Aplicación de inteligencia artificial a la producción de bandejas para alimentos

El productor de alimentos, apetito, utiliza la tecnología de inteligencia artificial de Neurala para automatizar y optimizar la inspección visual de los componentes de sus bandejas para comida.

Desde 1958, apetito ha estado suministrando alimentos congelados y comidas listas para servir a escuelas, guarderías, empresas, hospitales y residencias de ancianos en toda Europa y Canadá. La producción de sus bandejas de comida implica la colocación de diferentes alimentos en bandejas para su envío y entrega. Las quejas de los clientes sobre la falta de alimentos en las bandejas llevaron a la empresa a buscar un enfoque automatizado para la inspección del producto final.

En su intento inicial de corregir este problema, apetito comenzó a pesar cada bandeja a medida que salía de la línea de producción. Sin embargo, esto no solucionó adecuadamente el problema porque si un alimento en la bandeja era un poco más pesado de lo normal, podría explicar falsamente lo que faltaba. Además, apetito quería abordar otras eficiencias de ensamblaje, como garantizar que cada tapa de sus recipientes para postres estuviera correctamente ajustada y asegurada.

Comenzando con Raspberry Pi

Uno de los primeros pasos que tomó Apetito para automatizar las inspecciones visuales fue aplicar un sistema basado en Raspberry Pi para monitorear un carril de producción. Fotos de productos buenos e inaceptables informaron modelos conectados a una señal de salida en el sistema de control que empujaría los rechazos fuera de la línea. Sin necesidad de un ser humano para hacer este trabajo, la empresa ahorró más de £ 15,000 en costos de mano de obra por año.


   Lea este artículo acerca de cómo la inteligencia artificial está impactando la fabricación de alimentos



El problema con el sistema Raspberry Pi es que requería cientos de imágenes de sus productos que debían cargarse en una unidad USB y luego transferirse a una computadora para entrenar el sistema en el transcurso de tres a cuatro horas. El conocimiento resultante luego tuvo que ser transferido de nuevo a la línea.

Cada vez que apetito realizaba cambios en sus operaciones de producción de comidas para mantener los niveles de existencias adecuados, se requerían nuevos procesos de capacitación para el sistema Raspberry Pi.

Aunque el sistema Rasperry Pi no era lo suficientemente escalable o flexible para las necesidades de apetito, ayudó a la empresa a darse cuenta de cómo la IA podía ayudar a apetito a ahorrar costos y detectar problemas de producción de manera más adecuada.El software Vision Inspection Automation (VIA) de Neurala ayudó a apetito a construir cerebros que detectan anomalías en tan solo 10 minutos. Como resultado, apetito puede descubrir lo que falta en las bandejas de comida únicas e identificar tendencias en los componentes que faltan.El software Vision Inspection Automation (VIA) de Neurala ayudó a apetito a construir cerebros que detectan anomalías en tan solo 10 minutos. Como resultado, apetito puede descubrir lo que falta en las bandejas de comida únicas e identificar tendencias en los componentes que faltan.Foto cortesía Neurala

Inspección basada en IA

Neurala, un proveedor de tecnología de inspección visual basada en IA (inteligencia artificial), comenzó a trabajar con apetito para detectar casos de los cinco componentes faltantes más informados de las bandejas de comida utilizando el software Vision Inspection Automation (VIA) de Neurala. VIA consta de dos programas de software, Inspector y Brain Builder. Con estos programas, apetito pudo construir sistemas de detección de anomalías en 10 a 20 minutos e inmediatamente comenzar las pruebas.

Con el anterior sistema de inspección basado en el peso de apetito, la empresa solo podía marcar una bandeja incompleta, sin comprender lo que faltaba. Con la capacidad de VIA para inspeccionar múltiples regiones de interés en las bandejas, apetito ahora puede ver específicamente qué componentes faltan e identificar tendencias en componentes faltantes para evitar que ocurran en el futuro.

Según los datos, Neurala y apetito han construido 30 "cerebros" de IA en la planta de apetito para detectar varios componentes de alimentos utilizados en varias bandejas de alimentos. Por ejemplo, un "cerebro" desarrollado para identificar los componentes faltantes del pudín de Yorkshire logró una precisión de 100 % al final de la prueba, lo que garantiza que apetito pueda detectar su componente faltante más frecuente sin fallas.

Kevin McDonagh, gerente de operaciones de apetito dijo: “A lo largo de este viaje de creación de IA, hemos hablado con otras empresas en situaciones similares y aún no hemos encontrado a nadie en la industria alimentaria que esté aprovechando la IA como lo estamos haciendo con Neurala. Estamos abriendo nuevos caminos juntos”.

Compañías en este artículo
Más en Inteligencia artificial