Chef Robotics использует Ultralytics YOLO для сокращения пищевых отходов на 67%

Автоматизация крупномасштабной сборки продуктов питания включает множество движущихся частей. Огромное количество лотков движется по линии, ингредиенты меняются в течение дня, и не бывает двух абсолютно одинаковых порций. Эти факторы затрудняют поддержание стабильности, а ручные процессы сборки могут испытывать трудности с обнаружением, дозированием и размещением.

Chef Robotics помогает решить эти проблемы с помощью ИИ и роботов. Объединяя робототехнику с технологиями ИИ, такими как компьютерное зрение, Chef позволяет своим роботам видеть и понимать окружающую среду. Например, модели Ultralytics YOLO используются для обнаружения и сегментации лотков и ингредиентов, что позволяет роботам брать и размещать предметы с точностью до субсантиметра на быстрых производственных линиях с большим ассортиментом.

Link to this sectionМасштабирование производства продуктов питания с использованием робототехники и ИИ#

Chef Robotics, базирующаяся в Сан-Франциско, создает роботизированные системы на базе ИИ, чтобы помочь пищевой промышленности справляться с растущими производственными требованиями. Они сосредоточены именно на пищевом секторе, потому что он сталкивается с крупнейшим дефицитом рабочей силы в Соединенных Штатах, где насчитывается более 1.1 миллиона незаполненных вакансий.

Этот дефицит затрудняет для производителей поддержание объема выпуска и стабильности качества. Чтобы решить эти проблемы, роботы Chef используют машинное обучение и компьютерное зрение для интерпретации производственной среды и принятия решений в режиме реального времени. Проще говоря, это означает, что они могут точно обрабатывать различные ингредиенты, типы лотков и форматы блюд.

Сегодня Chef развернула свои системы в более чем дюжине городов Северной Америки, помогая производителям продуктов питания справляться с большими объемами, снижать зависимость от ручного труда и поддерживать стабильное качество на высокоскоростных линиях.

Link to this sectionРазрыв в точности при крупномасштабной сборке продуктов питания#

Производство блюд в больших масштабах требует точности и скорости, но реальные производственные условия затрудняют это. Ингредиенты могут выглядеть по-разному в течение дня, лотки могут быть прозрачными или бликовать при ярком свете, а конвейерные линии движутся быстро.

Эти постоянные изменения затрудняют оценку точности размещения для рабочих, особенно когда они повторяют одни и те же движения тысячи раз за смену. В результате ручная сборка часто приводит к нестабильным порциям, случайному проливанию и выходу веса лотков за пределы целевых значений.

Это увеличивает потери продуктов, требует дополнительной уборки и создает вариативность в оформлении. Задача становится еще более сложной в условиях большого разнообразия, где рецепты часто меняются, а каждый продукт имеет свои требования к обращению.

Рис. 1. Взгляд на линии ручной сборки продуктов питания.

Традиционные системы автоматизации не предназначены для такого уровня вариативности. Они с трудом справляются с изменениями ингредиентов, быстрой переналадкой и широким ассортиментом SKU (товарных позиций). Многие производители по-прежнему сильно зависят от ручного труда, даже несмотря на то, что нехватка персонала затрудняет поддержание работы линий.

Например, Cafe Spice, индийский продовольственный бренд и со-производитель из Нью-Виндзора, штат Нью-Йорк, ежедневно сталкивался с этими проблемами. Их команда собирала блюда вручную со скоростью около двенадцати лотков в минуту, что ограничивало выпуск продукции по мере роста спроса.

Кроме того, их двухсекционные лотки требовали точного размещения, чтобы карри не попадало в секцию с рисом — то, что ручные процессы и обычное оборудование часто с трудом поддерживали на стабильном уровне. Признавая эти ограничения, Cafe Spice обратилась к Chef за более гибким и надежным подходом.

Link to this sectionИспользование моделей Ultralytics YOLO для анализа линий сборки продуктов питания#

Чтобы автоматизировать производство различных блюд в Cafe Spice, Chef развернула роботизированную систему ИИ, которая может обнаруживать лотки, идентифицировать ингредиенты и размещать продукты с точностью, необходимой для их двухсекционных лотков. В центре этой системы находится конвейер Vision AI, построенный на моделях Ultralytics YOLO.

Модели Ultralytics YOLO поддерживают ключевые задачи компьютерного зрения, такие как обнаружение объектов, обнаружение с использованием ориентированных ограничивающих рамок (OBB), сегментация экземпляров и классификация изображений. Эти возможности дают роботам Chef понимание производственной линии в режиме реального времени.

Поскольку Cafe Spice производит много разных SKU, модели Ultralytics YOLO обучаются на заказ на изображениях, собранных непосредственно в их производственной среде. 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 по мере их движения по конвейеру и определения правильного отсека для каждого ингредиента. Развивая обнаружение объектов дальше, OBB-детектирование позволяет системе понимать элементы, расположенные под разными углами, включая миски, прозрачные вставки и лотки с меняющейся ориентацией.

Link to this sectionПочему стоит выбрать модели Ultralytics YOLO?#

Модели Ultralytics YOLO обеспечивают Chef скорость и точность, необходимые для сборки еды в режиме реального времени на быстродвижущихся производственных линиях. Они обнаружили, что модели Ultralytics YOLO обеспечивают точность около 99.5% в производстве, обеспечивая стабильное обнаружение, необходимое для роботизированного размещения с точностью до субсантиметра для различных лотков, мисок и типов ингредиентов.

Также Python-пакет Ultralytics предоставляет инструменты для обучения, тонкой настройки и управления этими моделями, что позволяет инженерным командам быстро итерировать. Например, он поддерживает форматы экспорта, такие как ONNX, для кросс-платформенного развертывания, что позволяет команде Chef беспрепятственно конвертировать и развертывать модели в своих роботизированных системах.

Link to this sectionChef Robotics и Ultralytics YOLO удваивают производительность Cafe Spice#

После интеграции роботизированных систем Chef с поддержкой ИИ, управляемых моделями Ultralytics YOLO, Cafe Spice увидела немедленные и измеримые улучшения в производительности, эффективности труда и качестве продукции. Их производственные линии, которые ранее работали со скоростью 12 лотков в минуту, теперь работают в среднем со скоростью 30 лотков в минуту, а пиковые показатели достигают 40 лотков в минуту на обновленной конвейерной системе. Это представляет собой увеличение производительности в два-три раза.

Рис. 3. Линия по производству блюд Cafe Spice, работающая на базе Chef Robotics и Ultralytics YOLO.

Производительность труда также улучшилась. Раньше каждой линии требовалось 8–10 рабочих, но роботы Chef сократили это число до 3–4 рабочих на линию, что привело к увеличению производительности труда на 60%. Освободившийся ресурс помог Cafe Spice перераспределить персонал на другие участки, которые постоянно испытывали нехватку кадров из-за текущего дефицита рабочей силы.

Аналогичным образом, качество и выход продукции также значительно выросли. До автоматизации потери продуктов, вызванные в основном избыточным порционированием во избежание брака из-за недовеса, составляли 9.19%. С роботами, использующими YOLO-детектирование для точного размещения ингредиентов, потери упали до 3.05%, что означает снижение на 67%. В дополнение к этому, улучшились показатели приемки: 91% лотков, собранных роботами, соответствовали стандартам качества Cafe Spice, по сравнению с 75% для лотков, собранных вручную.

Link to this sectionДелаем крупномасштабное производство блюд умнее и точнее#

По мере того как Chef продолжает расширяться, компания сосредоточена на том, чтобы сделать свои системы на базе ИИ еще более адаптируемыми к широкому разнообразию ингредиентов, лотков и производственных настроек, используемых в пищевой промышленности. Ключевым двигателем этих усилий является миссия Chef по созданию интеллектуальных машин, которые расширяют возможности людей делать то, что у них получается лучше всего. Совершенствуя свои модели восприятия, упрощая переналадку и повышая гибкость для высокопроизводительного смешанного производства, Chef создает автоматизацию, которая работает меньше как жесткая машина и больше как коллега по команде.

Интересуешься изучением Vision AI? Ознакомься с нашими вариантами лицензирования, чтобы внедрить компьютерное зрение в свои проекты. Посети наш репозиторий GitHub и присоединяйся к нашему сообществу. Изучи ИИ в здравоохранении и компьютерное зрение в ритейле на страницах наших решений.