Utilizzando i modelli Ultralytics YOLO, Chef Robotics rileva vassoi e ingredienti sulle linee di produzione con un'elevata precisione, raggiungendo circa il 99,5%.
L'automazione dell'assemblaggio alimentare su larga scala coinvolge molte variabili. Sulla linea si spostano numerosi vassoi, gli ingredienti cambiano durante la giornata e ogni porzione è diversa. Questi fattori rendono difficile mantenere la coerenza e possono mettere in difficoltà i processi di assemblaggio manuale per quanto riguarda il rilevamento, il porzionamento e il posizionamento.
Chef Robotics aiuta a risolvere queste sfide con l'AI e i robot. Combinando la robotica con tecnologie di AI come la visione artificiale, Chef consente ai suoi robot di vedere e comprendere l'ambiente circostante. Ad esempio, i modelli Ultralytics YOLO vengono utilizzati per rilevare e segmentare vassoi e ingredienti, permettendo ai robot di prelevare e posizionare gli articoli con una precisione inferiore al centimetro su linee di produzione caratterizzate da un'ampia varietà di prodotti e ritmi elevati.
Scalare la produzione alimentare con la robotica e l'AI#
Chef Robotics, con sede a San Francisco, realizza sistemi robotici basati sull'AI per aiutare il settore alimentare a soddisfare la crescente domanda di produzione. L'azienda si concentra sul settore alimentare perché è quello che affronta la maggiore carenza di manodopera negli Stati Uniti, con oltre 1,1 milioni di posti vacanti.
Questa carenza rende difficile per i produttori mantenere i livelli di produzione e la coerenza. Per affrontare queste criticità, 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, possono gestire con precisione ingredienti, tipi di vassoio e formati di pasto diversi.
Oggi Chef ha implementato i propri sistemi in oltre una dozzina di città del Nord America, aiutando i produttori alimentari a gestire grandi volumi, ridurre la dipendenza dal lavoro manuale e mantenere una qualità uniforme sulle linee ad alta velocità.
Il divario di precisione nell'assemblaggio alimentare su larga scala#
Produrre pasti su larga scala richiede precisione e rapidità, ma le condizioni reali di produzione rendono difficile raggiungerle. 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 cambiamenti continui 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 spesso porta a porzioni irregolari, fuoriuscite occasionali e vassoi con un peso fuori dall'intervallo previsto.
Questo aumenta gli sprechi alimentari, richiede interventi di pulizia aggiuntivi e crea variazioni nella presentazione. La sfida diventa ancora più impegnativa negli ambienti con un'ampia varietà di prodotti, dove le ricette cambiano spesso e ogni prodotto richiede modalità di gestione specifiche.
Fig. 1. Uno sguardo alle linee di assemblaggio manuale degli alimenti.
I sistemi di automazione tradizionali non sono progettati per gestire un livello di variabilità così elevato. Faticano a gestire i cambiamenti degli ingredienti, i rapidi cambi di produzione e un'ampia gamma di SKU (codici identificativi dei prodotti). Molti produttori continuano a fare ampio affidamento sul lavoro manuale, anche se la carenza di personale rende sempre più difficile mantenere operative le linee.
Ad esempio, Cafe Spice, un marchio di cucina indiana e produttore conto terzi con sede a New Windsor, NY, affrontava quotidianamente queste sfide. Il team assemblava i pasti a mano, a circa dodici vassoi al minuto, limitando la produzione mentre la domanda cresceva.
Inoltre, i vassoi a due scomparti richiedevano un posizionamento preciso per evitare che il curry finisse nella sezione del riso, un risultato che i processi manuali e le attrezzature convenzionali faticavano spesso a garantire con costanza. Riconoscendo questi limiti, Cafe Spice si è rivolta a Chef per adottare un approccio più flessibile e affidabile.
Analizzare le linee di assemblaggio alimentare con i modelli Ultralytics YOLO#
Per automatizzare la produzione di pasti con un'ampia varietà di prodotti di Cafe Spice, Chef ha implementato un sistema robotico basato sull'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 del sistema c'è una pipeline di Vision AI basata sui modelli Ultralytics YOLO.
I modelli Ultralytics YOLO supportano attività fondamentali di visione artificiale, come il rilevamento degli oggetti, il rilevamento di riquadri di delimitazione orientati (OBB), la segmentazione delle istanze e la classificazione delle immagini. Queste capacità consentono ai robot Chef di monitorare in tempo reale la linea di produzione.
Poiché Cafe Spice produce molti SKU diversi, i modelli Ultralytics YOLO vengono addestrati su misura con immagini raccolte direttamente nell'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 avanzano sul nastro trasportatore e identificare lo scomparto corretto per ciascun ingrediente. Il rilevamento OBB porta il rilevamento degli oggetti un passo avanti, consentendo al sistema di comprendere gli elementi che appaiono da angolazioni diverse, tra cui ciotole, inserti trasparenti e vassoi con orientamento variabile.
Perché scegliere i modelli Ultralytics YOLO?#
I modelli Ultralytics YOLO offrono a Chef la velocità e la precisione necessarie per assemblare pasti in tempo reale sulle linee di produzione ad alta velocità. Secondo le misurazioni effettuate, in produzione i modelli Ultralytics YOLO raggiungono una precisione di circa il 99,5%, fornendo rilevamenti stabili che consentono ai robot di posizionare gli elementi con precisione inferiore al centimetro su vassoi, ciotole e ingredienti diversi.
Inoltre, il pacchetto Python Ultralytics fornisce gli strumenti per addestrare, perfezionare e gestire questi modelli, consentendo ai team di progettazione di iterare rapidamente. Ad esempio, supporta formati di esportazione come ONNX per l'implementazione multipiattaforma, permettendo al team Chef di convertire e distribuire i modelli senza difficoltà nei propri sistemi robotici.
Chef Robotics e Ultralytics YOLO raddoppiano la produzione di Cafe Spice#
Dopo aver integrato i sistemi robotici basati sull'AI di Chef e alimentati dai modelli Ultralytics YOLO, Cafe Spice ha registrato miglioramenti immediati e misurabili nella produzione, nell'efficienza del lavoro e nella qualità dei prodotti. Le linee di produzione, che in precedenza lavoravano 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. La produzione è quindi aumentata da due a tre volte.
Fig. 3. La linea di produzione dei pasti di Cafe Spice, gestita con Chef Robotics e Ultralytics YOLO.
È migliorata anche la produttività del lavoro. In passato ogni linea richiedeva 8–10 lavoratori, ma i robot Chef hanno ridotto il numero a 3–4 per linea, con un aumento del 60% della produttività del lavoro. La capacità liberata ha permesso a Cafe Spice di assegnare nuovamente il personale ad altre aree che, a causa della persistente carenza di manodopera, erano rimaste costantemente sotto organico.
Anche la qualità e la resa sono migliorate in modo significativo. Prima dell'automazione, gli sprechi alimentari, dovuti soprattutto a porzioni eccessive per evitare scarti sottopeso, erano pari al 9,19%. Grazie ai robot che utilizzano il rilevamento basato su YOLO per posizionare gli ingredienti con precisione, gli sprechi sono scesi al 3,05%, con una riduzione del 67%. È migliorato anche il tasso di accettazione: il 91% dei vassoi assemblati dai robot rispettava gli standard di qualità di Cafe Spice, rispetto al 75% di quelli assemblati manualmente.
Rendere più intelligente e precisa la produzione di pasti su larga scala#
Mentre Chef continua a espandersi, l'azienda punta a rendere i propri sistemi basati sull'AI ancora più adattabili all'ampia varietà di ingredienti, vassoi e configurazioni di produzione utilizzate nel settore alimentare. Un fattore chiave 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 di produzione e aumentando la flessibilità per lavorare con un'ampia varietà di prodotti, Chef sta creando un'automazione che si comporta 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. Scopri l'AI in ambito sanitario e la visione artificiale nel commercio al dettaglio nelle nostre pagine dedicate alle soluzioni.
