自1958年以来,apetito一直在向欧洲和加拿大的学校、托儿所、企业、医院和养老院供应冷冻食品和即食食品。其餐盘的生产包括放置不同的食品到托盘运输和交付。客户抱怨托盘上的食品不见了，导致该公司寻求一种自动化的最终产品检验方法。
为了纠正这个问题，apetito开始称量每一个托盘，因为它离开了生产线。然而，这并没有充分解决这个问题，因为如果托盘上的一件食物比通常的要重一些，它可能会错误地解释缺少的东西。此外，apetito还希望提高其他组装效率，比如确保沙漠容器的每个盖子都有适当的卷曲和安全。
从树莓派开始
apetito采取的自动化视觉检查的第一步是应用一个基于Raspberry pi的系统来监控一个生产通道。良好和不合格产品的照片通知模型连接到控制系统的输出信号，将排斥出生产线。这项工作不需要人力，公司每年节省了超过1.5万英镑的劳动力成本。
树莓派系统的问题在于，它需要数百张产品的照片，这些照片必须上传到USB，然后再转移到电脑上，才能在三到四个小时内对系统进行训练。由此产生的知识必须传回线路。
每当apetito改变其餐生产操作，以保持适当的库存水平，新的培训过程需要树莓派系统。
虽然Rasperry Pi系统的可扩展性和灵活性不足以满足apetito的需求，但它帮助公司认识到人工智能可以帮助apetito节省成本，并更充分地发现生产问题。
基于ai检验
Neurala这家基于人工智能(AI)视觉检测技术的供应商，开始与apetito合作，使用Neurala的视觉检测自动化(VIA)软件，检测餐盘上报告丢失最多的5个部件的案例。VIA由两个软件程序组成，Inspector和Brain Builder。使用这些程序，apetito能够在10-20分钟内构建异常检测系统，并立即开始测试。
Neurala的视觉检测自动化(VIA)软件帮助apetito在短短10分钟内构建出能够检测异常的大脑。因此，开胃菜可以发现独特的餐盘缺少什么，并确定缺少的成分的趋势。来源:Neurala。在peetito早期基于重量的检测系统中，公司只能标记一个不完整的托盘，而不知道缺少了什么。通过VIA检查托盘上多个感兴趣的区域的能力，apetito现在可以明确地看到哪些组件丢失了，并确定丢失组件的趋势，以避免它们在未来出现。
根据数据，Neurala和apetito在apetito的植物上建立了30个人工智能“大脑”，以检测不同食物托盘中使用的不同食物成分。例如，一个用来识别约克郡布丁缺失成分的“大脑”在测试结束时达到了100%的准确率，确保开胃菜能够准确地检测出最常见的缺失成分。
apetito的运营经理Kevin McDonagh表示:“在整个人工智能建设过程中，我们与其他有类似情况的公司进行了交谈，但尚未发现食品行业中有人像我们在Neurala那样利用人工智能。我们正在共同开拓新的领域。”
 |
阅读更多关于如何利用人工智能来提高质量控制． |
