24 просмотров

ИИ в пищевой промышленности — варианты использования и приложения, которые имеют значение

Джон Уокер освещает широкие тенденции на пересечении ИИ и промышленности для Emerj. Он делал репортажи о политике и политических вопросах для новостных организаций, включая National Memo, Massroots, NBC, и является опубликованным автором научной фантастики.

Поделиться с:

ИИ в пищевой промышленности — варианты использования и приложения, которые имеют значение

Пищевая промышленность является одним из основных производственных секторов в Соединенных Штатах. По данным Министерства сельского хозяйства США, 16 процентов стоимости поставок со всех заводов-производителей США приходится на предприятия пищевой промышленности. На этих заводах в стране занято около 1,5 миллиона рабочих.

По большей части этот сектор представляет собой отрасль с очень большими объемами и низкой маржой. Поиск новых способов добиться даже скромного повышения эффективности может иметь решающее значение, будет ли предприятие получать прибыль или убыток. Вот почему некоторые из крупнейших компаний пищевой промышленности обращаются к технологии искусственного интеллекта, пытаясь улучшить многие аспекты процесса.

В этой статье будут рассмотрены пять различных применений ИИ в пищевой промышленности, чтобы дать представление о том, сколько способов ИИ исследуется игроками отрасли в этом секторе (такими как Coca-Cola и Kellogg’s). Пять категорий приложений искусственного интеллекта, которые мы рассмотрим в этой статье, включают:

  1. Сортировка продуктов и пакетов
  2. Соблюдение безопасности пищевых продуктов
  3. Улучшенная чистота
  4. Разработка продукции
  5. Маркетинг

Пищевая промышленность часто включает в себя сортировку большого количества сырья и тщательную проверку конечного продукта. Часто требуется постоянное техническое обслуживание оборудования, складских помещений и рабочих мест в очень специфических условиях.

Статья в тему:  Как искусственный интеллект используется в бизнес-решениях

Использование ИИ в пищевой промышленности

В этой статье основное внимание будет уделено приложениям ИИ, которые относительно специфичны для обработки и приготовления пищи, но есть много более общих применений ИИ, которые прямо или косвенно влияют на отрасль. Например, улучшенное ИИ прогнозирование погоды используется фермерами и транспортными компаниями для повышения урожайности и сокращения транспортных расходов/отходов, что влияет на затраты производителей продуктов питания. Точно так же достижения в области робототехники используются во всех частях производственного сектора, включая пищевую промышленность.

Мы начнем с первого из наших пяти приложений ИИ ниже:

1 – Улучшенная сортировка

Среди производственных предприятий одна проблема, относительно уникальная для предприятий пищевой промышленности, заключается в том, что исходное сырье часто неоднородно. Каждый апельсин, морковь, помидор, картофель, яблоко и т. д. немного отличается. Заводу может потребоваться отсортировать миллионы определенных овощей по размеру, форме и/или цвету.

По данным TOMRA, лидера в области технологий сортировки пищевых продуктов, еще в конце 20-го века 90 процентов всей сортировки пищевых продуктов выполнялось с помощью ручного труда. Сейчас значительная часть этой сортировки автоматизирована. Эта автоматизация привела к значительному сокращению затрат на рабочую силу, значительному увеличению скорости и теперь повышает урожайность.

В их системах используются камеры, спектроскопия в ближнем инфракрасном диапазоне (NIR), рентгеновские лучи и лазеры для измерения и быстрого анализа каждого аспекта движения овощей. В то время как старые автоматические системы сортировки были просто сосредоточены на сортировке плохих продуктов от хороших, машинное обучение создает возможность сортировать продукты для их оптимального использования.

Статья в тему:  Почему программный искусственный интеллект

Например, картофель можно сортировать по тому, какой из них дает наименьшее количество отходов при нарезке для картофеля фри, а какой лучше всего подходит для картофельных чипсов. TOMRA утверждает, что их решения по сортировке и очистке восстанавливают 5-10 процентов продукции за счет улучшения использования, чтобы уменьшить количество каждой выбрасываемой картофелины.

Точно так же Kewpie Corporation (крупная японская пищевая компания) использует машинное обучение Google TensorFlow для автоматического обнаружения аномалий в нарезанном кубиками картофеле. Картофель будет использоваться в детском питании и поэтому подлежит строгим стандартам безопасности. Kewpie утверждает, что испытания на заводе в Тосу показали, что система работает с почти идеальной точностью. Раньше проверка производилась вручную и была основным узким местом в их производстве.

Kewpie Corporation утверждает, что после успешного теста с нарезанным кубиками картофелем они собираются расширить использование проверки ИИ на другие ингредиенты и другие объекты.

2 – Улучшенное соответствие требованиям безопасности пищевых продуктов

KanKan, дочерняя компания Remark Holding, в прошлом месяце объявила о семизначном контракте с одним из крупнейших государственных предприятий Китая на предоставление муниципальному агентству здравоохранения Шанхая системы распознавания лиц и объектов. Их технология искусственного интеллекта в настоящее время используется в 200 ресторанах, но вскоре она расширится до 2000 заведений.

Камеры на кухне или в пищевом производстве следят за тем, чтобы люди носили маски или защитные средства для волос, когда этого требуют правила техники безопасности. Нарушения могут быть обнаружены и исправлены практически в режиме реального времени.

Статья в тему:  Что такое общий обзор искусственного интеллекта

KanKan использует распознавание объектов ИИ для множества приложений, от борьбы с конфиденциальностью IP до автоматической проверки номерных знаков.

Соответствие требованиям безопасности пищевых продуктов с помощью машинного зрения

3 – Улучшенная очистка

Исследователи из Ноттингемского университета совместно с компанией Martec of Whitwell пытаются использовать искусственные интеллектуальные сенсорные системы для улучшения очистки оборудования для пищевой промышленности. Они утверждают, что их технология теоретически может сэкономить предприятиям пищевой промышленности в Соединенном Королевстве 100 миллионов фунтов стерлингов (133 миллиона долларов США) в год. Теоретически это сократит время, необходимое для очистки оборудования, что сэкономит деньги на воде, энергии и времени.

По данным университета, на очистку приходится 30 процентов потребления энергии и воды на предприятиях пищевой промышленности. Компания Martec of Whitwell считает, что это может сократить время уборки на 50 процентов, что позволит сократить время простоя и повысить производительность.

(Для читателей, более непосредственно интересующихся производственными приложениями, см. нашу полную статью о машинном обучении в производстве.)

При использовании традиционного оборудования без датчиков трудно или невозможно очистить каждую маленькую часть оборудования для обработки и хранения напитков. Текущий метод очистки оборудования часто не предусматривает датчиков или возможности заглянуть внутрь оборудования. В результате компании разработали процедуру очистки так, чтобы она выполнялась столько времени, сколько потребуется для решения этих наихудших возможных сценариев. Отсутствие возможности заглянуть внутрь оборудования — это единственный способ убедиться, что оно было полностью очищено. Это может потребовать много ненужной очистки, которая приводит к трате воды и чистящих химикатов.

Статья в тему:  Как ge использует искусственный интеллект

Компания тестирует свою самооптимизирующуюся систему очистки на месте.Он использует технологии ультразвукового зондирования и оптической флуоресцентной визуализации для передачи информации в программу искусственного интеллекта для контроля количества пищи и микробного мусора в оборудовании. ИИ самостоятельно оптимизирует процесс, чтобы система очистки работала только до тех пор, пока это необходимо.

Нам не удалось найти видео, демонстрирующее систему очистки Martec, но у компании есть следующий набор слайдов, в котором объясняются основы применения:

Технология в настоящее время находится в конце 12-месячного технико-экономического обоснования.

4 – Решить, какие новые продукты производить

Пищевая промышленность относительно уникальна тем, что является одним из секторов, в котором компании могут предложить фактически бесконечное разнообразие вариантов, учитывая все существующие вкусы, специи и ингредиенты. Рецепты можно изменять невообразимым количеством способов. Выяснить, чего именно хотят клиенты, — огромная проблема, и компании обращаются к ИИ, чтобы помочь в этом процессе. Это всего лишь один из способов использования ИИ в этом секторе.

Искусственный интеллект теперь информирует одну из крупнейших в мире пищевых компаний, какие новые продукты им следует создавать.

Во многих ресторанах и других местах Coca-Cola установила фонтанчики с безалкогольными напитками самообслуживания, которые позволяют людям настраивать свои собственные напитки. Клиенты могут использовать эти автоматы самообслуживания, чтобы теоретически приготовить сотни различных напитков, добавляя разные вкусы к своим базовым напиткам. На видео ниже показан один из них в действии.

Статья в тему:  Сколько стоил искусственный интеллект софии

Эти тысячи бесплатных фонтанчиков с напитками, каждый из которых выдает сотни разных напитков в день, создали огромное количество данных о предпочтениях потребителей, которые Coca-Cola использует для анализа с помощью ИИ. Первым продуктом, полученным на основе этих данных, был Cherry Sprite. Их ИИ определил, что люди самостоятельно создали значительное количество спрайтов со вкусом вишни и что они хорошо подойдут как самостоятельный продукт.

В ближайшие пять лет крупные производители продуктов питания, возможно, смогут использовать механизмы рекомендаций, чтобы предлагать клиентам новые продукты и сочетания вкусов. Легкими плодами для этих приложений, скорее всего, будут большие объемы и недорогие продукты (что делает газированные напитки логичным началом).

5. Помочь потребителям решить, чего они хотят

ИИ используется не только для того, чтобы выяснить, какие сочетания вкусов люди составляют самостоятельно, но и для того, чтобы помочь людям выбрать новые сочетания вкусов. В прошлом году компания Kellogg запустила Bear Naked Custom. Это позволяет людям делать свои собственные мюсли из более чем 50 ингредиентов.

Система управляется шеф-поваром IBM Уотсоном, который проанализировал тысячи возможных пар ингредиентов. ИИ подсказывает, какие ингредиенты добавить в мюсли, и сообщает, будут ли ваши ингредиенты хорошо сочетаться или нет. Видео объясняет, как работает IBM Chef Watson.

ИИ не просто помогает людям делать небольшие партии мюсли по индивидуальному заказу. Общие данные от шеф-повара Уотсона о сочетаниях вкусов, информация о том, какой выбор люди на самом деле делают, и какие комбинации люди повторно заказывают, создают цикл обратной связи, уточняющий, какие вкусы действительно нравятся людям. Этот источник данных, скорее всего, предоставит материнской компании очень полезную информацию, когда дело дойдет до принятия решения о том, какие новые продукты следует представить в своих гораздо более крупных брендах.

Статья в тему:  Чем опасен искусственный интеллект

Использование Chef Watson в разработке пищевых продуктов все еще находится в зачаточном состоянии. В настоящее время он используется в интерактивной рекламе Watson для таких компаний, как Campbell, чтобы помочь людям выбрать рецепты.

IBM Уотсон Кэмпбелл

Заключительные мысли

Для производителей продуктов питания ИИ используется для улучшения как их производственного процесса, так и их продуктов. Хотя на первый взгляд может показаться, что это не так, на самом деле в пищевой промышленности преобладают проблемы с большими данными. Для проблем с желанием потребителей, сортировкой ингредиентов и разработкой рецептов ИИ может стать жизнеспособной альтернативой (или дополнением) человеческому опыту.

С точки зрения производства, каждый ингредиент, входящий в состав пищевого продукта, будет уникальным и должен быть проверен. Чтобы узнать, пригодны ли, скажем, картошка или яблоко, необходимо оценить их размер, форму, цвет и метки (для фундаментального понимания того, как работает машинное зрение, послушайте наше интервью с экспертом по машинному зрению доктором Ирфаном Эссой). .

Долгое время только люди были способны делать эти очень сложные оценки с разумной скоростью, но кое-что может измениться. Автоматические системы теперь могут за секунды собрать сотни данных об одном фрукте и быстро оценить его. Система может собирать и обрабатывать все эти данные о сотнях отдельных ингредиентов, быстро перемещающихся по конвейерной ленте. Эти системы могут значительно снизить трудозатраты и сократить количество отходов.

Статья в тему:  Adaptive Insights что такое искусственный интеллект

Разумно ожидать, что ИИ очень скоро будет все больше и больше использоваться предприятиями пищевой промышленности для улучшения сортировки сырья, повышения эффективности и повышения безопасности. Крупные компании используют ИИ в этих целях и планируют расширять использование ИИ на основе полученных результатов.

Что касается разработки продукта, потенциальная комбинация ингредиентов и соотношение различных ингредиентов безграничны. ИИ позволяет компаниям анализировать выбор потребителей, чтобы выяснить, какие вкусы они хотят, и предсказывать, какие сочетания вкусов могут быть наиболее привлекательными.

Многие крупные игроки пищевой промышленности считают, что ИИ окажет реальное влияние на этот сектор в ближайшем будущем. Директор по информационным технологиям Kraft Heinz, одной из крупнейших компаний пищевой промышленности в мире, активно сосредотачивается на искусственном интеллекте и робототехнике, чтобы сократить расходы на всех этапах своей деятельности. Kraft Heinz действительно сосредоточена на этих двух инвестициях для улучшения операций, но планирует «идти очень глубоко».

На самом деле вопрос не в том, найдет ли ИИ более широкое применение в пищевой промышленности, а в том, насколько и как быстро.

Изображение заголовка предоставлено: Berner International.

голоса
Рейтинг статьи
Ссылка на основную публикацию
0
Оставьте комментарий! Напишите, что думаете по поводу статьи.x