Chef Robotics usa Ultralytics YOLO para reduzir o desperdício de alimentos em 67%

A automação da montagem de alimentos em grande escala envolve muitas partes móveis. Um grande volume de bandejas se move ao longo da linha, os ingredientes variam ao longo do dia e não existem duas colheradas exatamente iguais. Esses fatores tornam difícil manter a consistência, e os processos de montagem manual podem ter dificuldades com a detecção, porcionamento e posicionamento.

Chef Robotics ajuda a resolver esses desafios com IA e robôs. Ao combinar robótica com tecnologias de IA como visão computacional, a Chef permite que seus robôs vejam e entendam seu ambiente. Por exemplo, modelos Ultralytics YOLO são usados para detecção e segmentação de bandejas e ingredientes, permitindo que os robôs peguem e coloquem itens com precisão subcentimétrica em linhas de produção rápidas e de alta variedade.

Link to this sectionEscalonando a produção de alimentos usando robótica e IA#

A Chef Robotics, sediada em São Francisco, constrói sistemas robóticos baseados em IA para ajudar a indústria alimentícia a acompanhar as crescentes demandas de produção. Eles se concentram especificamente no setor de alimentos porque ele enfrenta a maior escassez de mão de obra nos Estados Unidos, com mais de 1,1 milhão de empregos não preenchidos.

Essa escassez torna difícil para os fabricantes manterem a produção e a consistência. Para abordar essas preocupações, os robôs da Chef usam aprendizado de máquina e visão computacional para interpretar ambientes de produção e tomar decisões em tempo real. Simplificando, isso significa que eles podem lidar com diferentes ingredientes, tipos de bandejas e formatos de refeição com precisão.

Hoje, a Chef implantou seus sistemas em mais de uma dúzia de cidades na América do Norte, ajudando produtores de alimentos a gerenciar grandes volumes, reduzir a dependência de trabalho manual e manter uma qualidade consistente em linhas de ritmo acelerado.

Link to this sectionA lacuna de precisão na montagem de alimentos em grande escala#

Produzir refeições em escala requer precisão e velocidade, mas ambientes de produção reais tornam isso difícil. Os ingredientes podem parecer diferentes ao longo do dia, as bandejas podem ser transparentes ou reflexivas sob luzes brilhantes e as linhas de transporte se movem rapidamente.

Essas mudanças constantes tornam difícil para os trabalhadores julgarem o posicionamento com precisão, especialmente quando repetem os mesmos movimentos milhares de vezes por turno. Como resultado, a montagem manual geralmente leva a porções inconsistentes, derramamentos ocasionais e bandejas que ficam fora dos pesos alvo.

Isso aumenta o desperdício de alimentos, exige limpeza extra e cria variabilidade na apresentação. O desafio torna-se ainda mais exigente em ambientes de alta variedade, onde as receitas mudam frequentemente e cada produto tem seus próprios requisitos de manuseio.

Fig 1. Uma visão das linhas de montagem manual de alimentos.

Sistemas de automação tradicionais não são projetados para esse nível de variabilidade. Eles lutam com mudanças de ingredientes, trocas rápidas e uma ampla gama de SKUs. Muitos produtores ainda dependem fortemente de trabalho manual, mesmo quando a escassez de pessoal torna mais difícil manter as linhas funcionando.

Por exemplo, a Cafe Spice, uma marca de comida indiana e cofabricante sediada em New Windsor, NY, enfrentava esses desafios diariamente. Sua equipe montava refeições à mão a cerca de doze bandejas por minuto, o que limitava a produção conforme a demanda aumentava.

Além disso, suas bandejas de dois compartimentos exigiam um posicionamento preciso para evitar que o curry derramasse na seção de arroz - algo que processos manuais e equipamentos convencionais muitas vezes lutavam para manter de forma consistente. Reconhecendo essas limitações, a Cafe Spice recorreu à Chef para uma abordagem mais flexível e confiável.

Link to this sectionUsando modelos Ultralytics YOLO para analisar linhas de montagem de alimentos#

Para automatizar a produção de refeições de alta variedade da Cafe Spice, a Chef implantou um sistema robótico de IA que pode detectar bandejas, identificar ingredientes e colocar alimentos com a precisão exigida para suas bandejas de dois compartimentos. No centro deste sistema está um pipeline de Vision AI construído sobre modelos Ultralytics YOLO.

Os modelos Ultralytics YOLO suportam tarefas principais de visão computacional como detecção de objetos, detecção de caixa delimitadora orientada (OBB), segmentação de instâncias e classificação de imagens. Essas capacidades dão aos robôs da Chef consciência em tempo real da linha de produção.

Como a Cafe Spice produz muitos SKUs diferentes, os modelos Ultralytics YOLO são treinados sob medida em imagens coletadas diretamente de seu ambiente de produção. Isso ajuda os robôs a interpretar ingredientes sob condições reais de fábrica.

Fig 2. Como o robô Chef vê e detecta bandejas (Fonte)

Em particular, o YOLO é usado para detectar bandejas à medida que se movem pela esteira e identificar o compartimento correto para cada ingrediente. Levando a detecção de objetos um passo adiante, a detecção OBB permite que o sistema entenda itens que aparecem em diferentes ângulos, incluindo tigelas, inserções transparentes e bandejas com orientações variáveis.

Link to this sectionPor que escolher Ultralytics YOLO models?#

Os modelos Ultralytics YOLO dão à Chef a velocidade e a precisão necessárias para a montagem de alimentos em tempo real em linhas de produção de rápido movimento. Eles descobriram que os modelos Ultralytics YOLO entregam aproximadamente 99,5% de precisão na produção, fornecendo as detecções estáveis necessárias para o posicionamento robótico subcentimétrico em diferentes bandejas, tigelas e tipos de ingredientes.

Além disso, o pacote Python da Ultralytics fornece as ferramentas para treinar, ajustar e gerenciar esses modelos, facilitando a iteração rápida para as equipes de engenharia. Por exemplo, ele suporta formatos de exportação como ONNX para implantação multiplataforma, o que permite que a equipe da Chef converta e implante modelos perfeitamente em seus sistemas robóticos.

Link to this sectionChef Robotics e Ultralytics YOLO dobram a produção da Cafe Spice#

Após integrar os sistemas robóticos habilitados para IA da Chef, impulsionados por modelos Ultralytics YOLO, a Cafe Spice viu melhorias imediatas e mensuráveis na produção, eficiência de mão de obra e qualidade do produto. Suas linhas de produção, que anteriormente operavam a 12 bandejas por minuto, agora funcionam a uma média de 30 bandejas por minuto, com taxas de pico chegando a 40 bandejas por minuto no sistema de esteira atualizado. Isso representa um aumento de duas a três vezes na produção.

Fig 3. Linha de produção de refeições da Cafe Spice, impulsionada pela Chef Robotics e Ultralytics YOLO.

A produtividade do trabalho também melhorou. Cada linha historicamente exigia 8–10 trabalhadores, mas os robôs da Chef reduziram esse número para 3–4 trabalhadores por linha, resultando em um aumento de 60% na produtividade do trabalho. A capacidade liberada ajudou a Cafe Spice a remanejar funcionários para outras áreas que estavam consistentemente com falta de pessoal devido à escassez contínua de mão de obra.

Da mesma forma, a qualidade e o rendimento também tiveram ganhos significativos. Antes da automação, o desperdício de alimentos, causado em grande parte pelo porcionamento excessivo para evitar rejeições por peso abaixo do padrão, situava-se em 9,19%. Com robôs usando detecção baseada em YOLO para colocar ingredientes com precisão, o desperdício caiu para 3,05%, uma redução de 67%. Além disso, as taxas de aceitação também melhoraram: 91% das bandejas montadas por robôs atenderam aos padrões de qualidade da Cafe Spice, em comparação com 75% para bandejas montadas manualmente.

Link to this sectionTornando a produção de refeições em grande escala mais inteligente e precisa#

À medida que a Chef continua a se expandir, a empresa está focada em tornar seus sistemas baseados em IA ainda mais adaptáveis à ampla variedade de ingredientes, bandejas e configurações de produção usadas em toda a indústria alimentícia. Um impulsionador chave por trás desses esforços é a missão da Chef de construir máquinas inteligentes que capacitem os humanos a fazer o que fazem de melhor. Ao avançar seus modelos de percepção, simplificar trocas e aumentar a flexibilidade para produção de alta variedade, a Chef está criando uma automação que opera menos como uma máquina rígida e mais como um colega de equipe colaborativo.

Interessado em explorar Vision AI? Descubra nossas opções de licenciamento para trazer visão computacional aos seus projetos. Visite nosso repositório GitHub e junte-se à nossa comunidade. Explore IA na saúde e visão computacional no varejo em nossas páginas de soluções.