AI在食品和饮料行业 - 3个当前用例

艾茵·德·耶稣
《阿凡达》

Ayn在Emerj担任人工智能分析师,涵盖人工智能在各个行业的应用案例和趋势。金博宝官网她此前曾在埃森哲担任多个职位。

金博宝官网食品和饮料行业的人工智能

虽然很明显,AI开发在行业中缓慢移动,但食品和饮料公司可能能够使用AI食品加工, 特别是:

  • 分拣及品质控制
  • 粮食生产

机器视觉似乎是食品和饮料行业中最常见的AI方法。食品加工设备供应商提供机器视觉软件与其设备的串联,声称它们可以从装配线和/或传送带中自动处理差的优质食品和非食品,食品提供机械系统。其他供应商提供用于优化成分混合物的软件,以防止浪费产品和低品质的食品和饮料批次。

我们将从食品和饮料行业的人工智能分析开始金博宝官网

分拣及品质控制

Tomra Systems Asa.

Tomra Systems Asa.优惠一行具有分析能力的食品分类机械它声称可以提供帮助食品制造企业进行自动化食品分析,如测量薯条的大小、形状和颜色,或分析肉类中的脂肪含量使用形状识别技术,机器视觉的一个子集

托管声称客户可以整合POM /直流发电机炸薯条长度分析仪他们自己现有的薯条生产机械。

我们可以推断出来该软件背后的机器学习模型是根据训练得出的不同大小和形状的薯条图片从各种角度和各种照明条件。这些图片会被贴上什么标签正确长度的薯条,例如在3到4英寸之间,以及太短或太长

这些标记为图片然后通过软件的机器学习算法运行。这将训练算法辨别1和0的序列和模式,在人眼看来,它们构成了图像A.法国煎炸的正确长度和太短或太长的人,或者是一种变色和可能污染的人,显示在一个图像上仪表板

然后,机器操作员可以通过POM / DYN相机运行实际的炸薯条,软件背后的算法就能辨别在3到4英寸之间的碎片,在机械的主流上被接受。不符合指定长度的碎片被重定向到另一个流。通过LDC显示,系统运行正常显示机器运营商通过形状、颜色和长度标准并与被拒绝的薯条样品进行比较的单一随机薯条样品。

下面是一篇短文2一分钟的视频演示如何Tomra分拣设备能够辨别法国油炸物的正确形状,长度和颜色,并分开不符合规格的薯条

托姆拉声称有帮助agristo.在葡萄牙在2014年更新其食品加工厂,消除由于机器过时而造成的瓶颈。然而,有限的空间和持续的能力意味着Agristo不需要也不能安装更大的机器。Agristo生产冷冻炸薯条和其他马铃薯产品,选择部署Tomra的光学分选机在比利时和荷兰的Agristo工厂。

该案例研究报告称,Tomra升级了一台现有的分拣机,该分拣机在冷冻薯条包装前对其进行检查,并补充说,Tomra更换了摄像机、电脑和软件,但保留了机架、皮带和分拣箱。

根据案例研究,每个设施的项目只花了4天时间,其中1天用于培训Agristo的人员。Agristo还报道称,机器投入生产后,工厂没有遇到任何问题,帮助公司维持了超过14万吨的产量。

2015年,Agristo还计划将另一个项目委托给TOMRA,为其荷兰计划提供分拣机

托姆拉还有名单Sun Valley Raisins,Tann Marchtrenk,Gerry的厨房,Hata Foods,Morada坚果,Salaisons Jouvin和Kadi作为一些他们过去的客户。

Volker Rehrmann.执行副总裁和首席技术官托姆拉持有博士学位计算机科学科布伦茨大学。在此之前,这个人的姓担任题目面向AI集中公司的马奎公司或领导的名称

关键技术

关键技术优惠一系列的分选机械,包括Manta数码相机/激光分拣机,它声称可以提供帮助蔬菜包装公司通过去除新鲜农产品中的外来物质,如绿叶蔬菜、玉米、青豆和豌豆,保持食品质量和安全使用形状识别技术

我们可以推断软件背后的机器学习模型受过培训数千种农产品和国外材料显示优质农产品和劣质农产品的区别,以及土块、昆虫、树枝、小岩石和子叶从各种角度和各种照明条件。这些图片会被贴上什么标签有好有坏

这些标记为图片然后通过软件的机器学习算法运行。这将训练算法辨别1和0的序列和模式,在人眼看来,它们构成了图像好的和坏的农产品。目前还不清楚系统是否有显示单个对象检查的仪表板

然后机器操作员就可以开始移动实际的农产品在传送带上,因为相机捕捉图像没有标签该软件软件背后的算法就能区分好产品的形状和颜色,不合格产品和外来材料

下面是一篇短文2一分钟的视频演示如何2000年外套从不合标准的碎片中对优质的玉米粒进行分类

关键技术声称有帮助纯太平洋有机物(PPO),一种有机鲜切种产品的处理器,如婴儿菠菜和弹簧混合物保持产品质量和安全。PPO部署关键技术该公司的Optyx配备荧光感应激光分拣机FluoRaptor根据案例研究,机械能够根据叶绿素水平以及颜色、大小和形状检测和清除有缺陷的外来植物物质和外来物质。

该机器具有48英寸(1220毫米)宽的扫描区域,每小时可对6500磅(3吨)的产品进行分类。机器也配备一台顶部安装的激光器,两台顶部安装的Vis/IR照相机,和两台底部安装的Vis/IR照相机从顶部和底部查看产品。

因此,该案例研究声称,PPO的产品效率接近100%,在保持生产目标的同时降低了劳动力成本。

关键技术还有名单Eisberg集团,The Clements & Son Ltd, Pizzoli,魁北克野生蓝莓,Emblème Canneberge, Antarctic Foods,和Nut公司作为一些他们过去的客户。该公司是收购Duravant2018年1月175万美元。

路易Vintro负责新产品和业务开发的高级副总裁关键技术持有博士学位物理斯坦福大学。此前,Vintro担任作为Emarket Solutions导演Vitria技术,KLA-Tencor技术项目高级总监

粮食生产

罗克韦尔自动化

罗克韦尔自动化优惠生产分析应用软件叫做FactoryTalk分析该公司称,这种做法会有所帮助各种行业,包括食物与饮料公司,利用数据来节省时间,防止错误,减少能源消耗,提高质量,提高效率,并为相关人员提供自助分析使用机器学习

罗克韦尔自动化声称食物饮料公司可以将该软件集成到生产和业务系统中。

该公司美国该软件背后的机器学习模型是根据训练得出的来自设备,传感器,标签和业务系统的结构化和非结构化数据,这些数据可能与生产过程,资产函数或管理流程有关。然后,这些数据将通过软件的机器学习算法运行。这将训练算法辨别哪些数据点与之相关生产和能力,衡量成分,能耗或机器条件

这样软件就能进行预测最佳的生产能力,正确的配料数量,最低的能源消耗,或优选的机器维护日期,等等。这可能要求也可能不要求用户上传关于他们的计划增加生产或新配方的食品配方等事先进入软件。

下面是一篇短文3.一分钟的视频演示如何FactoryTalk Analytics可以访问企业内部数据库中的任何类型的数据,并获取这些数据来创建预测

罗克韦尔自动化声称有帮助Miraka,乳制品加工公司一世分阶段实施Pavilion8解决方案,引入模型预测控制技术,满足监管要求、消费者需求、产品质量和不断上升的成本。为了提高绩效和盈利能力,Miraka投资了罗克韦尔公司来优化奶粉工艺。

在第一阶段部署蒸发工艺后,第二阶段实施喷雾干燥器模型预测控制,使公司通过闭环水分控制来提高生产,确定奶粉产品所需的最佳水量。容量也在安全限度内增加。

在项目的第三阶段,也就是最后阶段,实施了多变量模型预测控制来跟踪奶粉产品干燥过程中的液体成分并使过程标准化。结果表明,成品蛋白质和脂肪的含量具有较好的一致性,减少了标准化配料的使用。

罗克韦尔自动化还有名单杜邦,卡夫亨氏,Galbusera-Tre Marie, Caffè Borbone, AFA Systems, Hydro Tasmania, Arnott’s, Henshaw, Arkansas Steel, Vreugdenhil, Deyu, Tomatic和Lotte作为一些他们过去的客户。

Sujeet集高级副总裁兼首席技术官罗克韦尔自动化持有博士学位电气工程佛罗里达大学昌德在洛克威尔工作了17年

标题图像信用:维基百科

保持领先于AI曲线

发现在未来商业中区分赢家和输家的关键AI趋势和应用。

注册“AI Advantage”通讯:

" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Thanks - check your inbox for a confirmation email">
" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Error - There was some problem.">
订阅
subscribe-image
走在机器学习曲线的前面

加入超过20,000名专注于AI的商业领袖,每周接收我们最新的AI研究和趋势。

感谢您订阅Emerj的“人工智能优势”通讯,请查看您的电子邮件收件箱确认。