Chef Robotics utilizza Ultralytics YOLO per ridurre gli sprechi alimentari del 67%
Esplora come Chef Robotics utilizza i modelli Ultralytics YOLO per l'assemblaggio preciso di prodotti alimentari.
Problem
Chef Robotics ha deciso di automatizzare l'assemblaggio alimentare ad alta variabilità, un processo reso difficile dalla diversità degli ingredienti e dagli ambienti complessi e spesso difficili da monitorare presenti negli stabilimenti di produzione alimentare.
Solution
Utilizzando i modelli Ultralytics YOLO, Chef Robotics ottiene un rilevamento altamente accurato di vassoi e ingredienti sulle linee di produzione, raggiungendo una precisione di circa il 99,5%.
L'automazione dell'assemblaggio alimentare su larga scala coinvolge molte parti mobili. Un elevato volume di vassoi si muove lungo la linea, gli ingredienti variano durante la giornata e non esistono due porzioni identiche. Questi fattori rendono difficile mantenere la coerenza e i processi di assemblaggio manuale possono avere difficoltà con il rilevamento, il porzionamento e il posizionamento.
Chef Robotics aiuta a risolvere queste sfide con l'IA e la robotica. Combinando la robotica con tecnologie di IA come la computer vision, Chef permette ai suoi robot di vedere e comprendere l'ambiente circostante. Ad esempio, i modelli Ultralytics YOLO vengono utilizzati per il rilevamento e la segmentazione di vassoi e ingredienti, consentendo ai robot di prelevare e posizionare gli articoli con una precisione inferiore al centimetro su linee di produzione ad alta variabilità e ritmi elevati.
Link to this sectionScalare la produzione alimentare usando robotica e IA#
Chef Robotics, con sede a San Francisco, costruisce sistemi robotici basati sull'IA per aiutare l'industria alimentare a tenere il passo con la crescente domanda di produzione. Si concentrano specificamente sul settore alimentare perché deve affrontare la più grande carenza di manodopera negli Stati Uniti, con oltre 1,1 milioni di posti di lavoro non coperti.
Questa carenza rende difficile per i produttori mantenere la produzione e la coerenza. Per affrontare queste preoccupazioni, i robot Chef utilizzano il machine learning e la computer vision per interpretare gli ambienti di produzione e prendere decisioni in tempo reale. In parole semplici, significa che possono gestire accuratamente diversi ingredienti, tipi di vassoi e formati di pasto.
Oggi, Chef ha distribuito i suoi sistemi in oltre una dozzina di città in Nord America, aiutando i produttori alimentari a gestire volumi elevati, ridurre la dipendenza dal lavoro manuale e mantenere una qualità costante su linee a ritmo serrato.
Link to this sectionIl divario di precisione nell'assemblaggio alimentare su larga scala#
Produrre pasti su larga scala richiede precisione e velocità, ma gli ambienti di produzione reali rendono tutto ciò difficile. Gli ingredienti possono apparire diversi durante la giornata, i vassoi possono essere trasparenti o riflettenti sotto luci intense e le linee di trasporto si muovono rapidamente.
Questi continui cambiamenti rendono difficile per i lavoratori giudicare il posizionamento in modo preciso, specialmente quando ripetono gli stessi movimenti migliaia di volte per turno. Di conseguenza, l'assemblaggio manuale porta spesso a porzioni incoerenti, fuoriuscite occasionali e vassoi che rientrano al di fuori dei pesi target.
Questo aumenta lo spreco alimentare, richiede pulizie extra e crea variabilità nella presentazione. La sfida diventa ancora più impegnativa in ambienti ad alta variabilità dove le ricette cambiano frequentemente e ogni prodotto ha i propri requisiti di manipolazione.
Fig 1. Uno sguardo alle linee di assemblaggio alimentare manuale.
I sistemi di automazione tradizionali non sono progettati per questo livello di variabilità. Faticano a gestire i cambiamenti degli ingredienti, i rapidi passaggi da una linea all'altra e un'ampia gamma di SKU (stock keeping units). Molti produttori fanno ancora molto affidamento sul lavoro manuale, anche se la carenza di personale rende più difficile mantenere le linee operative.
Ad esempio, Cafe Spice, un marchio di cucina indiana e co-produttore con sede a New Windsor, NY, affrontava queste sfide quotidianamente. Il loro team assemblava i pasti a mano a circa dodici vassoi al minuto, il che limitava la produzione man mano che la domanda aumentava.
Inoltre, i loro vassoi a due scomparti richiedevano un posizionamento preciso per evitare che il curry si versasse nella sezione del riso - qualcosa che i processi manuali e le apparecchiature convenzionali faticavano spesso a mantenere in modo coerente. Riconoscendo questi limiti, Cafe Spice si è rivolta a Chef per un approccio più flessibile e affidabile.
Link to this sectionUtilizzare i modelli Ultralytics YOLO per analizzare le linee di assemblaggio alimentare#
Per automatizzare la produzione di pasti ad alta variabilità di Cafe Spice, Chef ha implementato un sistema robotico basato sull'IA in grado di rilevare i vassoi, identificare gli ingredienti e posizionare il cibo con la precisione richiesta per i loro vassoi a due scomparti. Al centro di questo sistema c'è una pipeline di Vision AI costruita sui modelli Ultralytics YOLO.
I modelli Ultralytics YOLO supportano attività chiave di computer vision come il rilevamento di oggetti, il rilevamento con bounding box orientati (OBB), la segmentazione di istanze e la classificazione delle immagini. Queste funzionalità forniscono ai robot Chef una consapevolezza in tempo reale della linea di produzione.
Poiché Cafe Spice produce molte SKU diverse, i modelli Ultralytics YOLO vengono addestrati su misura su immagini raccolte direttamente dal loro ambiente di produzione. Questo aiuta i robot a interpretare gli ingredienti nelle reali condizioni di fabbrica.
Fig 2. Come il robot Chef vede e rileva i vassoi (Fonte)
In particolare, YOLO viene utilizzato per rilevare i vassoi mentre si muovono lungo il nastro trasportatore e identificare lo scomparto corretto per ogni ingrediente. Facendo un passo avanti rispetto al rilevamento di oggetti, il rilevamento OBB consente al sistema di comprendere gli articoli che appaiono ad angolazioni diverse, inclusi ciotole, inserti trasparenti e vassoi con orientamenti variabili.
Link to this sectionPerché scegliere i modelli Ultralytics YOLO?#
I modelli Ultralytics YOLO offrono a Chef la velocità e l'accuratezza necessarie per l'assemblaggio alimentare in tempo reale su linee di produzione veloci. Hanno riscontrato che i modelli Ultralytics YOLO offrono circa il 99,5% di precisione nella produzione, fornendo i rilevamenti stabili richiesti per il posizionamento robotico inferiore al centimetro su diversi vassoi, ciotole e tipi di ingredienti.
Inoltre, il pacchetto Python Ultralytics fornisce gli strumenti per addestrare, ottimizzare e gestire questi modelli, rendendo facile per i team di ingegneria iterare rapidamente. Ad esempio, supporta formati di esportazione come ONNX per la distribuzione multipiattaforma, il che consente al team di Chef di convertire e distribuire i modelli senza problemi attraverso i loro sistemi robotici.
Link to this sectionChef Robotics e Ultralytics YOLO raddoppiano la produzione di Cafe Spice#
Dopo aver integrato i sistemi robotici basati sull'IA di Chef guidati dai modelli Ultralytics YOLO, Cafe Spice ha riscontrato miglioramenti immediati e misurabili in termini di produzione, efficienza del lavoro e qualità del prodotto. Le loro linee di produzione, che in precedenza operavano a 12 vassoi al minuto, ora corrono a una media di 30 vassoi al minuto, con picchi che raggiungono i 40 vassoi al minuto sul sistema di trasporto aggiornato. Ciò rappresenta un aumento della produzione da due a tre volte.
Fig 3. Linea di produzione dei pasti di Cafe Spice, potenziata da Chef Robotics e Ultralytics YOLO.
Anche la produttività del lavoro è migliorata. Ogni linea richiedeva storicamente 8-10 lavoratori, ma i robot di Chef hanno ridotto quel numero a 3-4 lavoratori per linea, portando a un aumento del 60% della produttività del lavoro. La capacità liberata ha aiutato Cafe Spice a ridistribuire il personale in altre aree che erano state costantemente sotto organico a causa della continua carenza di manodopera.
Allo stesso modo, anche la qualità e la resa hanno registrato guadagni significativi. Prima dell'automazione, lo spreco alimentare, causato in gran parte da porzioni eccessive per evitare scarti sotto peso, si attestava al 9,19%. Con i robot che utilizzano il rilevamento basato su YOLO per posizionare gli ingredienti con precisione, lo spreco è sceso al 3,05%, una riduzione del 67%. Oltre a questo, sono migliorati anche i tassi di accettazione: il 91% dei vassoi assemblati dai robot ha soddisfatto gli standard di qualità di Cafe Spice, rispetto al 75% dei vassoi assemblati manualmente.
Link to this sectionRendere la produzione di pasti su larga scala più intelligente e precisa#
Mentre Chef continua ad espandersi, l'azienda si concentra nel rendere i propri sistemi basati sull'IA ancora più adattabili alla grande varietà di ingredienti, vassoi e configurazioni di produzione utilizzati in tutta l'industria alimentare. Un fattore chiave dietro questi sforzi è la missione di Chef di costruire macchine intelligenti che mettano gli umani in grado di fare ciò che sanno fare meglio. Avanzando i suoi modelli di percezione, semplificando i passaggi da una linea all'altra e migliorando la flessibilità per la produzione ad alta variabilità, Chef sta creando un'automazione che funziona meno come una macchina rigida e più come un compagno di squadra collaborativo.
Ti interessa esplorare la Vision AI? Scopri le nostre opzioni di licenza per portare la computer vision nei tuoi progetti. Visita il nostro repository GitHub e unisciti alla nostra community. Esplora l'IA nell'assistenza sanitaria e la computer vision nella vendita al dettaglio sulle nostre pagine delle soluzioni.
