowych pików dostaw przy zachowaniu stabilnej, powtarzalnej jakości.

Integracja z linią produkcyjną, automatyzacja i perspektywy rozwoju

Sama instalacja systemu wizyjnego to jedynie pierwszy krok. Aby w pełni wykorzystać potencjał technologii, konieczna jest ścisła integracja z pozostałymi elementami linii produkcyjnej oraz z systemami informatycznymi zakładu. Oznacza to nie tylko fizyczne włączenie modułu kamer nad przenośnikiem, ale i przemyślane połączenie z układami sterowania, systemami MES, ERP oraz narzędziami do analizy danych procesowych.

W praktyce integracja obejmuje m.in.:

• automatyczne sterowanie prędkością przenośników w zależności od obciążenia systemu wizyjnego;
• powiązanie wyników identyfikacji z wagami dynamicznymi i urządzeniami pakującymi;
• generowanie etykiet z pełną informacją: gatunek, klasa wielkości, data połowu, numer partii;
• przesyłanie danych o strukturze surowca (udział klas wymiarowych, gatunków) do systemów planowania produkcji;
• archiwizację obrazów i wyników analizy w celu późniejszej weryfikacji jakości dostaw i rozliczeń z dostawcami.

Pełna automatyzacja wymaga także odpowiedniego dopasowania urządzeń wykonawczych. Wyrzutniki pneumatyczne, segmentowe taśmy kierujące, roboty pick-and-place – wszystkie te rozwiązania muszą być skoordynowane w czasie kilkudziesięciu milisekund po wykonaniu analizy obrazu, tak aby konkretna ryba trafiła do właściwego kanału sortującego. Kluczowe jest tu precyzyjne odwzorowanie czasu przejścia ryby od punktu wizyjnego do punktu rozdziału na taśmie.

Coraz częściej systemy wizyjne są łączone z robotami współpracującymi, które przejmują zadania wymagające precyzyjnej manipulacji, np. odkładanie wybranych sztuk do skrzynek eksportowych, selektywne przenoszenie ryb o najwyższej jakości lub pobieranie prób do kontroli laboratoryjnej. Robot otrzymuje informacje o położeniu, orientacji i parametrach każdej sztuki z systemu wizyjnego, co pozwala na zautomatyzowanie zadań wcześniej zarezerwowanych wyłącznie dla człowieka.

Ciekawym kierunkiem rozwoju jest integracja systemów wizyjnych do sortowania z rozwiązaniami służącymi do oceny świeżości i jakości mięsa. Wykorzystanie kamer hyperspektralnych pozwala na analizę składu chemicznego tkanek, w tym zawartości tłuszczu, białka, a nawet stopnia utlenienia barwników mięśniowych. W przyszłości możliwe będzie tworzenie profili jakościowych każdej sztuki, co otworzy drogę do produkcji wysoce spersonalizowanych wyrobów, gdzie surowiec będzie dobierany nie tylko pod względem gatunku i wielkości, ale także dokładnych parametrów jakościowych.

Innym kierunkiem jest zastosowanie rozwiązań chmurowych i zdalnego monitoringu. Dane z systemów wizyjnych mogą być transmitowane do centralnych centrów analitycznych, w których eksperci lub algorytmy predykcyjne analizują trendy jakościowe w dłuższej perspektywie czasowej. Pozwala to np. identyfikować zmiany w strukturze dostaw od poszczególnych flot czy gospodarstw rybackich, a także przewidywać wpływ sezonowości i warunków środowiskowych na parametry surowca.

Nie bez znaczenia są też aspekty związane ze zrównoważonym rozwojem. Automatyczne, precyzyjne sortowanie według gatunku i wielkości ułatwia przestrzeganie limitów połowowych, kontrolę udziału gatunków objętych szczególną ochroną oraz dokładne raportowanie struktury wykorzystywanego surowca. Dla wielu odbiorców – szczególnie na rynkach Europy Zachodniej – transparentność pochodzenia i parametrów przetwarzanych ryb staje się jednym z podstawowych kryteriów wyboru dostawcy.

W perspektywie kilku najbliższych lat można oczekiwać dalszego obniżania kosztów komponentów wizyjnych, wzrostu ich odporności na trudne warunki środowiskowe typowe dla zakładów przetwórczych (niska temperatura, wysoka wilgotność, agresywne środki myjące), a także upowszechnienia oprogramowania bazującego na otwartych standardach. To z kolei ułatwi wdrażanie systemów nawet w średnich i mniejszych przedsiębiorstwach, dla których dotychczas barierą była zarówno cena, jak i brak specjalistycznego zaplecza informatycznego.

Wraz z rozwojem kompetencji cyfrowych w zakładach przetwórstwa rybnego systemy wizyjne przestaną być postrzegane wyłącznie jako narzędzia do sortowania. Staną się integralnym elementem ekosystemu danych produkcyjnych, dostarczając informacji do analityki procesowej, modeli predykcyjnych utrzymania ruchu, a nawet dynamicznego kształtowania oferty produktowej w oparciu o bieżące parametry dostępnego surowca.

FAQ – najczęściej zadawane pytania

Czy systemy wizyjne do sortowania ryb są opłacalne dla średnich zakładów przetwórczych?

Opłacalność zależy od wolumenu przerabianego surowca, struktury asortymentu i kosztów pracy. W praktyce już średnie zakłady, przerabiające kilka–kilkanaście tysięcy ton rocznie, odczuwają wyraźne korzyści: zmniejszenie liczby pracowników na sortowni, lepsze wykorzystanie surowca, mniejszą liczbę reklamacji oraz większą elastyczność w realizacji zleceń. Istotna jest także możliwość pracy z wysoką, stabilną wydajnością podczas sezonowych szczytów dostaw.

Jakie gatunki ryb najczęściej sortuje się z użyciem systemów wizyjnych?

Najszersze zastosowanie dotyczy łososia, pstrąga, dorsza, mintaja, śledzia i makreli, ale systemy wizyjne stosuje się także w sortowaniu ryb słodkowodnych, jak karp, sandacz, okoń czy tilapia. Kluczowe jest przygotowanie odpowiednich zbiorów zdjęć treningowych dla każdego gatunku oraz właściwa konfiguracja oświetlenia. Dzięki temu nawet wizualnie podobne gatunki mogą być skutecznie rozróżniane, co ogranicza ryzyko błędnej klasyfikacji surowca na linii.

Jak wygląda wdrożenie systemu wizyjnego w istniejącej linii produkcyjnej?

Proces wdrożenia rozpoczyna się od analizy obecnego układu linii oraz wymagań technologicznych zakładu. Następnie projektuje się punkty inspekcji, dobiera kamery i oświetlenie, a także adaptuje system sterowania urządzeniami wykonawczymi. Kluczowym etapem jest faza testów i „uczenia” algorytmów na realnym surowcu z zakładu. Po etapie kalibracji i optymalizacji parametry pracy są dostrajane, a system włączany w normalny cykl produkcyjny, z równoczesnym szkoleniem personelu utrzymania ruchu.

Jakie są wymagania sanitarne i higieniczne dla systemów wizyjnych w przetwórstwie rybnym?

Elementy instalowane nad taśmami muszą spełniać normy higieniczne typowe dla przemysłu spożywczego: szczelne obudowy o klasie IP odpowiedniej dla mycia pod ciśnieniem, materiały odporne na środki myjąco-dezynfekcyjne oraz konstrukcje umożliwiające łatwe czyszczenie. Ważne jest unikanie szczelin, w których mogłyby gromadzić się zanieczyszczenia. Producenci oferują specjalne wersje „higieniczne” kamer i osłon, przystosowane do regularnego mycia zgodnie z procedurami zakładowymi.

Czy systemy wizyjne mogą całkowicie zastąpić pracowników na sortowni?

Systemy wizyjne znacząco ograniczają zapotrzebowanie na ręczne sortowanie, ale nie zawsze całkowicie eliminują udział człowieka. W wielu zakładach rolą operatora pozostaje nadzór nad pracą systemu, reagowanie na sytuacje nietypowe oraz okresowa kontrola poprawności klasyfikacji. Jednocześnie pracownicy przenoszeni są do zadań o większej wartości dodanej, np. kontroli jakości, obsługi maszyn czy zarządzania procesem. Z czasem, wraz z doskonaleniem algorytmów, udział czynności manualnych może być jeszcze mniejszy.