Mit Ultralytics YOLO-Modellen erkennt Chef Robotics Tabletts und Zutaten auf Produktionslinien mit hoher Genauigkeit von rund 99,5 %.
Die Automatisierung der großflächigen Lebensmittelmontage umfasst viele bewegliche Teile. Zahlreiche Tabletts laufen über die Produktionslinie, die Zutaten variieren im Tagesverlauf und keine Portion ist genau wie die andere. Diese Faktoren erschweren einheitliche Ergebnisse; bei manuellen Montageprozessen sind Erkennung, Portionierung und Platzierung oft problematisch.
Chef Robotics begegnet diesen Herausforderungen mit KI und Robotern. Durch die Kombination von Robotik und KI-Technologien wie Computer Vision können die Roboter von Chef ihre Umgebung wahrnehmen und verstehen. So werden beispielsweise Ultralytics YOLO-Modelle zur Erkennung und Segmentierung von Tabletts und Zutaten eingesetzt. Dadurch können Roboter Gegenstände auf schnell laufenden Produktionslinien mit vielen Produktvarianten mit einer Genauigkeit im Subzentimeterbereich aufnehmen und platzieren.
Lebensmittelproduktion mit Robotik und KI ausbauen#
Das in San Francisco ansässige Unternehmen Chef Robotics entwickelt KI-gestützte Robotersysteme, die der Lebensmittelbranche helfen, mit der steigenden Produktionsnachfrage Schritt zu halten. Das Unternehmen konzentriert sich gezielt auf die Lebensmittelbranche, da sie in den Vereinigten Staaten am stärksten unter Arbeitskräftemangel leidet und mehr als 1,1 Millionen Stellen unbesetzt sind.
Dieser Mangel erschwert es Herstellern, Produktionsmengen und gleichbleibende Qualität aufrechtzuerhalten. Um diese Probleme zu bewältigen, nutzen die Roboter von Chef maschinelles Lernen und Computer Vision, um Produktionsumgebungen zu interpretieren und in Echtzeit Entscheidungen zu treffen. Das bedeutet konkret, dass sie unterschiedliche Zutaten, Tabletttypen und Mahlzeitenformate präzise handhaben können.
Chef hat seine Systeme inzwischen in mehr als einem Dutzend Städten in Nordamerika eingesetzt. Sie helfen Lebensmittelherstellern, große Produktionsmengen zu bewältigen, die Abhängigkeit von manueller Arbeit zu verringern und eine gleichbleibende Qualität auf schnell laufenden Produktionslinien sicherzustellen.
Die Präzisionslücke bei der großflächigen Lebensmittelmontage#
Die Lebensmittelproduktion in großem Maßstab erfordert Genauigkeit und Geschwindigkeit, doch die realen Produktionsbedingungen erschweren dies. Zutaten können im Tagesverlauf unterschiedlich aussehen, Tabletts können unter grellem Licht durchsichtig sein oder spiegeln, und Förderbänder laufen schnell.
Diese ständigen Veränderungen erschweren es Beschäftigten, die Zutaten genau zu platzieren – besonders dann, wenn sie dieselben Bewegungen tausende Male pro Schicht wiederholen. Deshalb führt die manuelle Montage häufig zu uneinheitlichen Portionen, gelegentlichem Verschütten und Tabletts, deren Gewicht außerhalb der Sollwerte liegt.
Dadurch wird mehr Essen als nötig ausgegeben, zusätzlicher Reinigungsaufwand entsteht und die Präsentation fällt unterschiedlich aus. Noch anspruchsvoller ist die Aufgabe bei einer großen Produktvielfalt, häufig wechselnden Rezepten und unterschiedlichen Anforderungen an die Handhabung jedes Produkts.
Abb. 1: Ein Blick auf manuelle Lebensmittelmontagelinien.
Herkömmliche Automatisierungssysteme sind nicht für dieses Maß an Variabilität ausgelegt. Sie haben Schwierigkeiten mit wechselnden Zutaten, schnellen Umrüstungen und einer großen Bandbreite an Lagerhaltungseinheiten (SKUs). Viele Hersteller verlassen sich nach wie vor stark auf manuelle Arbeit, obwohl der Personalmangel es erschwert, die Produktionslinien am Laufen zu halten.
Cafe Spice, eine indische Lebensmittelmarke und Auftragshersteller mit Sitz in New Windsor, New York, war beispielsweise täglich mit diesen Herausforderungen konfrontiert. Das Team stellte Mahlzeiten von Hand zusammen und schaffte etwa zwölf Tabletts pro Minute. Mit steigender Nachfrage begrenzte dies die Produktionsmenge.
Zudem erforderten die Tabletts mit zwei Fächern eine präzise Platzierung, damit kein Curry in das Reisfach lief – etwas, das mit manuellen Abläufen und herkömmlicher Ausrüstung oft nur schwer dauerhaft zu gewährleisten war. Angesichts dieser Einschränkungen wandte sich Cafe Spice an Chef, um einen flexibleren und zuverlässigeren Ansatz zu finden.
Lebensmittelmontagelinien mit Ultralytics YOLO-Modellen analysieren#
Um die Produktion der Mahlzeiten mit vielen Varianten bei Cafe Spice zu automatisieren, setzte Chef ein KI-Robotersystem ein, das Tabletts erkennt, Zutaten identifiziert und Lebensmittel mit der für Tabletts mit zwei Fächern erforderlichen Präzision platziert. Im Mittelpunkt des Systems steht eine auf Ultralytics YOLO-Modellen basierende Vision-AI-Pipeline.
Ultralytics YOLO-Modelle unterstützen wichtige Computer-Vision-Aufgaben wie Objekterkennung, die Erkennung von orientierten Begrenzungsrahmen (OBB), Instanzsegmentierung und Bildklassifizierung. Dank dieser Fähigkeiten erfassen die Roboter von Chef die Produktionslinie in Echtzeit.
Da Cafe Spice viele verschiedene SKUs herstellt, werden Ultralytics YOLO-Modelle mit Bildern trainiert, die direkt in der Produktionsumgebung aufgenommen wurden. So können die Roboter Zutaten unter realen Fabrikbedingungen erkennen.
Abb. 2: So sieht und erkennt der Chef-Roboter Tabletts (Quelle)
YOLO wird insbesondere dazu eingesetzt, Tabletts auf dem Förderband zu erkennen und für jede Zutat das richtige Fach zu bestimmen. Die Erkennung orientierter Begrenzungsrahmen erweitert die Objekterkennung: So kann das System Gegenstände erkennen, die aus verschiedenen Winkeln zu sehen sind, darunter Schüsseln, durchsichtige Einsätze und Tabletts in unterschiedlichen Ausrichtungen.
Warum Ultralytics YOLO-Modelle wählen?#
Ultralytics YOLO-Modelle bieten Chef die für die Echtzeitmontage von Lebensmitteln auf schnell laufenden Produktionslinien erforderliche Geschwindigkeit und Genauigkeit. In der Produktion erreichen die Modelle nach den bisherigen Erfahrungen von Chef eine Genauigkeit von rund 99,5 %. So liefern sie die stabilen Erkennungsergebnisse, die für eine Platzierung durch Roboter mit einer Genauigkeit im Subzentimeterbereich bei verschiedenen Tabletts, Schüsseln und Zutaten erforderlich sind.
Das Ultralytics-Python-Paket bietet außerdem Werkzeuge zum Trainieren, zur Feinabstimmung und zur Verwaltung dieser Modelle, sodass Entwicklungsteams schnell verschiedene Ansätze ausprobieren können. Es unterstützt beispielsweise Exportformate wie ONNX für plattformübergreifende Bereitstellungen. Dadurch kann das Team von Chef Modelle nahtlos für seine Robotersysteme konvertieren und bereitstellen.
Chef Robotics und Ultralytics YOLO verdoppeln die Produktionsmenge von Cafe Spice#
Nach der Integration der KI-gestützten Robotersysteme von Chef mit Ultralytics YOLO-Modellen verzeichnete Cafe Spice sofort messbare Verbesserungen bei Produktionsmenge, Arbeitseffizienz und Produktqualität. Die Produktionslinien, die zuvor 12 Tabletts pro Minute verarbeiteten, erreichen jetzt durchschnittlich 30 Tabletts pro Minute. Auf dem modernisierten Fördersystem sind Spitzenwerte von 40 Tabletts pro Minute möglich. Die Produktionsmenge hat sich damit auf das Zwei- bis Dreifache erhöht.
Abb. 3: Die von Chef Robotics und Ultralytics YOLO unterstützte Mahlzeitenproduktion bei Cafe Spice.
Auch die Arbeitsproduktivität stieg. Früher waren pro Linie 8–10 Beschäftigte erforderlich; durch die Roboter von Chef sank die Zahl auf 3–4 Beschäftigte pro Linie. Das entspricht einer Steigerung der Arbeitsproduktivität um 60 %. Die frei gewordenen Kapazitäten ermöglichten es Cafe Spice, Beschäftigte in andere Bereiche zu versetzen, in denen es aufgrund des anhaltenden Arbeitskräftemangels regelmäßig an Personal fehlte.
Auch Qualität und Ausbeute verbesserten sich deutlich. Vor der Automatisierung lag der Anteil der zusätzlich ausgegebenen Lebensmittel bei 9,19 %. Das war vor allem auf zu große Portionen zurückzuführen, mit denen Ausschuss wegen Untergewichts vermieden werden sollte. Mithilfe YOLO-basierter Erkennung platzierten die Roboter die Zutaten präzise und senkten diesen Anteil auf 3,05 % – ein Rückgang um 67 %. Zudem stieg die Annahmequote: 91 % der von Robotern zusammengestellten Tabletts erfüllten die Qualitätsstandards von Cafe Spice, bei den manuell zusammengestellten Tabletts waren es 75 %.
Mahlzeiten in großem Maßstab intelligenter und präziser herstellen#
Während Chef weiter wächst, arbeitet das Unternehmen daran, seine KI-gestützten Systeme noch besser an die große Vielfalt an Zutaten, Tabletts und Produktionsanlagen in der Lebensmittelbranche anzupassen. Ein wichtiger Antrieb dabei 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, einfachere Umstellungen und mehr Flexibilität bei einer großen Produktvielfalt schafft Chef Automatisierung, die weniger wie eine starre Maschine und mehr wie ein kooperatives Teammitglied arbeitet.
Möchtest du Vision AI näher kennenlernen? Entdecke unsere Lizenzoptionen, um Computer Vision in deinen Projekten einzusetzen. Besuche unser GitHub-Repository und werde Teil unserer Community. Auf unseren Lösungsseiten erfährst du mehr über KI im Gesundheitswesen und Computer Vision im Einzelhandel.
