Компания Chef Robotics поставила перед собой цель автоматизировать процесс приготовления блюд с большим разнообразием ингредиентов, который является сложной задачей из-за изменчивости ингредиентов и сложных, зачастую трудноразличимых условий, характерных для предприятий пищевой промышленности.
ИспользуяYOLO Ultralytics YOLO , Chef Robotics достигает высокой точности обнаружения подносов и ингредиентов на производственных линиях, достигая точности около 99,5%.
Масштабная автоматизация сборки продуктов питания включает в себя множество движущихся частей. По линии перемещается большое количество лотков, ингредиенты меняются в течение дня, и нет двух одинаковых порций. Эти факторы затрудняют поддержание постоянства качества, а ручные процессы сборки могут вызывать проблемы с обнаружением, порционированием и размещением.
Chef Robotics помогает решать эти проблемы с помощью искусственного интеллекта и роботов. Объединяя робототехнику с технологиями искусственного интеллекта, такими как компьютерное зрение, Chef позволяет своим роботам видеть и понимать окружающую среду. Например, YOLO Ultralytics YOLO используются для обнаружения и сегментации подносов и ингредиентов, что позволяет роботам с точностью до долей сантиметра брать и размещать предметы на высокопроизводительных и быстро меняющихся производственных линиях.
Компания Chef Robotics, расположенная в Сан-Франциско, создает роботизированные системы на базе искусственного интеллекта, чтобы помочь пищевой промышленности удовлетворить растущий спрос на продукцию. Они сосредоточены именно на пищевом секторе, поскольку он сталкивается с самой большой нехваткой рабочей силы в США: более 1,1 миллиона вакансий остаются незаполненными.
Эта нехватка затрудняет производителям поддержание объемов и стабильности производства. Чтобы решить эти проблемы, роботы Chef используют машинное обучение и компьютерное зрение для интерпретации производственных условий и принятия решений в режиме реального времени. Проще говоря, это означает, что они могут точно обрабатывать различные ингредиенты, типы подносов и форматы блюд.
Сегодня Chef внедрила свои системы в более чем дюжине городов Северной Америки, помогая производителям продуктов питания управлять большими объемами, снижать зависимость от ручного труда и поддерживать стабильное качество на быстро меняющихся производственных линиях.
Приготовление блюд в больших объемах требует точности и скорости, но реальные условия производства затрудняют это. Ингредиенты могут выглядеть по-разному в течение дня, поддоны могут быть прозрачными или отражать свет при ярком освещении, а конвейерные линии движутся быстро.
Эти постоянные изменения затрудняют работникам точное определение местоположения, особенно когда они повторяют одни и те же движения тысячи раз за смену. В результате ручная сборка часто приводит к неравномерному распределению порций, случайным проливаниям и отклонениям веса лотков от заданного.
Это увеличивает количество выбрасываемых продуктов, требует дополнительной уборки и приводит к неравномерности в подаче блюд. Задача становится еще более сложной в условиях высокой разнородности, когда рецепты часто меняются, а каждый продукт имеет свои собственные требования к обращению.
Традиционные системы автоматизации не рассчитаны на такой уровень изменчивости. Они не справляются с изменениями ингредиентов, быстрой сменой производственных линий и широким ассортиментом SKU (единиц хранения запасов). Многие производители по-прежнему в значительной степени полагаются на ручной труд, даже несмотря на то, что нехватка персонала затрудняет поддержание работы производственных линий.
Например, Cafe Spice, индийский бренд продуктов питания и совместный производитель из Нью-Виндзора, штат Нью-Йорк, ежедневно сталкивался с этими проблемами. Их команда собирала блюда вручную со скоростью около двенадцати подносов в минуту, что ограничивало производительность по мере роста спроса.
Кроме того, их лотки с двумя отделениями требовали точного размещения, чтобы карри не попал в рис, что было сложно обеспечить при ручном процессе и использовании традиционного оборудования. Осознавая эти ограничения, Cafe Spice обратилось к Chef за более гибким и надежным решением.
Для автоматизации производства разнообразных блюд в Cafe Spice шеф-повар внедрил роботизированную систему искусственного интеллекта, которая может detect , идентифицировать ингредиенты и размещать продукты с точностью, необходимой для их двухсекционных подносов. В центре этой системы находится конвейер Vision AI, построенный наYOLO Ultralytics YOLO .
YOLO Ultralytics YOLO поддерживают ключевые задачи компьютерного зрения, такие как обнаружение объектов, обнаружение ориентированных ограничительных рамок (OBB), сегментация экземпляров и классификация изображений. Эти возможности позволяют роботам Chef в режиме реального времени отслеживать состояние производственной линии.
Поскольку Cafe Spice производит много различных SKU,YOLO Ultralytics YOLO проходят специальное обучение на изображениях, собранных непосредственно из производственной среды. Это помогает роботам интерпретировать ингредиенты в реальных заводских условиях.
В частности, YOLO для detect , которые движутся по конвейеру, и определения правильного отсека для каждого ингредиента. Идя еще дальше в области обнаружения объектов, система OBB позволяет системе распознавать предметы, которые появляются под разными углами, включая миски, прозрачные вставки и лотки с изменяющейся ориентацией.
YOLO Ultralytics YOLO обеспечивают Chef скорость и точность, необходимые для сборки блюд в режиме реального времени на быстро движущихся производственных линиях. Они обнаружили, чтоYOLO Ultralytics YOLO обеспечивают точность производства примерно на 99,5%, обеспечивая стабильное обнаружение, необходимое для размещения роботами с точностью до долей сантиметра различных подносов, мисок и типов ингредиентов.
Кроме того, Python Ultralytics Python предоставляет инструменты для обучения, настройки и управления этими моделями, что упрощает быструю итерацию для инженерных команд. Например, он поддерживает форматы экспорта, такие как ONNX кроссплатформенного развертывания, что позволяет команде Chef легко конвертировать и развертывать модели в своих роботизированных системах.
После интеграции робототехнических систем Chef с искусственным интеллектом, основанных наYOLO Ultralytics YOLO , Cafe Spice сразу заметила значительные улучшения в производительности, эффективности труда и качестве продукции. Их производственные линии, которые раньше работали со скоростью 12 подносов в минуту, теперь работают со средней скоростью 30 подносов в минуту, а на обновленной конвейерной системе максимальная скорость достигает 40 подносов в минуту. Это означает, что производительность выросла в два-три раза.
Производительность труда также улучшилась. Раньше на каждой линии требовалось 8–10 работников, но роботы Chef сократили это число до 3–4 работников на линию, что привело к увеличению производительности труда на 60 %. Освободившиеся ресурсы помогли Cafe Spice перераспределить персонал в другие области, которые постоянно испытывали нехватку кадров из-за постоянного дефицита рабочей силы.
Аналогичным образом, качество и выход также значительно улучшились. До автоматизации количество отбракованных продуктов, в основном из-за избыточного порционирования во избежание отбраковки из-за недовеса, составляло 9,19%. Благодаря использованию роботами системы обнаружения YOLO для точного размещения ингредиентов, количество отходов сократилось до 3,05%, что на 67% меньше. Кроме того, улучшились и показатели приемлемости: 91% подносов, собранных роботами, соответствовали стандартам качества Cafe Spice, по сравнению с 75% подносов, собранных вручную.
По мере расширения Chef, компания сосредоточена на том, чтобы сделать свои системы на базе искусственного интеллекта еще более адаптируемыми к широкому спектру ингредиентов, лотков и производственных настроек, используемых в пищевой промышленности. Ключевым фактором, лежащим в основе этих усилий, является миссия Chef по созданию интеллектуальных машин, которые позволяют людям делать то, что они делают лучше всего. Благодаря усовершенствованию моделей восприятия, упрощению переналадки и повышению гибкости для производства с большим ассортиментом, Chef создает автоматизацию, которая работает не как жесткая машина, а скорее как коллега по команде.
Хотите узнать больше о Vision AI? Ознакомьтесь с нашими вариантами лицензирования, чтобы использовать компьютерное зрение в своих проектах. Посетите наш репозиторий GitHub и присоединяйтесь к нашему сообществу. Узнайте больше об искусственном интеллекте в здравоохранении и компьютерном зрении в розничной торговле на наших страницах с решениями.
Модели Ultralytics YOLO - это архитектуры компьютерного зрения, разработанные для анализа визуальных данных, полученных из изображений и видео. Эти модели можно обучать для решения таких задач, как обнаружение объектов, классификация, оценка позы, отслеживание и сегментация объектовUltralytics МоделиUltralytics YOLO включают:
Ultralytics YOLO11 - это последняя версия наших моделей компьютерного зрения. Как и предыдущие версии, она поддерживает все задачи компьютерного зрения, за которые сообщество Vision AI полюбило YOLOv8. Однако новая YOLO11 отличается большей производительностью и точностью, что делает ее мощным инструментом и идеальным союзником для решения реальных задач в промышленности.
Модель, которую вы решите использовать, зависит от конкретных требований вашего проекта. Важно учитывать такие факторы, как производительность, точность и потребности развертывания. Вот краткий обзор:
Репозитории Ultralytics YOLO , такие как YOLOv5 и YOLO11, по умолчанию распространяются по лицензии AGPL-3.0 . Эта лицензия, одобренная OSI, предназначена для студентов, исследователей и энтузиастов, поощряет открытое сотрудничество и требует, чтобы любое программное обеспечение, использующее компоненты AGPL-3.0 , также было открыто. Хотя она обеспечивает прозрачность и способствует инновациям, она может не соответствовать коммерческим сценариям использования.
Если ваш проект предполагает внедрение программного обеспечения Ultralytics и моделей искусственного интеллекта в коммерческие продукты или услуги, и вы хотите обойти требования AGPL-3.0 к открытому исходному коду, корпоративная лицензия - идеальный вариант.
Преимущества корпоративной лицензии:
Чтобы обеспечить беспрепятственную интеграцию и избежать ограничений AGPL-3.0 , запросите лицензию Ultralytics Enterprise License, используя приведенную форму. Наши сотрудники помогут вам подобрать лицензию в соответствии с вашими конкретными потребностями.
