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 rất cao, đạt khoảng 99,5%.
Tự động hóa lắp ráp thực phẩm quy mô lớn bao gồm nhiều yếu tố chuyển động. Một lượng lớn khay di chuyển dọc theo dây chuyền, nguyên liệu thay đổi trong ngày và không có hai lần múc nào hoàn toàn giống nhau. Những yếu tố này khiến việc duy trì tính nhất quán trở nên khó khăn, trong khi quy trình lắp ráp thủ công có thể gặp khó khăn 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 robotics với các công nghệ AI như computer vision, Chef giúp robot quan sát và hiểu môi trường xung quanh. Chẳng hạn, các model Ultralytics YOLO được sử dụng để phát hiện và phân đoạn khay, nguyên liệu, cho phép robot gắp và đặt các thành phần với độ chính xác dưới một centimet trên các dây chuyền sản xuất đa dạng, tốc độ cao.
Mở rộng sản xuất thực phẩm bằng robotics và AI#
Chef Robotics, có trụ sở tại San Francisco, xây dựng các hệ thống robot được hỗ trợ bởi AI nhằm giúp ngành thực phẩm đáp ứng nhu cầu sản xuất ngày càng tăng. Công ty tập trung đặc biệt vào lĩnh vực thực phẩm vì đây là ngành đối mặt với tình trạng thiếu hụt 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 này, robot Chef sử dụng machine learning và computer vision 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, loại khay và định dạng suất ăn khác nhau.
Hiện nay, Chef đã triển khai các hệ thống của mình 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 nhất quán trên các dây chuyền tốc độ cao.
Khoảng cách về độ chính xác trong lắp ráp thực phẩm quy mô lớn#
Sản xuất suất ăn ở quy mô lớn đòi hỏi độ chính xác và tốc độ, nhưng môi trường sản xuất thực tế khiến điều này trở nên khó khăn. Nguyên liệu có thể trông khác nhau trong ngày, khay có thể trong suốt hoặc phản chiếu dưới ánh sáng mạnh, và dây chuyền băng tải di chuyển nhanh.
Những thay đổi liên tục này khiến công nhân khó phán đoán chính xác vị trí đặt, đặc biệt khi phải 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 bị tràn và khay có trọng lượng nằm ngoài mức mục tiêu.
Điều này làm tăng lượng thực phẩm dư thừa, đòi hỏi phải vệ sinh thêm và tạo ra sự biến động trong cách trình bày sản phẩm. Thách thức còn lớn hơn trong môi trường đa dạng sản phẩm, nơi công thức thay đổi thường xuyên và mỗi sản phẩm có yêu cầu xử lý riêng.
Hình 1. 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 động này. Chúng gặp khó khăn khi nguyên liệu thay đổi, chuyển đổi nhanh và phải xử lý nhiều SKU (đơn vị lưu kho). Nhiều nhà sản xuất vẫn phụ thuộc nhiều vào lao động thủ công, ngay cả khi tình trạng thiếu nhân sự khiến việc duy trì hoạt động của dây chuyền trở nên khó khăn hơn.
Ví dụ, Cafe Spice, một thương hiệu thực phẩm Ấn Độ và nhà đồng sản xuất có trụ sở tại New Windsor, NY, phải đối mặt với những thách thức này mỗi ngày. Đội ngũ của họ lắp ráp suất ăn thủ công với tốc độ khoảng 12 khay mỗi phút, khiến sản lượng bị giới hạn khi nhu cầu tăng.
Ngoài ra, các khay hai ngăn của họ đòi hỏi việc đặt nguyên liệu chính xác để ngăn cà ri tràn sang ngăn cơm — điều mà quy trình thủ công và thiết bị thông thường thường khó duy trì một cách nhất quán. 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 suất ăn đa dạng của Cafe Spice, Chef đã triển khai một 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 này là một pipeline Vision AI được xây dựng trên các model Ultralytics YOLO.
Các model Ultralytics YOLO hỗ trợ những tác vụ computer vision quan trọng như phát hiện đối tượng, phát hiện hộp giới hạn định hướng (OBB), phân đoạn instance và phân loại hình ảnh. Những khả năng này giúp robot Chef nhận biết dây chuyền sản xuất theo thời gian thực.
Vì Cafe Spice sản xuất nhiều SKU khác nhau, các model Ultralytics YOLO được custom train trên những hình ảnh thu thập trực tiếp từ môi trường sản xuất của họ. Điều này giúp robot diễn giải nguyên liệu trong điều kiện thực tế của nhà máy.
Hình 2. Cách robot Chef quan sát và phát hiện khay (Nguồn)
Cụ thể, YOLO được sử dụng để phát hiện khay khi chúng di chuyển trên băng tải và xác định đúng ngăn cho từng nguyên liệu. Mở rộng khả năng của việc phát hiện đối tượng, OBB detection cho phép hệ thống hiểu các vật thể xuất hiện ở nhiều góc khác nhau, bao gồm bát, khay lót trong suốt và các khay có hướng thay đổi.
Tại sao chọn các model Ultralytics YOLO?#
Các model Ultralytics YOLO mang lại cho Chef tốc độ và độ chính xác cần thiết để lắp ráp thực phẩm theo thời gian thực trên các dây chuyền sản xuất chuyển động nhanh. Họ 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 train, fine-tune và quản lý những model này, giúp các team engineering nhanh chóng thử nghiệm và lặp lại. Chẳng hạn, gói hỗ trợ các định dạng export như ONNX để triển khai đa nền tảng, cho phép team của Chef chuyển đổi và triển khai model liền mạch trên các hệ thống robot của mình.
Chef Robotics và Ultralytics YOLO tăng gấp đôi sản lượng của Cafe Spice#
Sau khi tích hợp các hệ thống robotics hỗ trợ AI của Chef, vận hành bằng các model Ultralytics YOLO, Cafe Spice ghi nhận những cải thiện tức thì và rõ rệt về sản lượng, hiệu quả lao động và chất lượng sản phẩm. Các dây chuyền sản xuất trước đây hoạt động ở mức 12 khay mỗi phút hiện đạt trung bình 30 khay mỗi phút, với tốc độ cao nhất đạt 40 khay mỗi phút trên hệ thống băng tải được nâng cấp. Điều này tương đương mức tăng sản lượng từ hai đến ba lần.
Hình 3. Dây chuyền sản xuất suất 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%. Nhân lực được giải phóng đã giúp Cafe Spice điều chuyển nhân viên sang các khu vực khác vốn thường xuyên thiếu người do tình trạng thiếu hụt lao động kéo dài.
Chất lượng và hiệu suất thu hồi cũng tăng đáng kể. Trước khi tự động hóa, lượng thực phẩm dư thừa, phần lớn do chia quá khẩu phần để tránh sản phẩm bị loại vì thiếu trọng lượng, ở mức 9,19%. Với robot sử dụng khả năng phát hiện dựa trên YOLO để đặt nguyên liệu chính xác, lượng dư thừa giảm xuống còn 3,05%, tương đương mức giảm 67%. Ngoài ra, tỷ lệ chấp nhận cũng được cải thiện: 91% khay được robot lắp ráp đáp ứng tiêu chuẩn chất lượng của Cafe Spice, so với 75% đối với khay lắp ráp thủ công.
Giúp sản xuất suất ăn quy mô lớn thông minh và chính xác hơn#
Khi Chef tiếp tục mở rộng, công ty tập trung làm cho các hệ thống hỗ trợ AI của mình thích ứng tốt hơn với sự đa dạng về nguyên liệu, khay và thiết lập sản xuất được sử dụng trong toàn ngành thực phẩm. Động lực quan trọng đằng sau những nỗ lực này là sứ mệnh của Chef: xây dựng các máy móc thông minh giúp con người phát huy những thế mạnh vốn có. Bằng cách cải tiến các perception model, đơn giản hóa quá trình chuyển đổi và tăng cường tính linh hoạt cho hoạt động sản xuất đa dạng, Chef đang tạo ra hệ thống tự động hóa hoạt động ít giống một cỗ máy cứng nhắc hơn và giống một đồng đội cộng tác hơn.
Bạn quan tâm đến Vision AI? Khám phá các tùy chọn cấp phép của chúng tôi để đưa computer vision vào các dự án của bạn. Truy cập repository GitHub và tham gia cộng đồng của chúng tôi. Khám phá AI trong lĩnh vực chăm sóc sức khỏe và computer vision trong ngành bán lẻ trên các trang giải pháp của chúng tôi.
