シェフロボティクスはUltralytics YOLO を活用

大規模な食品組立自動化には多くの可動部品が関与する。大量のトレイがライン上を移動し、食材は一日を通して変化し、同じスプーン一杯分は二つとない。これらの要因により一貫性の維持が困難となり、手作業による組立工程では検出・分量調整・配置に課題が生じやすい。

シェフロボティクスはAIとロボット技術でこれらの課題を解決します。コンピュータービジョンなどのAI技術とロボティクスを融合させることで、ロボットが環境を認識・理解することを可能にします。例えば、Ultralytics YOLO を用いてトレイや食材の検出・分割を行い、多品種・高速生産ラインにおいてサブセンチメートル単位の精度で物品のピックアップと配置を実現しています。

ロボット工学とAIを活用した食料生産の拡大

サンフランシスコに拠点を置くシェフロボティクスは、食品業界が拡大する生産需要に対応できるよう支援するAI搭載ロボットシステムを開発している。同社は特に食品分野に注力している。この分野は米国で最大の労働力不足に直面しており、110万件以上の求人未充足が生じているためだ。 

この不足により、製造業者は生産量と一貫性を維持することが困難です。こうした課題を解決するため、シェフロボットは機械学習とコンピュータービジョンを活用し、生産環境を解釈してリアルタイムで判断を下します。つまり、様々な食材、トレイの種類、食事形式を正確に処理できるということです。 

本日、Chefは北米の十数都市にシステムを展開し、食品メーカーが高生産量を管理し、手作業への依存を減らし、高速ラインで一貫した品質を維持することを支援しています。

大規模食品組立における精度ギャップ

大量調理には正確さとスピードが求められるが、実際の生産現場ではそれが難しい。食材は時間帯によって見た目が変わり、トレイは明るい照明下で透明に見えたり反射したりし、コンベアラインは高速で動く。 

こうした絶え間ない変化により、作業員は配置を正確に判断することが困難になる。特に、1シフトあたり同じ動作を何千回も繰り返す場合にはなおさらだ。その結果、手作業による組み立てでは、部品の配置が不均一になったり、時折はみ出したり、トレイが目標重量から外れたりすることが頻繁に発生する。 

これにより食品の廃棄量が増加し、追加の清掃が必要となり、提供方法にばらつきが生じます。レシピが頻繁に変更され、各製品ごとに独自の取り扱い要件がある多品種混在環境では、この課題はさらに困難になります。

‍

従来の自動化システムは、このレベルの変動性を想定して設計されていません。原材料の変更、迅速な切り替え、幅広いSKU（在庫管理単位）に対応するのに苦労しています。多くの生産者は、人手不足でラインの稼働維持が困難になっているにもかかわらず、依然として手作業に大きく依存しています。

例えば、ニューヨーク州ニューウィンザーに拠点を置くインド料理ブランド兼共同製造業者であるカフェ・スパイスは、日々こうした課題に直面していた。同社のチームは手作業で食事を組み立てており、分速約12トレイというペースだったため、需要が増加するにつれて生産量が制限されていた。 

また、彼らの二段トレイは、カレーがご飯部分にこぼれないよう正確な配置が必要でした。これは手作業や従来の設備では一貫して維持するのが困難な点でした。こうした制約を認識したカフェスパイスは、より柔軟で信頼性の高い解決策を求めてシェフに協力を依頼しました。

Ultralytics YOLO を用いた食品組立ラインの分析

カフェスパイス社の多品種少量生産を自動化するため、シェフはdetect 、食材の識別、二分割トレイに必要な精度での食品配置が可能なロボットAIシステムを導入した。このシステムの核となるのは、Ultralytics YOLO 基盤としたビジョンAIパイプラインである。 

Ultralytics YOLO 、物体検出、方向付き境界ボックス（OBB）検出、インスタンスセグメンテーション、画像分類といった主要なコンピュータビジョンタスクをサポートします。これらの機能により、Chefロボットは生産ラインをリアルタイムで認識します。 

カフェスパイスでは多様なSKUを生産しているため、Ultralytics YOLO 生産環境から直接収集した画像を用いてカスタムトレーニングされています。これによりロボットは実際の工場環境下で食材を認識できるようになります。

‍

特にYOLO 、detect コンベアを移動する際にdetect 、各食材の正しいコンパートメントを識別するためにYOLO 物体検出をさらに一歩進めたOBB検出により、システムは異なる角度で現れるアイテム（ボウル、透明なインサート、向きが変わるトレイなど）を理解できるようになります。 

なぜUltralytics YOLO モデルを選ぶのか？

Ultralytics YOLO 、高速で動く生産ラインにおけるリアルタイムの食品組み立てに必要な速度と精度をシェフに提供します。Ultralytics YOLO 生産現場で約99.5%の精度を達成し、異なるトレイ、ボウル、食材タイプにわたるサブセンチメートル単位のロボット配置に必要な安定した検出を実現していることが確認されています。

また、Ultralytics Python 、これらのモデルのトレーニング、微調整、管理を行うツールを提供し、エンジニアリングチームが迅速に反復作業を行うことを容易にします。例えば、ONNX エクスポート形式をサポートしており、これによりChefのチームはロボットシステム間でモデルをシームレスに変換・展開できます。

シェフロボティクスとUltralytics YOLO カフェスパイス社の生産量をYOLO

シェフ社のAI搭載ロボットシステム（Ultralytics YOLO 駆動）を導入後、カフェスパイスでは生産量・労働効率・製品品質の全領域で即座に測定可能な改善が確認されました。従来1分あたり12トレイだった生産ラインは、更新されたコンベアシステムにより平均30トレイ/分、ピーク時には40トレイ/分に達しています。これは生産量が2～3倍に増加したことを意味します。

‍

労働生産性も向上した。従来は各ラインに8～10名の作業員が必要だったが、シェフ社のロボット導入により1ラインあたり3～4名に削減され、労働生産性が60％向上した。これにより解放された人員を、慢性的な人手不足で常に人員不足だった他の業務領域に再配置することが可能となった。

同様に、品質と歩留まりも大幅に向上した。自動化前は、重量不足による不良品回避のための過剰な分量設定が主な原因で、食品廃棄率は9.19%に達していた。YOLO検出技術で材料を正確に配置するロボット導入後、廃棄率は3.05%に低下し、67%の削減を達成した。さらに合格率も向上：ロボット組立トレイの91%がCafe Spiceの品質基準を満たしたのに対し、手作業組立トレイの合格率は75%であった。

大規模な食事生産をよりスマートに、より精密に

シェフの事業拡大に伴い、同社は食品業界全体で使用される多様な食材、トレイ、生産設備に対応できるよう、AI搭載システムの適応性をさらに高めることに注力している。 こうした取り組みの背景には、人間が最も得意とする業務に専念できるよう支援する知能機械の構築というシェフの使命があります。知覚モデルの高度化、切り替え作業の簡素化、多品種生産における柔軟性の向上を通じて、シェフは硬直した機械というより協働するチームメイトのように機能する自動化を実現しています。

ビジョンAIの活用にご興味はありませんか？プロジェクトにコンピュータビジョンを導入するためのライセンスオプションをご覧ください。GitHubリポジトリを訪問し、コミュニティに参加しましょう。ソリューションページで、医療分野のAIや小売業向けコンピュータビジョンを探索してください。