Chef Robotics, gıda üretim tesislerinde bulunan malzemelerin çeşitliliği ve karmaşık, genellikle algılanması zor ortamlar nedeniyle zorlu bir süreç olan yüksek çeşitlilikteki gıda montajını otomatikleştirmeyi amaçladı.
Ultralytics YOLO kullanarak Chef Robotics, üretim hatlarındaki tepsileri ve malzemeleri yaklaşık %99,5 doğrulukla yüksek hassasiyetle algılamaktadır.
Büyük ölçekli gıda montaj otomasyonu birçok hareketli parçayı içerir. Hat boyunca yüksek hacimde tepsiler hareket eder, malzemeler gün boyunca değişir ve hiçbir kepçe tam olarak aynı değildir. Bu faktörler tutarlılığı korumayı zorlaştırır ve manuel montaj süreçleri algılama, porsiyonlama ve yerleştirme konusunda zorluklar yaşayabilir.
Chef Robotics, yapay zeka ve robotlarla bu zorlukların üstesinden gelmeye yardımcı oluyor. Robotik ile bilgisayar görüşü gibi yapay zeka teknolojilerini birleştiren Chef, robotlarının çevrelerini görmelerini ve anlamalarını sağlıyor. Örneğin, Ultralytics YOLO tepsi ve malzeme algılama ve segmentasyon için kullanılıyor ve robotların, çok çeşitli ve hızlı üretim hatlarında nesneleri santimetrenin altında bir hassasiyetle alıp yerleştirmelerini sağlıyor.
San Francisco merkezli Chef Robotics, gıda endüstrisinin artan üretim taleplerine ayak uydurmasına yardımcı olmak için yapay zeka destekli robotik sistemler geliştiriyor. Şirket, özellikle gıda sektörüne odaklanıyor çünkü bu sektör, 1,1 milyondan fazla iş pozisyonunun doldurulamadığı ABD'deki en büyük işgücü eksikliğiyle karşı karşıya.
Bu eksiklik, üreticilerin üretim ve tutarlılığı sürdürmelerini zorlaştırmaktadır. Bu sorunları çözmek için Chef robotları, makine öğrenimi ve bilgisayar görüşünü kullanarak üretim ortamlarını yorumlar ve gerçek zamanlı kararlar alır. Basitçe söylemek gerekirse, farklı malzemeleri, tepsi türlerini ve yemek formatlarını doğru bir şekilde işleyebilirler.
Bugün Chef, sistemlerini Kuzey Amerika'daki bir düzineden fazla şehirde kullanıma sunarak, gıda üreticilerinin yüksek hacimleri yönetmelerine, manuel işgücüne olan bağımlılığı azaltmalarına ve hızlı tempolu üretim hatlarında tutarlı kaliteyi korumalarına yardımcı olmaktadır.
Büyük ölçekte yemek üretimi, doğruluk ve hız gerektirir, ancak gerçek üretim ortamları bunu zorlaştırır. Malzemeler gün boyunca farklı görünebilir, tepsiler parlak ışık altında şeffaf veya yansıtıcı olabilir ve konveyör hatları hızlı hareket eder.
Bu sürekli değişiklikler, çalışanların yerleştirmeyi doğru bir şekilde değerlendirmelerini zorlaştırır, özellikle de her vardiyada aynı hareketleri binlerce kez tekrarladıklarında. Sonuç olarak, manuel montaj genellikle tutarsız porsiyonlara, ara sıra dökülmelere ve tepsilerin hedef ağırlıkların dışına düşmesine neden olur.
Bu durum, gıda israfını artırır, ekstra temizlik gerektirir ve sunumda farklılıklar yaratır. Tariflerin sık sık değiştiği ve her ürünün kendine özgü kullanım gereksinimleri olduğu çok çeşitli ortamlarda bu zorluk daha da artar.
Geleneksel otomasyon sistemleri bu düzeyde değişkenlik için tasarlanmamıştır. Malzeme değişiklikleri, hızlı geçişler ve çok çeşitli SKU'lar (stok tutma birimleri) ile başa çıkmakta zorlanırlar. Personel eksikliği üretim hatlarının çalışmasını zorlaştırsa da, birçok üretici hala büyük ölçüde manuel işgücüne güvenmektedir.
Örneğin, New Windsor, NY merkezli bir Hint gıda markası ve ortak üretici olan Cafe Spice, her gün bu zorluklarla karşı karşıya kalıyordu. Ekibi, dakikada yaklaşık on iki tepsi yemekleri elle hazırlıyordu, bu da talep arttıkça üretimi sınırlıyordu.
Ayrıca, iki bölmeli tepsileri, körinin pirinç bölümüne dökülmesini önlemek için hassas bir şekilde yerleştirilmeleri gerekiyordu. Bu, manuel işlemler ve geleneksel ekipmanlarla tutarlı bir şekilde sağlamak için genellikle zorluk çekilen bir durumdu. Bu kısıtlamaların farkına varan Cafe Spice, daha esnek ve güvenilir bir yaklaşım için Chef'e başvurdu.
Cafe Spice'ın çok çeşitli yemek üretimini otomatikleştirmek için Chef, detect , malzemeleri tanımlayabilen ve iki bölmeli tepsiler için gereken hassasiyetle yiyecekleri yerleştirebilen bir robotik yapay zeka sistemi kurdu. Bu sistemin merkezinde, Ultralytics YOLO üzerine inşa edilmiş bir Vision AI boru hattı yer alıyor.
Ultralytics YOLO , nesne algılama, yönlendirilmiş sınırlayıcı kutu (OBB) algılama, örnek segmentasyonu ve görüntü sınıflandırma gibi önemli bilgisayar görme görevlerini destekler. Bu özellikler, Chef robotlarına üretim hattı hakkında gerçek zamanlı farkındalık sağlar.
Cafe Spice birçok farklı SKU ürettiği için, Ultralytics YOLO üretim ortamından doğrudan toplanan görüntülerle özel olarak eğitilmiştir. Bu, robotların gerçek fabrika koşullarında malzemeleri yorumlamasına yardımcı olur.
Özellikle YOLO , konveyör üzerinde hareket eden detect ve her bir malzeme için doğru bölmeyi belirlemek için YOLO . Nesne algılamayı bir adım daha ileri götüren OBB algılama, sistemin farklı açılarda görünen öğeleri, örneğin kaseler, şeffaf ekler ve yönü değişen tepsileri anlamasını sağlar.
Ultralytics YOLO , Chef'e hızlı hareket eden üretim hatlarında gerçek zamanlı gıda montajı için gereken hızı ve doğruluğu sağlar. Ultralytics YOLO üretimde yaklaşık %99,5 doğruluk sağladığını ve farklı tepsiler, kaseler ve malzeme türleri arasında santimetrenin altındaki robotik yerleştirme için gereken istikrarlı algılamayı sağladığını keşfettiler.
Ayrıca, Ultralytics Python bu modelleri eğitmek, ince ayar yapmak ve yönetmek için gerekli araçları sağlar, böylece mühendislik ekiplerinin hızlı bir şekilde yineleme yapmasını kolaylaştırır. Örneğin, Chef ekibinin robotik sistemlerinde modelleri sorunsuz bir şekilde dönüştürmesine ve dağıtmasına olanak tanıyan, platformlar arası dağıtım ONNX gibi dışa aktarım formatlarını destekler.
Ultralytics YOLO çalışan Chef'in yapay zeka destekli robotik sistemlerini entegre ettikten sonra, Cafe Spice üretim, iş gücü verimliliği ve ürün kalitesinde anında ve ölçülebilir iyileşmeler gördü. Daha önce dakikada 12 tepsi kapasiteyle çalışan üretim hatları, artık dakikada ortalama 30 tepsi kapasiteyle çalışıyor ve güncellenen konveyör sisteminde dakikada 40 tepsiye ulaşan en yüksek kapasiteye ulaşıyor. Bu, üretimde iki ila üç kat artış anlamına geliyor.
İşgücü verimliliği de arttı. Her hat için eskiden 8-10 işçi gerekiyordu, ancak Chef'in robotları bu sayıyı hat başına 3-4 işçiye düşürdü ve işgücü verimliliğinde %60 artış sağladı. Boşalan kapasite, Cafe Spice'ın sürekli işgücü sıkıntısı nedeniyle personel eksikliği çeken diğer alanlara personel kaydırmasına yardımcı oldu.
Benzer şekilde, kalite ve verimlilikte de önemli artışlar kaydedildi. Otomasyon öncesinde, ağırlık eksikliği nedeniyle reddedilmekten kaçınmak için porsiyonların fazla verilmesi nedeniyle gıda israfı %9,19 seviyesindeydi. Robotların YOLO algılama teknolojisini kullanarak malzemeleri doğru bir şekilde yerleştirmesi sayesinde, israf oranı %3,05'e düşerek %67 azaldı. Buna ek olarak, kabul oranları da iyileşti: Robotlarla hazırlanan tepsilerin %91'i Cafe Spice'ın kalite standartlarını karşılarken, manuel olarak hazırlanan tepsilerin sadece %75'i bu standartları karşıladı.
Chef büyümeye devam ederken, şirket, gıda endüstrisinde kullanılan çok çeşitli malzemeler, tepsiler ve üretim düzenlemelerine AI destekli sistemlerini daha da uyumlu hale getirmeye odaklanıyor. Bu çabaların arkasındaki temel itici güç, Chef'in insanların en iyi yaptıkları şeyi yapmalarını sağlayan akıllı makineler üretme misyonudur. Algılama modellerini geliştirerek, geçişleri basitleştirerek ve yüksek karışımlı üretim için esnekliği artırarak, Chef, katı bir makine gibi değil, daha çok işbirlikçi bir takım arkadaşı gibi çalışan bir otomasyon sistemi yaratıyor.
Vision AI'yı keşfetmek ister misiniz? Projelerinize bilgisayar görüşü özelliğini eklemek için lisans seçeneklerimizi keşfedin. GitHub deposunu ziyaret edin ve topluluğumuza katılın. Çözüm sayfalarımızda sağlık hizmetlerinde yapay zeka ve perakende sektöründe bilgisayar görüşü özelliklerini keşfedin.
Ultralytics YOLO modelleri, görüntülerden ve video girdilerinden gelen görsel verileri analiz etmek için geliştirilmiş bilgisayarla görme mimarileridir. Bu modeller Nesne algılama, sınıflandırma, poz tahmini, izleme ve örnek segmentasyonu gibi görevler için eğitilebilirUltralytics YOLO modelleri şunları içerir:
Ultralytics YOLO11 , Bilgisayarla Görme modellerimizin en son sürümüdür. Tıpkı önceki sürümleri gibi, Vision AI topluluğunun YOLOv8 hakkında sevdiği tüm bilgisayarla görme görevlerini destekler. Bununla birlikte, yeni YOLO11 daha yüksek performans ve doğrulukla birlikte gelir, bu da onu güçlü bir araç ve gerçek dünyadaki endüstri zorlukları için mükemmel bir müttefik haline getirir.
Kullanmayı seçtiğiniz model, projenizin özel gereksinimlerine bağlıdır. Performans, doğruluk ve dağıtım ihtiyaçları gibi faktörleri dikkate almak önemlidir. İşte hızlı bir genel bakış:
YOLOv5 ve YOLO11 gibi Ultralytics YOLO11 depoları, varsayılan olarak AGPL-3.0 Lisansı altında dağıtılır. OSI onaylı bu lisans öğrenciler, araştırmacılar ve meraklılar için tasarlanmıştır, açık işbirliğini teşvik eder ve AGPL-3.0 bileşenlerini kullanan herhangi bir yazılımın da açık kaynaklı olmasını gerektirir. Bu, şeffaflığı sağlar ve yeniliği teşvik ederken, ticari kullanım durumlarıyla uyumlu olmayabilir.
Projeniz Ultralytics yazılımını ve AI modellerini ticari ürünlere veya hizmetlere yerleştirmeyi içeriyorsa ve AGPL-3.0'ın açık kaynak gereksinimlerini atlamak istiyorsanız, bir Kurumsal Lisans idealdir.
Kurumsal Lisansın Faydaları şunlardır:
Sorunsuz entegrasyon sağlamak ve AGPL-3.0 kısıtlamalarından kaçınmak için, sağlanan formu kullanarak bir Ultralytics Kurumsal Lisansı talep edin. Ekibimiz, lisansı özel ihtiyaçlarınıza göre uyarlamanıza yardımcı olacaktır.
