Chef Robotics nutzt Ultralytics YOLO die präzise Zubereitung von Speisen

Die Automatisierung der Lebensmittelzusammenstellung in großem Maßstab umfasst viele bewegliche Teile. Eine große Anzahl von Tabletts bewegt sich entlang der Linie, die Zutaten variieren im Laufe des Tages, und keine zwei Portionen sind genau gleich. Diese Faktoren machen es schwierig, eine gleichbleibende Qualität zu gewährleisten, und manuelle Zusammenstellungsprozesse können Probleme bei der Erkennung, Portionierung und Platzierung mit sich bringen.

Chef Robotics hilft mit KI und Robotern bei der Lösung dieser Herausforderungen. Durch die Kombination von Robotik mit KI-Technologien wie Computer Vision ermöglicht Chef seinen Robotern, ihre Umgebung zu sehen und zu verstehen. So werden beispielsweise Ultralytics YOLO für die Erkennung und Segmentierung von Tabletts und Zutaten eingesetzt, sodass Roboter Artikel mit einer Genauigkeit im Subzentimeterbereich auf hochflexiblen, schnelllebigen Produktionslinien aufnehmen und platzieren können.

Skalierung der Lebensmittelproduktion mithilfe von Robotik und KI

Chef Robotics mit Sitz in San Francisco entwickelt KI-gestützte Robotersysteme, um die Lebensmittelindustrie dabei zu unterstützen, mit den steigenden Produktionsanforderungen Schritt zu halten. Das Unternehmen konzentriert sich speziell auf den Lebensmittelsektor, da dieser mit mehr als 1,1 Millionen unbesetzten Stellen den größten Arbeitskräftemangel in den Vereinigten Staaten aufweist. 

Dieser Mangel erschwert es den Herstellern, die Produktion und Konsistenz aufrechtzuerhalten. Um diesen Problemen zu begegnen, nutzen Chef-Roboter maschinelles Lernen und Computer Vision, um Produktionsumgebungen zu interpretieren und Entscheidungen in Echtzeit zu treffen. Einfach ausgedrückt bedeutet dies, dass sie unterschiedliche Zutaten, Tabletttypen und Mahlzeitenformate präzise verarbeiten können. 

Heute hat Chef seine Systeme in über einem Dutzend Städten in Nordamerika eingeführt und hilft Lebensmittelherstellern dabei, große Mengen zu verarbeiten, die Abhängigkeit von manueller Arbeit zu reduzieren und eine gleichbleibende Qualität in schnelllebigen Produktionslinien aufrechtzuerhalten.

Die Präzisionslücke in der großtechnischen Lebensmittelherstellung

Die Herstellung von Mahlzeiten in großem Maßstab erfordert Genauigkeit und Schnelligkeit, was jedoch in realen Produktionsumgebungen schwierig ist. Die Zutaten können im Laufe des Tages unterschiedlich aussehen, die Tabletts können unter hellem Licht transparent oder reflektierend sein, und die Förderbänder bewegen sich schnell. 

Diese ständigen Verschiebungen erschweren es den Arbeitern, die Platzierung genau zu beurteilen, insbesondere wenn sie dieselben Bewegungen tausende Male pro Schicht wiederholen. Infolgedessen führt die manuelle Montage oft zu ungleichmäßigen Portionen, gelegentlichem Überlaufen und Tabletts, die außerhalb des Zielgewichts liegen. 

Dies erhöht den Lebensmittelabfall, erfordert zusätzliche Reinigungsarbeiten und führt zu Uneinheitlichkeit in der Präsentation. Die Herausforderung wird noch größer in Umgebungen mit hoher Produktvielfalt, in denen sich die Rezepturen häufig ändern und jedes Produkt seine eigenen Handhabungsanforderungen hat.

‍

Herkömmliche Automatisierungssysteme sind für ein solches Maß an Variabilität nicht ausgelegt. Sie haben Schwierigkeiten mit Änderungen bei den Zutaten, schnellen Umstellungen und einer großen Bandbreite an SKUs (Stock Keeping Units, Lagerhaltungseinheiten). Viele Hersteller sind nach wie vor stark auf manuelle Arbeit angewiesen, obwohl Personalmangel es immer schwieriger macht, die Produktionslinien am Laufen zu halten.

Beispielsweise stand Cafe Spice, eine indische Lebensmittelmarke und Co-Hersteller mit Sitz in New Windsor, NY, täglich vor diesen Herausforderungen. Das Team stellte die Mahlzeiten von Hand zusammen, etwa zwölf Tabletts pro Minute, was die Produktion bei steigender Nachfrage einschränkte. 

Außerdem mussten ihre zweigeteilten Tabletts präzise platziert werden, um zu verhindern, dass Curry in den Reisbereich gelangte – etwas, das bei manuellen Prozessen und herkömmlichen Geräten oft nur schwer konsistent zu gewährleisten war. Angesichts dieser Einschränkungen wandte sich Cafe Spice an Chef, um eine flexiblere und zuverlässigere Lösung zu finden.

Verwendung von Ultralytics YOLO zur Analyse von Lebensmittel-Fließbändern

Um die Produktion der vielfältigen Mahlzeiten bei Cafe Spice zu automatisieren, setzte Chef ein robotergestütztes KI-System ein, das detect , Zutaten identifizieren und Speisen mit der für ihre zweigeteilten Tabletts erforderlichen Präzision platzieren kann. Das Herzstück dieses Systems ist eine Vision-KI-Pipeline, die auf Ultralytics YOLO basiert. 

Ultralytics YOLO unterstützen wichtige Computer-Vision-Aufgaben wie Objekterkennung, Oriented Bounding Box (OBB)-Erkennung, Instanzsegmentierung und Bildklassifizierung. Diese Funktionen ermöglichen Chef-Robotern eine Echtzeit-Erfassung der Produktionslinie. 

Da Cafe Spice viele verschiedene SKUs produziert, werdenYOLO Ultralytics speziell auf Bilder trainiert, die direkt aus der Produktionsumgebung stammen. Dies hilft den Robotern, die Zutaten unter realen Fabrikbedingungen zu interpretieren.

‍

Insbesondere YOLO verwendet, um detect , während sie sich auf dem Förderband bewegen, und das richtige Fach für jede Zutat zu identifizieren. Die OBB-Erkennung geht noch einen Schritt weiter und ermöglicht es dem System, Gegenstände zu erkennen, die in verschiedenen Winkeln erscheinen, darunter Schüsseln, transparente Einsätze und Tabletts mit wechselnder Ausrichtung. 

Warum dieYOLO Ultralytics ?

YOLO Ultralytics bieten Chef die Geschwindigkeit und Genauigkeit, die für die Echtzeit-Zubereitung von Speisen in schnell laufenden Produktionslinien erforderlich sind. Sie haben festgestellt, dassYOLO Ultralytics eine Genauigkeit von etwa 99,5 % in der Produktion bieten und die stabilen Erkennungsergebnisse liefern, die für die subzentimetergenaue Platzierung durch Roboter auf verschiedenen Tabletts, in Schüsseln und bei verschiedenen Zutatenarten erforderlich sind.

Darüber hinaus bietet das Python die Tools zum Trainieren, Feinabstimmen und Verwalten dieser Modelle, sodass Engineering-Teams schnell iterieren können. Es unterstützt beispielsweise Exportformate wie ONNX die plattformübergreifende Bereitstellung, wodurch das Team von Chef Modelle nahtlos konvertieren und in seinen Robotersystemen bereitstellen kann.

Chef Robotics und Ultralytics YOLO die Produktionsleistung von Cafe Spice

Nach der Integration der KI-gestützten Robotersysteme von Chef, die auf Ultralytics YOLO basieren, konnte Cafe Spice sofortige und messbare Verbesserungen in Bezug auf Produktionsleistung, Arbeitseffizienz und Produktqualität feststellen. Die Produktionslinien, die zuvor mit einer Geschwindigkeit von 12 Tabletts pro Minute liefen, erreichen nun durchschnittlich 30 Tabletts pro Minute, wobei die Spitzenleistung auf dem modernisierten Fördersystem bis zu 40 Tabletts pro Minute beträgt. Dies entspricht einer zwei- bis dreifachen Steigerung der Produktionsleistung.

‍

Auch die Arbeitsproduktivität verbesserte sich. Früher waren pro Produktionslinie 8 bis 10 Mitarbeiter erforderlich, doch dank der Roboter von Chef konnte diese Zahl auf 3 bis 4 Mitarbeiter pro Linie reduziert werden, was zu einer Steigerung der Arbeitsproduktivität um 60 % führte. Durch die frei gewordenen Kapazitäten konnte Cafe Spice Mitarbeiter in anderen Bereichen einsetzen, in denen aufgrund des anhaltenden Arbeitskräftemangels ständig Personalmangel herrschte.

Auch bei Qualität und Ertrag wurden deutliche Verbesserungen erzielt. Vor der Automatisierung lag die Lebensmittelverschwendung, die größtenteils auf übermäßige Portionierung zur Vermeidung von Untergewichtsausschuss zurückzuführen war, bei 9,19 %. Durch den Einsatz von Robotern, die YOLO Erkennungstechnologie nutzen, um Zutaten präzise zu platzieren, sank der Ausschuss auf 3,05 % – eine Reduzierung um 67 %. Darüber hinaus verbesserten sich auch die Akzeptanzraten: 91 % der von Robotern zusammengestellten Tabletts erfüllten die Qualitätsstandards von Cafe Spice, verglichen mit 75 % bei manuell zusammengestellten Tabletts.

Die groß angelegte Speisenproduktion intelligenter und präziser gestalten

Im Zuge seiner weiteren Expansion konzentriert sich Chef darauf, seine KI-gestützten Systeme noch besser an die Vielzahl von Zutaten, Tabletts und Produktionskonfigurationen anzupassen, die in der Lebensmittelindustrie zum Einsatz kommen. Ein wichtiger Antrieb für diese Bemühungen ist die Mission von Chef, intelligente Maschinen zu entwickeln, die Menschen dabei unterstützen, das zu tun, was sie am besten können. Durch die Weiterentwicklung seiner Wahrnehmungsmodelle, die Vereinfachung von Umstellungen und die Verbesserung der Flexibilität für eine hochgradig gemischte Produktion schafft Chef eine Automatisierung, die weniger wie eine starre Maschine, sondern eher wie ein kooperativer Teamkollege funktioniert.

Möchten Sie Vision AI näher kennenlernen? Entdecken Sie unsere Lizenzoptionen, um Computer Vision in Ihre Projekte zu integrieren. Besuchen Sie unser GitHub-Repository und werden Sie Teil unserer Community. Informieren Sie sich auf unseren Lösungsseiten über KI im Gesundheitswesen und Computer Vision im Einzelhandel.