Искусственный интеллект в пищевой промышленности.

Пищевая промышленность является одним из основных производственных секторов экономики. По большей части этот сектор представляет собой отрасль с очень большими объемами и относительно низкой маржинальностью.  Поиск новых способов получения даже незначительного повышения эффективности может иметь решающее значение для объекта пищевой промышленности. Поэтому крупнейшие компании пищевой промышленности обращаются к технологиям искусственного интеллекта, для максимизации прибыли.

Мы отмечаем пять основных направлений применения искусственного интеллекта в пищевой промышленности:

• улучшенная сортировка и калибровка продукции;
• соответствие требованиям безопасности пищевых продуктов;
• улучшенная очистка;
• создание новых продуктов;
• помощь в принятии решений.

Переработка пищевых продуктов часто включает сортировку большого количества сырья и тщательный осмотр конечного продукта. Часто требуется постоянное обслуживание оборудования, складских и рабочих помещений в очень специфических условиях.

Использование искусственного интеллекта в пищевой промышленности.

Данных обзор сфокусирован на приложениях искусственного интеллекта, которые относительно специфичны для переработки и производства пищевых продуктов. Но есть варианты общего применения ИИ, которые прямо или косвенно влияют на сопутствующие отрасли промышленности. Например, улучшенное ИИ прогнозирование погоды используется фермерами для повышения урожайности и сокращения транспортных расходов/отходов, которые влияют на затраты производителей продуктов питания. Аналогичным образом, достижения в области робототехники используются во всех отраслях производственного сектора, в том числе и в пищевой промышленности.

Сортировка и калибровка продукции.

Среди производителей продуктов питания есть проблема, связанная с особенностями заводов по переработке пищевых продуктов. Задача заключается в том, что сырье часто является неоднородным. Каждая единица картофеля, моркови, помидора, яблока и т.д. отличится друг от друга размером, формой и весом. Через сортировку проходят миллионы единиц конкретных овощей с разными характеристиками.
Согласно данным лидеров технологий сортировки пищевой продукции, еще с конца 20-го века 90 процентов всей сортировки продуктов питания выполнялась с помощью ручного труда. Теперь, значительная часть этой сортировки автоматизирована. Эта автоматизация привела к значительному сокращению трудозатрат, значительному увеличению скорости, и значительно повысила производительность.

Современные системы сортировки используют видео фиксацию, ближнюю инфракрасную спектроскопию, рентгеновские лучи и лазеры для измерения и быстрого анализа всех необходимых характеристик овоща по мере его движения по транспортеру. В то время, как старые автоматические сортировщики были просто ориентированы на сортировку плохого/хорошего качества. Машинное обучение создает возможность сортировки продуктов для их оптимального использования.

Например, картофель можно сортировать в зависимости от того, какие из них будут давать наименьшее количество отходов при нарезке на картофель фри, а какие лучше подойдут для картофельных чипсов. Данные решения для сортировки и чистки увеличивают эффективность переработки на 5-10 процентов, за счет уменьшения отходов производства.

Аналогичным образом используется машинное обучение для автоматического обнаружения аномалий в нарезанном кубиками картофеле. Картофель может быть использован в детском питании, следовательно, подлежит строгим стандартам безопасности. Тестирование технологии в реальных условиях показало, что система может работать с почти идеальной точностью. Ранее инспекция проводилась в ручную и была узким местом в производственном процессе.

Улучшенное соответствие требованиям безопасности.

KanKan, дочерняя компания Remark Holding, объявила о заключении семизначного контракта с одним из крупнейших государственных предприятий Китая, чтобы предоставить муниципальному агентству здравоохранения Шанхая возможность распознавания лиц и объектов. Их технология искусственного интеллекта в настоящее время используется в 200 ресторанах, но скоро будет расширена до 2000 объектов. Камеры на кухне или в заведении общественного питания следят за тем, чтобы люди надевали маски или средства защиты волос, когда этого требуют правила техники безопасности. Нарушения могут быть обнаружены и исправлены практически в реальном времени.

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

Улучшенная очистка оборудования.

Компании начинают использовать ИИ сенсорные системы для улучшения очистки оборудования для пищевой промышленности. Технология, теоретически, может сэкономить сотни миллионов долларов в отрасли. ИИ позволяет сократить время, необходимое для чистки оборудования, что значительно экономит деньги на воду, энергию и время простоя оборудования.
Обычно, на производство пищевых продуктов в структуре себестоимости приходится до 30% затрат на потребление энергии и воды. Технология ИИ позволяет сократить время мойки и чистки оборудования на 50%, что позволит сократить время простоя и повысить производительность.

С традиционным оборудованием без сенсоров это трудоемки процесс, при котором очищается каждая небольшая часть оборудования для обработки и производства напитков. Текущий метод очистки оборудования часто не имеет датчиков или способности видеть внутри оборудования. При традиционной методике мойки приходится очищать все оборудование, даже если чистка не требуется, что приводит к излишней трате воды и моющих средств.

В современном методе с применением ИИ используются технологии ультразвукового зондирования и оптической флуоресцентной визуализации для передачи информации в программу искусственного интеллекта для контроля количества пищи и скоплений микроорганизмов в оборудовании. ИИ будет автоматически оптимизировать процесс, чтобы система чистки работала столько времени, сколько реально требуется.

Создание новых продуктов.

Переработка пищевых продуктов является специфической отраслью, где компании могут предложить практически бесконечное разнообразие вариантов с учетом всех существующих ароматов, специй и ингредиентов. Рецепты могут меняться огромных количеством способов. Выявление реальных потребностей потребителей является огромной проблемой, и компании обращаются к ИИ, чтобы улучшить данный процесс.

Искусственный интеллект теперь может помочь продовольственным компаниям создавать новые продукты.

Например, в многочисленных ресторанах и других местах Coca-Cola установила автоматы с безалкогольными напитками самообслуживания, которые позволяют индивидуально настраивать свои напитки. Клиенты могут использовать эти машины самообслуживания для теоретического создания сотен различных напитков, добавляя различные вкусы к своим базовым напиткам. Эти тысячи автоматов, каждый из которых раздает сотни различных напитков в день, создали огромное количество данных о предпочтениях потребителей. Эти данные Coca-Cola использует для анализа ИИ. Первым продуктом на основе этих данных был Cherry Sprite. Их ИИ определил, что люди сами создали значительное количество спрайта со вкусом вишни и что он преуспел бы в качестве своего отдельного продукта.

В ближайшие пять лет крупные производители пищевых продуктов могут использовать механизмы рекомендаций для предложения клиентам новых продуктов и сочетаний вкусов.

Помощь потребителям в принятии решений.

ИИ используется не только для того, чтобы узнать, какие вкусовые сочетания люди создают самостоятельно, но и для того, чтобы помочь людям выбрать новые вкусовые сочетания. В прошлом году компания Kellogg запустила подобную систему. Это позволяет людям делать собственные блюда из более чем 50 ингредиентов.

ИИ не просто помогает людям делать индивидуальные небольшие партии еды. Общие данные от шеф-повара о комбинациях ароматов, информации о том, какие продукты на самом деле делают люди, и какие комбинации люди предпочитают, создают обратную связи, уточняющую, какие ароматы на самом деле нравятся людям. Этот источник данных, скорее всего, предоставит компании очень полезную информацию, когда речь заходит о принятии решения о том, какие новые продукты вводить в ассортимент.

Выводы.

Для производителей продуктов питания ИИ используется для улучшения как их производственного процесса, так и их продуктов. На самом деле в пищевой промышленности преобладают проблемы с большими данными. Для задач в желании удовлетворить потребителей, сортировке ингредиентов и разработке рецептов — ИИ может стать жизнеспособной альтернативой (или дополнением) человеческому опыту.

В течение долгого времени только люди были способны делать эти очень сложные оценки с разумной скоростью, но некоторые из них могут измениться. Автоматические системы теперь могут за считанные секунды собрать сотни фрагментов данных об одном фрукте и быстро оценить их. Система может собирать и обрабатывать все эти данные из сотен отдельных ингредиентов, когда они быстро перемещаются по конвейерной ленте. Эти системы могут значительно снизить трудозатраты и уменьшить количество отходов.

Следует ожидать, что ИИ очень быстро будет все больше использоваться предприятиями по переработке пищевых продуктов для улучшения сортировки сырья, повышения эффективности и повышения безопасности. Крупные компании используют ИИ на этих мощностях и планируют расширить использование ИИ на основе достигнутых результатов.