JaponAlimentation et restauration2017 – en coursKewpie
Inspection par IA de pommes de terre en dés pour des aliments pour bébés
Kewpie a entraîné un détecteur d’anomalies sur des photos de bonnes pommes de terre pour trier en amont les ingrédients, le personnel contrôlant toujours chaque lot
Problématique
Kewpie, fabricant alimentaire japonais, inspectait à la main tous ses ingrédients bruts, soit environ 4 à 5 tonnes par jour, ce qui était lent, exigeait un personnel qualifié et retardait la production. La vision industrielle classique nécessitait des règles distinctes pour chaque ingrédient, et un seul site en traitait plus de 400 sortes.
Approche
Avec la société d’analyse de données BrainPad, Kewpie a construit un modèle TensorFlow entraîné sur plus de 18 000 photos de pommes de terre en dés prises sur la ligne. L’équipe ne l’a entraîné que sur de bonnes pommes de terre, afin qu’il signale tout ce qui sort de l’ordinaire. Un prototype fonctionnait à l’usine de Tosu en avril 2017 au plus tard ; il effectuait un premier tri pour écarter les morceaux défectueux, puis le personnel formé inspectait le résultat.
Chiffres clés
Enseignement
La détection d’anomalies a permis à Kewpie d’éviter de collecter un grand nombre d’échantillons défectueux, difficiles à trouver. Le personnel inspectait encore chaque lot après le contrôle par l’IA.
Catégories
- Taille
- Grande entreprise
- Secteur
- Alimentation et restauration
- Fonction de l’entreprise
- Production et qualité
- Type d’innovation
- Innovation de procédé
- Technologie d’IA
- Vision par ordinateur
- Mode d’adoption
- Codéveloppement avec un partenaire
- Type de preuve
- Déclaration de l’entreprise
Sources
Résumés des sources
Un responsable de production de Kewpie a déclaré que le personnel inspectait à la main 4 à 5 tonnes d’ingrédients par jour et traitait plus de 400 types d’ingrédients sur un site. Kewpie et BrainPad ont construit un détecteur d’anomalies TensorFlow entraîné sur plus de 18 000 photos de bonnes pommes de terre en dés. Le responsable a fait état d’un prototype à l’usine de Tosu en avril, d’une précision « quasi parfaite », suivi de contrôles humains, et de projets pour les œufs et les céréales.
Engadget rapporte que Kewpie et BrainPad ont entraîné un système TensorFlow sur 18 000 photos pour repérer les pommes de terre en dés défectueuses destinées à des aliments pour bébés. Kewpie a qualifié la précision de « quasi parfaite » sans donner de pourcentage, et des inspecteurs humains vérifiaient encore les résultats. Engadget a noté que d’autres entreprises utilisant cette technologie pourraient supprimer des emplois.
Les informations complètes figurent dans les sources d’origine.
