JapãoAlimentação e restaurantes2017 – em andamentoKewpie
Inspeção por IA de batatas em cubos para alimentos infantis
Kewpie treinou um detector de anomalias com fotos de batatas boas para pré-selecionar ingredientes, e a equipe ainda confere todos os lotes
Problema
A Kewpie, fabricante japonesa de alimentos, inspecionava à mão todas as matérias-primas, cerca de 4 a 5 toneladas por dia, o que era lento, exigia funcionários qualificados e atrasava a produção. A visão computacional convencional exigia regras separadas para cada ingrediente, e uma única fábrica lidava com mais de 400 tipos.
Abordagem
Com a empresa de análise de dados BrainPad, a Kewpie criou um modelo TensorFlow treinado com mais de 18.000 fotos de batatas em cubos na linha de produção. A equipe o treinou apenas com batatas boas, para que sinalizasse qualquer coisa fora do comum. Um protótipo já funcionava na fábrica de Tosu em abril de 2017; ele fazia uma triagem inicial para retirar os pedaços defeituosos, e funcionários treinados inspecionavam depois o resultado.
Números principais
Lição
A detecção de anomalias permitiu à Kewpie evitar a coleta de grande número de amostras de defeitos, que são escassas. Os funcionários ainda inspecionavam todos os lotes após a verificação da IA.
Categorias
- Porte
- Grande empresa
- Função empresarial
- Produção e qualidade
- Tipo de inovação
- Inovação de processos
- Tecnologia de IA
- Visão computacional
- Forma de adoção
- Codesenvolvimento com parceiros
- Evidência
- Declaração da própria empresa
Fontes
Resumos das fontes
Um gerente de produção da Kewpie disse que os funcionários inspecionavam à mão de 4 a 5 toneladas de ingredientes por dia e lidavam com mais de 400 tipos de ingredientes em uma fábrica. A Kewpie e a BrainPad criaram um detector de anomalias em TensorFlow treinado com mais de 18.000 fotos de batatas em cubos em bom estado. O gerente informou que, até abril, havia um protótipo na fábrica de Tosu com precisão "quase perfeita", seguido de verificações humanas, e relatou planos para ovos e grãos.
O Engadget informa que a Kewpie e a BrainPad treinaram um sistema TensorFlow com 18.000 fotos para sinalizar batatas em cubos com defeito destinadas a alimentos infantis. A Kewpie descreveu a precisão como "quase perfeita", sem dar um percentual, e inspetores humanos ainda conferiam o resultado. O Engadget observou que outras empresas que adotem a tecnologia podem cortar empregos.
Os detalhes completos estão disponíveis nas fontes originais.
