شرعت شركة Chef Robotics في أتمتة عملية تجميع الأطعمة المتنوعة، وهي عملية صعبة بسبب تنوع المكونات والبيئات المعقدة التي يصعب فهمها في كثير من الأحيان في منشآت إنتاج الأغذية.
باستخدامYOLO Ultralytics YOLO تحقق Chef Robotics دقة عالية في الكشف عن الصواني والمكونات على خطوط الإنتاج، حيث تصل دقتها إلى حوالي 99.5٪.
تتضمن أتمتة تجميع الأغذية على نطاق واسع العديد من الأجزاء المتحركة. يتحرك عدد كبير من الصواني على طول الخط، وتختلف المكونات على مدار اليوم، ولا توجد مغرفتان متطابقتان تمامًا. تجعل هذه العوامل من الصعب الحفاظ على الاتساق، وقد تواجه عمليات التجميع اليدوية صعوبات في الكشف والتقسيم والتوزيع.
تساعد Chef Robotics في حل هذه التحديات باستخدام الذكاء الاصطناعي والروبوتات. من خلال الجمع بين الروبوتات وتقنيات الذكاء الاصطناعي مثل الرؤية الحاسوبية، تمكّن Chef روبوتاتها من رؤية وفهم بيئتها. على سبيل المثال، تُستخدم YOLO Ultralytics YOLO للكشف عن الصواني والمكونات وتقسيمها، مما يسمح للروبوتات بالتقاط العناصر ووضعها بدقة تقل عن سنتيمتر واحد على خطوط الإنتاج عالية التنوع وسريعة الوتيرة.
تقوم شركة Chef Robotics، التي يقع مقرها في سان فرانسيسكو، بتصنيع أنظمة روبوتية تعمل بالذكاء الاصطناعي لمساعدة صناعة الأغذية على مواكبة الطلب المتزايد على الإنتاج. وتركز الشركة بشكل خاص على قطاع الأغذية لأنه يواجه أكبر نقص في اليد العاملة في الولايات المتحدة، حيث يوجد أكثر من 1.1 مليون وظيفة شاغرة.
هذا النقص يجعل من الصعب على الشركات المصنعة الحفاظ على الإنتاج والاتساق. لمعالجة هذه المخاوف، تستخدم روبوتات Chef التعلم الآلي والرؤية الحاسوبية لتفسير بيئات الإنتاج واتخاذ القرارات في الوقت الفعلي. ببساطة، هذا يعني أنها يمكنها التعامل مع المكونات المختلفة وأنواع الصواني وأشكال الوجبات بدقة.
اليوم، قامت شركة Chef بنشر أنظمتها في أكثر من اثنتي عشرة مدينة في أمريكا الشمالية، مما يساعد منتجي الأغذية على إدارة الكميات الكبيرة، وتقليل الاعتماد على العمالة اليدوية، والحفاظ على جودة ثابتة في خطوط الإنتاج السريعة.
يتطلب إنتاج الوجبات على نطاق واسع الدقة والسرعة، ولكن بيئات الإنتاج الحقيقية تجعل ذلك صعبًا. قد تبدو المكونات مختلفة على مدار اليوم، وقد تكون الصواني شفافة أو عاكسة تحت الأضواء الساطعة، كما أن خطوط النقل تتحرك بسرعة.
هذه التغييرات المستمرة تجعل من الصعب على العمال تحديد الموضع بدقة، خاصةً عندما يكررون نفس الحركات آلاف المرات في كل نوبة عمل. ونتيجة لذلك، غالبًا ما يؤدي التجميع اليدوي إلى عدم اتساق الأجزاء، وتسربها في بعض الأحيان، وسقوط الصواني خارج الأوزان المستهدفة.
وهذا يزيد من هدر الطعام، ويتطلب تنظيفًا إضافيًا، ويؤدي إلى تباين في طريقة التقديم. ويصبح التحدي أكثر صعوبة في البيئات المتنوعة حيث تتغير الوصفات بشكل متكرر، ولكل منتج متطلبات معالجة خاصة به.
أنظمة الأتمتة التقليدية غير مصممة لمثل هذا المستوى من التباين. فهي تواجه صعوبات في التعامل مع تغيرات المكونات والتحولات السريعة ومجموعة واسعة من وحدات تخزين المخزون (SKU). ولا يزال العديد من المنتجين يعتمدون بشكل كبير على العمالة اليدوية، حتى مع صعوبة الحفاظ على استمرار خطوط الإنتاج بسبب نقص الموظفين.
على سبيل المثال، واجهت شركة Cafe Spice، وهي علامة تجارية للأطعمة الهندية ومصنع مشارك مقره في نيو ويندسور، نيويورك، هذه التحديات يوميًا. كان فريقهم يجمع الوجبات يدويًا بمعدل اثني عشر صينية في الدقيقة، مما حد من الإنتاج مع زيادة الطلب.
كما أن صوانيهم المكونة من قسمين تتطلب وضعًا دقيقًا لمنع الكاري من الانسكاب في قسم الأرز - وهو أمر يصعب تحقيقه باستمرار في العمليات اليدوية والمعدات التقليدية. وإدراكًا لهذه القيود، لجأ Cafe Spice إلى Chef للحصول على نهج أكثر مرونة وموثوقية.
لأتمتة إنتاج وجبات Cafe Spice المتنوعة، قام الشيف بنشر نظام روبوتي يعمل بالذكاء الاصطناعي يمكنه detect وتحديد المكونات ووضع الطعام بالدقة المطلوبة في الصواني ذات الحجرتين. ويقع في قلب هذا النظام خط أنابيب Vision AI مبني علىYOLO Ultralytics YOLO .
تدعمYOLO Ultralytics YOLO مهام الرؤية الحاسوبية الرئيسية مثل اكتشاف الكائنات، واكتشاف الصندوق المحيط الموجه (OBB)، وتجزئة الحالات، وتصنيف الصور. تمنح هذه القدرات روبوتات Chef إدراكًا في الوقت الفعلي لخط الإنتاج.
نظرًا لأن Cafe Spice تنتج العديد من المنتجات المختلفة، يتم تدريبYOLO Ultralytics YOLO بشكل مخصص على الصور التي يتم جمعها مباشرة من بيئة الإنتاج الخاصة بها. وهذا يساعد الروبوتات على تفسير المكونات في ظروف المصنع الحقيقية.
على وجه الخصوص، YOLO استخدام YOLO detect أثناء تحركها على الحزام الناقل وتحديد المقصورة الصحيحة لكل مكون. وبالانتقال بخطوة إلى الأمام في مجال اكتشاف الأجسام، يتيح اكتشاف OBB للنظام فهم العناصر التي تظهر من زوايا مختلفة، بما في ذلك الأوعية والملحقات الشفافة والصواني ذات الاتجاهات المتغيرة.
توفرYOLO Ultralytics YOLO لـ Chef السرعة والدقة اللازمتين لتجميع الطعام في الوقت الفعلي على خطوط الإنتاج سريعة الحركة. وقد وجدوا أنYOLO Ultralytics YOLO توفر دقة تبلغ حوالي 99.5٪ في الإنتاج، مما يوفر عمليات الكشف المستقرة اللازمة لوضع الروبوتات بدقة أقل من سنتيمتر واحد عبر مختلف الصواني والأوعية وأنواع المكونات.
كما توفر Python Ultralytics Python الأدوات اللازمة لتدريب هذه النماذج وضبطها وإدارتها، مما يسهل على فرق الهندسة تكرارها بسرعة. على سبيل المثال، تدعم الحزمة تنسيقات التصدير مثل ONNX الأنظمة ONNX ، مما يسمح لفريق Chef بتحويل النماذج ونشرها بسلاسة عبر أنظمتهم الروبوتية.
بعد دمج أنظمة الروبوتات المدعومة بالذكاء الاصطناعي من Chef والتي تعملYOLO Ultralytics YOLO شهد Cafe Spice تحسينات فورية وقابلة للقياس في الإنتاج وكفاءة العمالة وجودة المنتج. خطوط الإنتاج الخاصة بهم، التي كانت تعمل سابقًا بسرعة 12 صينية في الدقيقة، تعمل الآن بمعدل 30 صينية في الدقيقة، مع معدلات ذروة تصل إلى 40 صينية في الدقيقة على نظام النقل المحدث. وهذا يمثل زيادة في الإنتاج بمقدار مرتين إلى ثلاث مرات.
كما تحسنت إنتاجية العمالة. كان كل خط إنتاج يتطلب في الماضي 8 إلى 10 عمال، لكن روبوتات Chef خفضت هذا العدد إلى 3 إلى 4 عمال لكل خط إنتاج، مما أدى إلى زيادة إنتاجية العمالة بنسبة 60٪. ساعدت الطاقة الإنتاجية المتوفرة على إعادة توزيع موظفي Cafe Spice على مجالات أخرى كانت تعاني من نقص مستمر في العمالة بسبب نقص اليد العاملة.
وبالمثل، شهدت الجودة والإنتاجية أيضًا مكاسب كبيرة. قبل الأتمتة، كانت نسبة الهدر الغذائي، التي ترجع في الغالب إلى الإفراط في تحديد الحصص لتجنب رفض المنتجات التي تقل عن الوزن المطلوب، تبلغ 9.19٪. مع استخدام الروبوتات للكشف YOLO لوضع المكونات بدقة، انخفضت نسبة الهدر إلى 3.05٪، أي بانخفاض قدره 67٪. بالإضافة إلى ذلك، تحسنت معدلات القبول أيضًا: 91٪ من الصواني التي تم تجميعها بواسطة الروبوتات استوفت معايير الجودة الخاصة بـ Cafe Spice، مقارنة بـ 75٪ للصواني التي تم تجميعها يدويًا.
مع استمرار Chef في التوسع، تركز الشركة على جعل أنظمتها المدعومة بالذكاء الاصطناعي أكثر قابلية للتكيف مع مجموعة واسعة من المكونات والصواني وإعدادات الإنتاج المستخدمة في صناعة الأغذية. أحد الدوافع الرئيسية وراء هذه الجهود هو مهمة Chef المتمثلة في بناء آلات ذكية تمكّن البشر من القيام بما يجيدونه. من خلال تطوير نماذج الإدراك الخاصة بها، وتبسيط عمليات التغيير، وتعزيز المرونة للإنتاج عالي التنوع، تعمل Chef على إنشاء أتمتة تعمل بشكل أقل شبهاً بالآلة الصارمة وأكثر شبهاً بزميل متعاون في الفريق.
هل أنت مهتم باستكشاف Vision AI؟ اكتشف خيارات الترخيص التي نقدمها لتطبيق الرؤية الحاسوبية في مشاريعك. تفضل بزيارة مستودع GitHub الخاص بنا وانضم إلى مجتمعنا. استكشف الذكاء الاصطناعي في مجال الرعاية الصحية والرؤية الحاسوبية في مجال البيع بالتجزئة على صفحات الحلول الخاصة بنا.
نماذج Ultralytics YOLO عبارة عن بنيات رؤية حاسوبية تم تطويرها لتحليل البيانات المرئية من الصور ومدخلات الفيديو. يمكن تدريب هذه النماذج على مهام تشمل اكتشاف الكائنات وتصنيفها وتقدير الوضعية والتتبع وتجزئة النماذجUltralytics
Ultralytics YOLO11 هو أحدث إصدار من نماذج الرؤية الحاسوبية لدينا. تمامًا مثل إصداراته السابقة، فهو يدعم جميع مهام الرؤية الحاسوبية التي أحبها مجتمع الذكاء الاصطناعي للرؤية في YOLOv8. ومع ذلك، يأتي YOLO11 الجديد بأداء ودقة أكبر، مما يجعله أداة قوية وحليفًا مثاليًا لتحديات الصناعة في العالم الحقيقي.
يعتمد النموذج الذي تختاره للاستخدام على متطلبات مشروعك المحددة. من الضروري مراعاة عوامل مثل الأداء والدقة واحتياجات النشر. إليك نظرة عامة سريعة:
يتم توزيع مستودعات Ultralytics YOLO مثل YOLOv5 و YOLO11 بموجب ترخيص AGPL-3.0 افتراضيًا. صُممت هذه الرخصة المعتمدة من OSI للطلاب والباحثين والمتحمسين، وهي مصممة للطلاب والباحثين والمتحمسين، وتعزز التعاون المفتوح وتتطلب أن تكون أي برمجيات تستخدم مكونات AGPL-3.0 مفتوحة المصدر أيضًا. وعلى الرغم من أن هذا يضمن الشفافية ويعزز الابتكار، إلا أنه قد لا يتماشى مع حالات الاستخدام التجاري.
إذا كان مشروعك يتضمن تضمين برمجيات Ultralytics ونماذج الذكاء الاصطناعي في المنتجات أو الخدمات التجارية وترغب في تجاوز متطلبات المصدر المفتوح لرخصة AGPL-3.00، فإن رخصة المؤسسة هي الحل الأمثل.
تشمل مزايا ترخيص المؤسسة ما يلي:
لضمان التكامل السلس وتجنب قيود AGPL-3.0 ، اطلب ترخيص Ultralytics للمؤسسات باستخدام النموذج المقدم. سيساعدك فريقنا في تكييف الترخيص مع احتياجاتك الخاصة.
