Chef Robotics, Ultralytics YOLO를 사용하여 식품 손실 67% 절감
Chef Robotics가 정밀한 식품 조립을 위해 어떻게 Ultralytics YOLO 모델을 사용하는지 살펴보세요.
Problem
Chef Robotics는 다품종 식품 조립 공정 자동화에 착수했습니다. 이는 식재료의 변동성과 식품 생산 시설 특유의 복잡하고 인지하기 어려운 환경으로 인해 매우 까다로운 과정입니다.
Solution
Ultralytics YOLO 모델을 사용하여 Chef Robotics는 생산 라인의 트레이와 식재료를 약 99.5%의 정확도로 정밀하게 감지합니다.
대규모 식품 조립 자동화에는 움직이는 요소가 많습니다. 다량의 트레이가 라인을 따라 이동하고, 식재료는 하루 종일 바뀌며, 동일한 양을 담아내는 스쿱 작업조차 매번 다를 수 있습니다. 이러한 요인들로 인해 일관성을 유지하기가 어려우며, 수작업 조립 공정은 감지, 정량 배분, 배치 작업에서 많은 어려움을 겪습니다.
Chef Robotics는 AI와 로봇을 통해 이러한 문제를 해결합니다. 컴퓨터 비전과 같은 AI 기술을 로봇 공학과 결합함으로써 Chef는 로봇이 주변 환경을 보고 이해할 수 있도록 합니다. 예를 들어, Ultralytics YOLO 모델은 트레이 및 식재료 감지와 세그멘테이션에 사용되어 로봇이 다품종 고속 생산 라인에서 센티미터 단위 이하의 정밀도로 아이템을 집고 배치할 수 있도록 합니다.
Link to this section로봇과 AI를 활용한 식품 생산 확장#
샌프란시스코에 본사를 둔 Chef Robotics는 식품 산업이 증가하는 생산 수요를 충족할 수 있도록 AI 기반 로봇 시스템을 구축합니다. 그들은 미국 내 110만 개 이상의 일자리가 채워지지 않는 등 식품 분야가 최대의 인력 부족 문제에 직면해 있기 때문에 이 분야에 집중하고 있습니다.
이러한 인력 부족은 제조업체가 생산량과 일관성을 유지하기 어렵게 만듭니다. 이러한 문제를 해결하기 위해 Chef 로봇은 머신러닝과 컴퓨터 비전을 사용하여 생산 환경을 해석하고 실시간으로 의사결정을 내립니다. 간단히 말해, 다양한 식재료, 트레이 유형, 식사 형태를 정확하게 처리할 수 있다는 의미입니다.
오늘날 Chef는 북미 전역의 12개 이상의 도시에 시스템을 구축하여 식품 생산자가 많은 물량을 관리하고, 수작업 의존도를 줄이며, 고속 생산 라인에서 일관된 품질을 유지하도록 돕고 있습니다.
Link to this section대규모 식품 조립의 정밀도 격차#
대규모 식사 생산에는 정확성과 속도가 필요하지만, 실제 생산 환경에서는 이를 달성하기 어렵습니다. 식재료는 하루 종일 다르게 보일 수 있고, 트레이는 밝은 조명 아래에서 투명하거나 반사될 수 있으며, 컨베이어 라인은 빠르게 움직입니다.
이러한 끊임없는 변화는 작업자가 매 교대 근무마다 수천 번씩 동일한 동작을 반복할 때 배치 정확도를 판단하기 어렵게 만듭니다. 결과적으로 수작업 조립은 일관되지 않은 분량, 가끔 발생하는 넘침 현상, 목표 중량을 벗어난 트레이 등의 문제를 자주 유발합니다.
이로 인해 식품 과잉 생산(giveaway)이 증가하고 추가적인 청소 작업이 필요하며, 제품 형태에 변동성이 생깁니다. 레시피가 자주 바뀌고 각 제품마다 취급 요건이 다른 다품종 환경에서는 이 문제가 더욱 심각해집니다.
그림 1. 수동 식품 조립 라인의 모습.
기존의 자동화 시스템은 이러한 수준의 변동성을 고려하여 설계되지 않았습니다. 이러한 시스템은 식재료 변경, 빠른 전환, 다양한 SKU(재고 관리 단위)를 처리하는 데 어려움을 겪습니다. 인력 부족으로 인해 라인 운영이 점점 더 어려워지고 있음에도 불구하고, 많은 생산자가 여전히 수작업에 크게 의존하고 있습니다.
예를 들어, 뉴욕주 윈저에 위치한 인도 음식 브랜드이자 위탁 제조업체인 Cafe Spice는 매일 이러한 문제에 직면했습니다. 그들의 팀은 분당 약 12개의 트레이를 손으로 조립했는데, 이는 수요 증가에 따른 생산량 확대를 제한하는 요인이었습니다.
또한, 2구 트레이는 카레가 밥 칸으로 쏟아지는 것을 방지하기 위해 정밀한 배치가 필요했는데, 이는 수작업과 기존 장비로는 일관되게 유지하기 어려웠습니다. 이러한 한계를 인식한 Cafe Spice는 더 유연하고 신뢰할 수 있는 접근 방식을 찾기 위해 Chef를 선택했습니다.
Link to this sectionUltralytics YOLO 모델을 활용한 식품 조립 라인 분석#
Cafe Spice의 다품종 식사 생산을 자동화하기 위해 Chef는 트레이를 감지하고, 식재료를 식별하며, 2구 트레이에 필요한 정밀도로 음식을 배치할 수 있는 로봇 AI 시스템을 배치했습니다. 이 시스템의 핵심은 Ultralytics YOLO 모델로 구축된 비전 AI 파이프라인입니다.
Ultralytics YOLO models support key computer vision tasks such as object detection, oriented bounding box (OBB) detection, instance segmentation, and image classification. These capabilities give Chef robots real-time awareness of the production line.
Cafe Spice는 다양한 SKU를 생산하므로, Ultralytics YOLO 모델은 생산 환경에서 직접 수집한 이미지를 바탕으로 커스텀 학습되었습니다. 이는 로봇이 실제 공장 조건에서 식재료를 해석하는 데 도움을 줍니다.
그림 2. Chef 로봇이 트레이를 보고 감지하는 방식 (소스)
특히 YOLO는 컨베이어를 따라 이동하는 트레이를 감지하고 각 식재료의 올바른 구획을 식별하는 데 사용됩니다. 객체 감지를 한 단계 더 발전시킨 OBB 감지는 볼, 투명한 삽입물, 방향이 바뀌는 트레이 등 다양한 각도에서 나타나는 항목을 시스템이 이해할 수 있게 합니다.
Link to this section왜 Ultralytics YOLO 모델인가?#
Ultralytics YOLO 모델은 빠르게 움직이는 생산 라인에서 실시간 식품 조립에 필요한 속도와 정확성을 Chef에 제공합니다. 이들은 Ultralytics YOLO 모델이 생산 현장에서 약 99.5%의 정확도를 제공하여 다양한 트레이, 볼, 식재료 유형 전반에 걸쳐 센티미터 단위 이하의 로봇 배치에 필요한 안정적인 감지 성능을 제공한다는 것을 확인했습니다.
또한 Ultralytics Python 패키지는 이러한 모델을 학습, 미세 조정 및 관리할 수 있는 도구를 제공하여 엔지니어링 팀이 신속하게 반복 작업을 수행할 수 있도록 합니다. 예를 들어, 크로스 플랫폼 배포를 위해 ONNX와 같은 내보내기 형식을 지원하며, 이를 통해 Chef 팀은 모델을 변환하여 로봇 시스템 전반에 원활하게 배포할 수 있습니다.
Link to this sectionChef Robotics와 Ultralytics YOLO, Cafe Spice의 생산량 2배 증대#
Ultralytics YOLO 모델로 구동되는 Chef의 AI 기반 로봇 시스템을 도입한 후, Cafe Spice는 생산량, 노동 효율성, 제품 품질 전반에서 즉각적이고 측정 가능한 개선을 확인했습니다. 이전에는 분당 12개의 트레이를 처리하던 생산 라인이 이제는 평균 분당 30개로 운영되며, 개선된 컨베이어 시스템에서는 최대 분당 40개까지 도달합니다. 이는 생산량이 2~3배 증가했음을 의미합니다.
그림 3. Chef Robotics와 Ultralytics YOLO로 구동되는 Cafe Spice의 식사 생산 라인.
노동 생산성 또한 향상되었습니다. 각 라인에는 과거에 810명의 작업자가 필요했지만, Chef의 로봇 도입으로 라인당 34명의 작업자만 필요하게 되어 노동 생산성이 60% 증가했습니다. 이렇게 확보된 인력은 지속적인 인력 부족으로 인해 만성적으로 인력이 부족했던 다른 영역에 배치될 수 있었습니다.
마찬가지로 품질과 수율도 크게 향상되었습니다. 자동화 이전에는 미달 중량 판정을 피하기 위한 과도한 배분으로 인해 식품 과잉 생산(giveaway)이 9.19%에 달했습니다. YOLO 기반 감지를 사용하는 로봇이 식재료를 정확하게 배치하게 되면서 과잉 생산은 3.05%로 감소하여 67%의 절감 효과를 거두었습니다. 이와 더불어 합격률도 개선되어, 수작업 조립 트레이의 75%와 비교해 로봇 조립 트레이의 91%가 Cafe Spice의 품질 기준을 충족했습니다.
Link to this section대규모 식사 생산을 더욱 스마트하고 정밀하게#
Chef는 지속적으로 확장함에 따라 식품 산업 전반에서 사용되는 다양한 식재료, 트레이 및 생산 설정에 AI 기반 시스템을 더욱 적응시킬 수 있도록 집중하고 있습니다. 이러한 노력의 핵심은 인간이 가장 잘하는 일을 수행할 수 있도록 지원하는 지능형 기계를 만들겠다는 Chef의 사명입니다. 인지 모델을 발전시키고, 전환 공정을 단순화하며, 다품종 생산을 위한 유연성을 향상시킴으로써, Chef는 경직된 기계처럼 작동하는 것이 아니라 협력적인 팀원처럼 작동하는 자동화 기술을 만들고 있습니다.
비전 AI 탐색에 관심이 있으신가요? 프로젝트에 컴퓨터 비전을 도입하기 위한 라이선스 옵션을 확인해 보십시오. GitHub 저장소를 방문하고 커뮤니티에 참여하십시오. 솔루션 페이지에서 헬스케어 AI 및 소매업 컴퓨터 비전에 대해 알아보십시오.
