Используя модели Ultralytics YOLO, Chef Robotics с высокой точностью обнаруживает лотки и ингредиенты на производственных линиях, достигая точности около 99,5%.
Автоматизация крупносерийной сборки блюд включает множество движущихся элементов. По линии перемещается большое количество лотков, ингредиенты меняются в течение дня, и ни одна порция не бывает в точности такой же, как другая. Из-за этого сложно поддерживать стабильность, а ручные процессы сборки могут давать сбои при обнаружении, дозировании и размещении продуктов.
Chef Robotics помогает решать эти задачи с помощью ИИ и роботов. Объединяя робототехнику с такими технологиями ИИ, как компьютерное зрение, Chef позволяет своим роботам видеть и понимать окружающую среду. Например, модели Ultralytics YOLO используются для обнаружения и сегментации лотков и ингредиентов, позволяя роботам брать и размещать продукты с точностью до долей сантиметра на высокопроизводительных линиях с большим ассортиментом.
Масштабирование производства блюд с помощью робототехники и ИИ#
Компания Chef Robotics из Сан-Франциско создает роботизированные системы на базе ИИ, помогающие пищевой промышленности справляться с растущим спросом на производство. Она специализируется именно на пищевом секторе, поскольку он сталкивается с наиболее серьезной нехваткой рабочей силы в США: более 1,1 миллиона вакансий остаются незаполненными.
Из-за этой нехватки производителям сложно поддерживать объем выпуска и стабильность. Для решения этих проблем роботы Chef используют машинное обучение и компьютерное зрение, чтобы интерпретировать производственную среду и принимать решения в реальном времени. Проще говоря, они могут точно работать с разными ингредиентами, типами лотков и форматами блюд.
Сегодня Chef внедрила свои системы более чем в дюжине городов Северной Америки, помогая производителям продуктов питания обрабатывать большие объемы, снижать зависимость от ручного труда и поддерживать стабильное качество на высокоскоростных линиях.
Разрыв в точности при крупносерийной сборке блюд#
Производство блюд в больших объемах требует точности и скорости, но реальные производственные условия затрудняют достижение этих целей. В течение дня ингредиенты могут выглядеть по-разному, лотки под ярким освещением могут быть прозрачными или отражающими, а конвейерные линии движутся быстро.
Из-за этих постоянных изменений работникам сложно точно оценивать размещение продуктов, особенно когда за смену они повторяют одни и те же движения тысячи раз. В результате при ручной сборке часто возникают нестабильные порции, отдельные случаи просыпания продуктов и лотки, вес которых выходит за заданные пределы.
Это увеличивает потери продуктов, требует дополнительной уборки и приводит к нестабильности внешнего вида. Задача становится еще сложнее в условиях большого ассортимента, когда рецепты часто меняются, а каждый продукт требует особого обращения.
Рис. 1. Обзор линий ручной сборки блюд.
Традиционные системы автоматизации не рассчитаны на такой уровень вариативности. Они с трудом справляются с изменениями ингредиентов, быстрыми переналадками и широким ассортиментом SKU. Многие производители по-прежнему сильно зависят от ручного труда, хотя нехватка персонала все больше затрудняет поддержание работы линий.
Например, Cafe Spice — индийский бренд продуктов питания и контрактный производитель из Нью-Виндзора, штат Нью-Йорк, — ежедневно сталкивалась с такими проблемами. Ее команда собирала блюда вручную со скоростью около 12 лотков в минуту, что ограничивало объем выпуска по мере роста спроса.
Кроме того, лотки с двумя отделениями требовали точного размещения продуктов, чтобы карри не проливалось в секцию с рисом, — эту стабильность ручные процессы и традиционное оборудование часто не могли обеспечить. Осознав эти ограничения, Cafe Spice обратилась к Chef за более гибким и надежным решением.
Использование моделей Ultralytics YOLO для анализа линий сборки блюд#
Чтобы автоматизировать производство блюд с большим ассортиментом в Cafe Spice, Chef внедрила роботизированную систему на базе ИИ, которая обнаруживает лотки, определяет ингредиенты и размещает продукты с точностью, необходимой для лотков с двумя отделениями. В основе этой системы лежит конвейер Vision AI, построенный на моделях Ultralytics YOLO.
Модели Ultralytics YOLO поддерживают такие ключевые задачи компьютерного зрения, как обнаружение объектов, обнаружение ориентированных ограничивающих рамок (OBB), сегментация экземпляров и классификация изображений. Эти возможности обеспечивают роботам Chef понимание происходящего на производственной линии в реальном времени.
Поскольку Cafe Spice выпускает множество различных SKU, модели Ultralytics YOLO проходят дообучение на изображениях, собранных непосредственно в производственной среде компании. Это помогает роботам интерпретировать ингредиенты в реальных заводских условиях.
Рис. 2. Как робот Chef видит и обнаруживает лотки (источник)
В частности, YOLO используется для обнаружения лотков, движущихся по конвейеру, и определения правильного отделения для каждого ингредиента. OBB позволяет сделать следующий шаг после обнаружения объектов: система может распознавать предметы, расположенные под разными углами, включая миски, прозрачные вставки и лотки с меняющейся ориентацией.
Почему стоит выбрать модели Ultralytics YOLO?#
Модели Ultralytics YOLO обеспечивают Chef необходимую скорость и точность для сборки блюд в реальном времени на быстро движущихся производственных линиях. Компания обнаружила, что модели Ultralytics YOLO обеспечивают в производственных условиях точность около 99,5%, предоставляя стабильные результаты обнаружения, необходимые для роботизированного размещения с точностью до долей сантиметра в разных лотках, мисках и при работе с различными типами ингредиентов.
Кроме того, пакет Ultralytics для Python предоставляет инструменты для обучения, дообучения и управления этими моделями, позволяя инженерным командам быстро вносить и проверять изменения. Например, он поддерживает такие форматы экспорта, как ONNX, для кроссплатформенного развертывания, благодаря чему команда Chef может беспрепятственно конвертировать и развертывать модели в своих роботизированных системах.
Chef Robotics и Ultralytics YOLO вдвое увеличили объем выпуска Cafe Spice#
После интеграции роботизированных систем Chef с поддержкой ИИ и на базе моделей Ultralytics YOLO компания Cafe Spice сразу получила измеримые улучшения объема выпуска, эффективности труда и качества продукции. Ее производственные линии, ранее работавшие со скоростью 12 лотков в минуту, теперь в среднем выпускают 30 лотков в минуту, а пиковая скорость на обновленной конвейерной системе достигает 40 лотков в минуту. Это означает увеличение объема выпуска в два-три раза.
Рис. 3. Линия производства блюд Cafe Spice на базе Chef Robotics и Ultralytics YOLO.
Производительность труда также выросла. Раньше для каждой линии требовалось 8–10 работников, но роботы Chef сократили это число до 3–4 работников на линию, что привело к росту производительности труда на 60%. Освободившиеся ресурсы позволили Cafe Spice перевести сотрудников на другие участки, где из-за продолжающейся нехватки персонала постоянно не хватало работников.
Качество и выход продукции также значительно улучшились. До автоматизации потери продуктов, в основном вызванные избыточным дозированием для предотвращения отбраковки по недостаточному весу, составляли 9,19%. После того как роботы на базе YOLO стали точно размещать ингредиенты, потери снизились до 3,05%, то есть на 67%. Кроме того, выросла доля принятых лотков: 91% собранных роботами лотков соответствовали стандартам качества Cafe Spice по сравнению с 75% лотков, собранных вручную.
Повышение эффективности и точности крупносерийного производства блюд#
По мере расширения Chef компания стремится сделать свои системы на базе ИИ еще более адаптивными к широкому разнообразию ингредиентов, лотков и производственных конфигураций, используемых в пищевой промышленности. Одним из ключевых направлений этой работы остается миссия Chef — создавать интеллектуальные машины, которые помогают людям заниматься тем, что люди делают лучше всего. Совершенствуя модели восприятия, упрощая переналадки и повышая гибкость производства с большим ассортиментом, Chef создает автоматизацию, которая работает не как жестко запрограммированная машина, а скорее как партнер по совместной работе.
Хочешь изучить Vision AI? Ознакомься с нашими вариантами лицензирования, чтобы внедрить компьютерное зрение в свои проекты. Посети наш репозиторий на GitHub и присоединяйся к нашему сообществу. Изучи решения в области ИИ в здравоохранении и компьютерного зрения в розничной торговле.
