Utilizzando i modelli Ultralytics YOLO, Chef Robotics rileva con elevata precisione vassoi e ingredienti sulle linee di produzione, raggiungendo un'accuratezza di circa il 99,5%.
L'automazione dell'assemblaggio alimentare su larga scala coinvolge numerosi elementi in movimento. Un elevato volume di vassoi si sposta lungo la linea, gli ingredienti variano durante la giornata e non esistono due porzioni esattamente uguali. Questi fattori rendono difficile mantenere la coerenza, mentre i processi di assemblaggio manuale possono incontrare difficoltà nel rilevamento, nel dosaggio e nel posizionamento.
Chef Robotics contribuisce a risolvere queste sfide con l'AI e la robotica. Combinando la robotica con tecnologie di AI come la visione artificiale, 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 elementi con una precisione inferiore al centimetro su linee di produzione ad alta varietà e ritmo elevato.
Aumentare la produzione alimentare con la robotica e l'AI#
Chef Robotics, con sede a San Francisco, sviluppa sistemi robotici basati sull'AI per aiutare l'industria alimentare a tenere il passo con la crescente domanda produttiva. L'azienda si concentra in particolare sul settore alimentare perché è quello che deve affrontare la più grave carenza di manodopera negli Stati Uniti, con oltre 1,1 milioni di posti di lavoro vacanti.
Questa carenza rende difficile per i produttori mantenere i livelli di produzione e la coerenza. Per affrontare queste problematiche, i robot Chef utilizzano il machine learning e la visione artificiale per interpretare gli ambienti di produzione e prendere decisioni in tempo reale. In parole semplici, ciò significa che possono gestire con precisione ingredienti, tipi di vassoio e formati di pasti diversi.
Oggi Chef ha implementato i suoi sistemi in oltre una dozzina di città del Nord America, aiutando i produttori alimentari a gestire volumi elevati, ridurre la dipendenza dal lavoro manuale e mantenere una qualità costante su linee ad alta velocità.
Il 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 più difficile. Gli ingredienti possono avere un aspetto diverso durante la giornata, i vassoi possono essere trasparenti o riflettenti sotto luci intense e le linee di trasporto si muovono rapidamente.
Questi cambiamenti costanti rendono difficile per gli operatori valutare con precisione il posizionamento, soprattutto quando ripetono gli stessi movimenti migliaia di volte per turno. Di conseguenza, l'assemblaggio manuale porta spesso a porzioni non uniformi, fuoriuscite occasionali e vassoi con pesi al di fuori dei valori target.
Ciò aumenta l'eccedenza alimentare, richiede ulteriori operazioni di pulizia e crea variabilità nella presentazione. La sfida diventa ancora più impegnativa negli ambienti ad alta varietà, dove le ricette cambiano frequentemente e ogni prodotto ha requisiti di manipolazione specifici.
Fig. 1. Uno sguardo alle linee di assemblaggio alimentare manuale.
I sistemi di automazione tradizionali non sono progettati per questo livello di variabilità. Incontrano difficoltà nella gestione dei cambi di ingredienti, dei cambi formato rapidi e di un'ampia gamma di SKU (unità di gestione delle scorte). Molti produttori fanno ancora ampio affidamento sul lavoro manuale, anche se la carenza di personale rende più difficile mantenere operative le linee.
Ad esempio, Cafe Spice, un marchio di alimenti indiani e co-produttore con sede a New Windsor, NY, affrontava queste sfide ogni giorno. Il suo team assemblava i pasti manualmente a circa dodici vassoi al minuto, limitando la produzione con l'aumento della domanda.
Inoltre, i suoi vassoi a due scomparti richiedevano un posizionamento preciso per evitare che il curry fuoriuscisse nella sezione del riso, una condizione che i processi manuali e le apparecchiature convenzionali spesso faticavano a mantenere costante. Riconoscendo questi limiti, Cafe Spice si è rivolta a Chef per un approccio più flessibile e affidabile.
Utilizzare i modelli Ultralytics YOLO per analizzare le linee di assemblaggio alimentare#
Per automatizzare la produzione di pasti ad alta varietà di Cafe Spice, Chef ha implementato un sistema robotico di AI in grado di rilevare i vassoi, identificare gli ingredienti e posizionare il cibo con la precisione richiesta dai vassoi a due scomparti. Al centro di questo sistema c'è una pipeline di Vision AI basata sui modelli Ultralytics YOLO.
I modelli Ultralytics YOLO supportano attività chiave di visione artificiale, come il rilevamento degli oggetti, il rilevamento di bounding box orientati (OBB), la segmentazione delle 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 molti SKU diversi, i modelli Ultralytics YOLO vengono addestrati su misura con immagini raccolte direttamente nel suo ambiente di produzione. Questo aiuta i robot a interpretare gli ingredienti in condizioni reali 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 spostano lungo il nastro trasportatore e identificare lo scomparto corretto per ogni ingrediente. Andando oltre il semplice rilevamento degli oggetti, il rilevamento OBB consente al sistema di comprendere gli elementi che appaiono con angolazioni diverse, inclusi ciotole, inserti trasparenti e vassoi con orientamenti variabili.
Perché scegliere i modelli Ultralytics YOLO?#
I modelli Ultralytics YOLO offrono a Chef la velocità e la precisione necessarie per l'assemblaggio alimentare in tempo reale su linee di produzione ad alta velocità. L'azienda ha rilevato che i modelli Ultralytics YOLO raggiungono un'accuratezza di circa il 99,5% in produzione, fornendo i rilevamenti stabili necessari per il posizionamento robotico con precisione inferiore al centimetro su vassoi, ciotole e tipi di ingredienti diversi.
Inoltre, il pacchetto Python di Ultralytics fornisce gli strumenti per addestrare, perfezionare e gestire questi modelli, consentendo ai team di ingegneria di iterare rapidamente. Ad esempio, supporta formati di esportazione come ONNX per l'implementazione multipiattaforma, permettendo al team di Chef di convertire e implementare i modelli senza problemi nei suoi sistemi robotici.
Chef Robotics e Ultralytics YOLO raddoppiano la produzione di Cafe Spice#
Dopo aver integrato i sistemi di robotica abilitati all'AI di Chef e basati sui modelli Ultralytics YOLO, Cafe Spice ha registrato miglioramenti immediati e misurabili nella produzione, nell'efficienza della manodopera e nella qualità dei prodotti. Le sue linee di produzione, che in precedenza operavano a 12 vassoi al minuto, ora raggiungono una media di 30 vassoi al minuto, con picchi di 40 vassoi al minuto sul sistema di trasporto aggiornato. Ciò rappresenta un aumento della produzione da due a tre volte.
Fig. 3. La linea di produzione dei pasti di Cafe Spice, basata su Chef Robotics e Ultralytics YOLO.
Anche la produttività della manodopera è migliorata. In precedenza ogni linea richiedeva 8–10 operatori, ma i robot di Chef hanno ridotto il numero a 3–4 operatori per linea, con un conseguente aumento del 60% della produttività della manodopera. La capacità liberata ha aiutato Cafe Spice a riassegnare il personale ad altre aree che erano rimaste costantemente sotto organico a causa delle continue carenze di manodopera.
Allo stesso modo, anche la qualità e la resa hanno registrato miglioramenti significativi. Prima dell'automazione, l'eccedenza alimentare, dovuta in gran parte al sovradosaggio per evitare scarti sottopeso, era pari al 9,19%. Con i robot che utilizzano il rilevamento basato su YOLO per posizionare con precisione gli ingredienti, l'eccedenza è scesa al 3,05%, con una riduzione del 67%. Inoltre, sono migliorati anche i tassi di accettazione: il 91% dei vassoi assemblati dai robot soddisfaceva gli standard di qualità di Cafe Spice, rispetto al 75% dei vassoi assemblati manualmente.
Rendere la produzione di pasti su larga scala più intelligente e precisa#
Con la sua espansione, Chef si concentra sul rendere i propri sistemi basati sull'AI ancora più adattabili all'ampia varietà di ingredienti, vassoi e configurazioni produttive utilizzati nell'industria alimentare. Un elemento fondamentale alla base di questi sforzi è la missione di Chef: costruire macchine intelligenti che permettano alle persone di fare ciò che sanno fare meglio. Migliorando i propri modelli di percezione, semplificando i cambi formato e aumentando la flessibilità per la produzione ad alta varietà, Chef sta creando un'automazione che opera meno come una macchina rigida e più come un membro collaborativo del team.
Ti interessa esplorare la Vision AI? Scopri le nostre opzioni di licenza per portare la visione artificiale nei tuoi progetti. Visita il nostro repository GitHub e unisciti alla nostra community. Esplora l'AI nel settore sanitario e la visione artificiale nel retail nelle nostre pagine dedicate alle soluzioni.
