Bằng cách sử dụng các model Ultralytics YOLO, Chef Robotics phát hiện khay và nguyên liệu trên dây chuyền sản xuất với độ chính xác cao, đạt khoảng 99,5%.
Tự động hóa việc lắp ráp thực phẩm quy mô lớn bao gồm nhiều yếu tố chuyển động. Rất nhiều khay di chuyển dọc theo dây chuyền, nguyên liệu thay đổi trong ngày và không có hai muỗng nguyên liệu nào hoàn toàn giống nhau. Những yếu tố này khiến việc duy trì tính nhất quán trở nên khó khăn; quy trình lắp ráp thủ công có thể gặp trở ngại trong khâu phát hiện, chia khẩu phần và đặt nguyên liệu.
Chef Robotics giúp giải quyết những thách thức này bằng AI và robot. Bằng cách kết hợp robot với các công nghệ AI như thị giác máy tính, Chef giúp robot có khả năng quan sát và hiểu môi trường xung quanh. Ví dụ, các model Ultralytics YOLO được dùng để phát hiện và phân đoạn khay cùng nguyên liệu, cho phép robot gắp và đặt vật phẩm với độ chính xác dưới một centimet trên các dây chuyền sản xuất có nhiều loại sản phẩm và nhịp độ nhanh.
Mở rộng sản xuất thực phẩm bằng robot và AI#
Có trụ sở tại San Francisco, Chef Robotics xây dựng các hệ thống robot tích hợp AI nhằm giúp ngành thực phẩm đáp ứng nhu cầu sản xuất ngày càng tăng. Công ty tập trung vào lĩnh vực thực phẩm vì đây là ngành đối mặt với tình trạng thiếu lao động nghiêm trọng nhất tại Hoa Kỳ, với hơn 1,1 triệu vị trí chưa được tuyển dụng.
Tình trạng thiếu hụt này khiến các nhà sản xuất khó duy trì sản lượng và tính nhất quán. Để giải quyết những vấn đề đó, robot của Chef sử dụng machine learning và thị giác máy tính để diễn giải môi trường sản xuất và đưa ra quyết định theo thời gian thực. Nói đơn giản, robot có thể xử lý chính xác nhiều loại nguyên liệu, khay và dạng bữa ăn khác nhau.
Hiện nay, Chef đã triển khai hệ thống tại hơn một chục thành phố ở Bắc Mỹ, giúp các nhà sản xuất thực phẩm xử lý sản lượng lớn, giảm phụ thuộc vào lao động thủ công và duy trì chất lượng ổn định trên các dây chuyền có nhịp độ nhanh.
Khoảng cách về độ chính xác trong lắp ráp thực phẩm quy mô lớn#
Sản xuất bữa ăn ở quy mô lớn đòi hỏi độ chính xác và tốc độ, nhưng môi trường sản xuất thực tế khiến điều đó trở nên khó khăn. Hình dạng nguyên liệu có thể thay đổi trong ngày, khay có thể trong suốt hoặc phản chiếu ánh sáng dưới đèn sáng, còn dây chuyền băng tải thì di chuyển nhanh.
Những thay đổi liên tục này khiến công nhân khó đánh giá chính xác vị trí đặt, đặc biệt khi họ lặp lại cùng một động tác hàng nghìn lần trong mỗi ca. Do đó, lắp ráp thủ công thường dẫn đến khẩu phần không đồng đều, đôi khi nguyên liệu bị tràn và khay có trọng lượng nằm ngoài mức mục tiêu.
Điều này làm tăng lượng thực phẩm cho dư, đòi hỏi thêm công đoạn vệ sinh và khiến cách trình bày sản phẩm thiếu nhất quán. Thách thức càng lớn trong môi trường có nhiều loại sản phẩm, nơi công thức thường xuyên thay đổi và mỗi sản phẩm có yêu cầu xử lý riêng.
Hình 1. Cái nhìn tổng quan về các dây chuyền lắp ráp thực phẩm thủ công.
Các hệ thống tự động hóa truyền thống không được thiết kế cho mức độ biến thiên này. Chúng gặp khó khăn khi nguyên liệu thay đổi, khi cần chuyển đổi nhanh và khi phải xử lý nhiều SKU (đơn vị lưu kho) khác nhau. Nhiều nhà sản xuất vẫn phụ thuộc nhiều vào lao động thủ công, trong khi tình trạng thiếu nhân sự khiến việc duy trì hoạt động của dây chuyền ngày càng khó khăn.
Ví dụ, Cafe Spice, thương hiệu thực phẩm Ấn Độ kiêm nhà sản xuất theo hợp đồng có trụ sở tại New Windsor, New York, phải đối mặt với những thách thức này hằng ngày. Đội ngũ của họ lắp ráp bữa ăn thủ công với tốc độ khoảng 12 khay mỗi phút, khiến sản lượng bị hạn chế khi nhu cầu tăng.
Ngoài ra, những chiếc khay hai ngăn của họ đòi hỏi nguyên liệu phải được đặt chính xác để cà ri không tràn sang phần cơm—điều mà quy trình thủ công và thiết bị thông thường thường khó duy trì ổn định. Nhận thấy những hạn chế này, Cafe Spice tìm đến Chef để có một phương pháp linh hoạt và đáng tin cậy hơn.
Sử dụng các model Ultralytics YOLO để phân tích dây chuyền lắp ráp thực phẩm#
Để tự động hóa hoạt động sản xuất bữa ăn đa dạng của Cafe Spice, Chef triển khai hệ thống robot AI có thể phát hiện khay, nhận diện nguyên liệu và đặt thực phẩm với độ chính xác cần thiết cho các khay hai ngăn. Trung tâm của hệ thống là pipeline Vision AI được xây dựng trên các model Ultralytics YOLO.
Các model Ultralytics YOLO hỗ trợ những tác vụ thị giác máy tính quan trọng như phát hiện đối tượng, phát hiện hộp giới hạn có định hướng (OBB), phân đoạn instance và phân loại ảnh. Những khả năng này giúp robot của Chef nắm bắt tình hình dây chuyền sản xuất theo thời gian thực.
Vì Cafe Spice sản xuất nhiều SKU khác nhau, các model Ultralytics YOLO được huấn luyện tùy chỉnh trên hình ảnh thu thập trực tiếp từ môi trường sản xuất của công ty. Điều này giúp robot diễn giải nguyên liệu trong điều kiện nhà máy thực tế.
Hình 2. Cách robot Chef nhìn và phát hiện khay (Nguồn)
Cụ thể, YOLO được dùng để phát hiện khay khi chúng di chuyển trên băng tải và xác định ngăn phù hợp cho từng nguyên liệu. Mở rộng khả năng phát hiện đối tượng, tính năng phát hiện OBB giúp hệ thống hiểu được các vật phẩm xuất hiện ở nhiều góc độ khác nhau, bao gồm bát, khay lót trong suốt và khay có hướng thay đổi.
Vì sao chọn các model Ultralytics YOLO?#
Các model Ultralytics YOLO mang lại tốc độ và độ chính xác cần thiết để lắp ráp thực phẩm theo thời gian thực trên những dây chuyền sản xuất di chuyển nhanh. Chef nhận thấy các model Ultralytics YOLO đạt độ chính xác khoảng 99,5% trong sản xuất, cung cấp khả năng phát hiện ổn định cần thiết để robot đặt nguyên liệu với độ chính xác dưới một centimet trên nhiều loại khay, bát và nguyên liệu khác nhau.
Ngoài ra, gói Python Ultralytics cung cấp các công cụ để huấn luyện, tinh chỉnh và quản lý những model này, giúp đội ngũ kỹ thuật dễ dàng lặp lại quá trình phát triển nhanh chóng. Ví dụ, gói hỗ trợ các định dạng export như ONNX để triển khai đa nền tảng, cho phép đội ngũ Chef chuyển đổi và triển khai model liền mạch trên các hệ thống robot của mình.
Chef Robotics và Ultralytics YOLO giúp Cafe Spice tăng gấp đôi sản lượng#
Sau khi tích hợp các hệ thống robot hỗ trợ AI của Chef sử dụng model Ultralytics YOLO, Cafe Spice ghi nhận những cải thiện tức thì và có thể đo lường về sản lượng, hiệu quả lao động và chất lượng sản phẩm. Các dây chuyền sản xuất trước đây vận hành ở mức 12 khay mỗi phút hiện đạt trung bình 30 khay mỗi phút, với tốc độ cao nhất là 40 khay mỗi phút trên hệ thống băng tải được nâng cấp. Sản lượng tăng gấp hai đến ba lần.
Hình 3. Dây chuyền sản xuất bữa ăn của Cafe Spice, vận hành bằng Chef Robotics và Ultralytics YOLO.
Năng suất lao động cũng được cải thiện. Trước đây, mỗi dây chuyền cần 8–10 công nhân, nhưng robot của Chef đã giảm con số này xuống còn 3–4 công nhân mỗi dây chuyền, giúp năng suất lao động tăng 60%. Năng lực nhân sự được giải phóng giúp Cafe Spice điều chuyển nhân viên sang các khu vực khác vốn thường xuyên thiếu người do tình trạng thiếu lao động kéo dài.
Chất lượng và hiệu suất thu hồi sản phẩm cũng tăng đáng kể. Trước khi tự động hóa, lượng thực phẩm cho dư—phần lớn do chia khẩu phần quá tay để tránh sản phẩm bị loại vì thiếu trọng lượng—chiếm 9,19%. Nhờ robot sử dụng tính năng phát hiện dựa trên YOLO để đặt nguyên liệu chính xác, tỷ lệ này giảm xuống còn 3,05%, tương đương giảm 67%. Tỷ lệ đạt yêu cầu cũng được cải thiện: 91% khay do robot lắp ráp đáp ứng tiêu chuẩn chất lượng của Cafe Spice, so với 75% khay được lắp ráp thủ công.
Nâng cao độ thông minh và chính xác cho sản xuất bữa ăn quy mô lớn#
Khi Chef tiếp tục mở rộng, công ty tập trung giúp các hệ thống tích hợp AI thích ứng tốt hơn với nhiều loại nguyên liệu, khay và thiết lập sản xuất được sử dụng trong ngành thực phẩm. Động lực then chốt cho những nỗ lực này là sứ mệnh của Chef: xây dựng máy móc thông minh giúp con người phát huy tốt nhất thế mạnh của mình. Bằng cách cải tiến model nhận thức, đơn giản hóa quy trình chuyển đổi và tăng tính linh hoạt cho hoạt động sản xuất đa dạng, Chef đang tạo ra hệ thống tự động hóa hoạt động ít cứng nhắc như máy móc hơn và giống một cộng sự hơn.
Bạn muốn khám phá Vision AI? Tìm hiểu các tùy chọn cấp phép của chúng tôi để ứng dụng thị giác máy tính vào dự án. Truy cập repository GitHub và tham gia cộng đồng của chúng tôi. Khám phá AI trong chăm sóc sức khỏe và thị giác máy tính trong bán lẻ trên các trang giải pháp của chúng tôi.
