Winnow nutzt Computer Vision, um Abfall bei der Lebensmittelverarbeitung zu reduzieren

Sie wissen es vielleicht nicht, aber laut der Ernährungs- und Landwirtschaftsorganisation der Vereinten Nationen (FAO) gelangen etwa ⅓ der jedes Jahr weltweit produzierten Lebensmittel nie auf den menschlichen Tisch, was dem Gegenwert von essbaren Lebensmitteln im Wert von etwa 1 Billion US-Dollar entspricht landet auf Mülldeponien. Allein die Hotel- und Gastronomiebranche trägt etwa 10 % dazu bei. Angesichts dieser Situation kommt der Winnow Technology Solutions Group die Idee, Computer Vision und maschinelles Lernen einzusetzen, um zur Abfallreduzierung bei der Lebensmittelverarbeitung beizutragen.

• Bewundern Sie Nvidias neue KI-Anwendung: Verwandeln Sie Kritzeleien im MS Paint-Stil in künstlerische „Meisterwerke“

Die 2013 in London gegründete Winnow-Technologie wurde bisher relativ effektiv im Küchenbereich eingesetzt und eingesetzt, beispielsweise als Werkzeug, das als darunter platzierte Waage fungiert. Der Mülleimer hält Lebensmittelabfälle in der Küche und hilft so, Informationen zu sammeln über die Menge der weggeworfenen Lebensmittel, nachdem der Koch auf einem Touchscreen Informationen über die Produkte eingegeben hat, die er in den Müll geworfen hat.

Diese Informationen werden dann an das cloudbasierte Analysesystem von Winnow übertragen, das den Wert der weggeworfenen Lebensmittelmenge ermittelt und regelmäßig detaillierte Berichte erstellt, in denen die Abfallkosten sowie die wirtschaftlichen Vorteile hervorgehoben werden, die Menschen durch die Abfallreduzierung erzielen können Lebensmittelverarbeitung jeden Tag.

Allerdings erfordert das bisherige System von Winnow noch mehr manuelle Eingaben und ist detaillierter, was bedeutet, dass Köche genauer angeben müssen, welche Arten von Lebensmitteln sie verarbeitet haben. Das ist wirklich kompliziert und zeitaufwändig.

Um das Problem zu lösen, führt Winnow nun einen hybriden Automatisierungsansatz ein, der eine Kombination aus künstlicher Intelligenz und einer bewegungsempfindlichen Computer-Vision-Kamera verwendet, die automatisch Bilder von Abfällen erfassen kann, wenn diese in den Mülleimer geschüttet werden. Anschließend wird die Technologie des maschinellen Lernens dafür verantwortlich sein zur Analyse und Angabe, um welche Art von Lebensmittel es sich handelt und welchen Wert es hat.

• KI nutzt WLAN-Daten, um die Anzahl der Personen in einem Raum zu schätzen

Trainieren von Modellen für maschinelles Lernen

Trotz der Theorie funktioniert das System in der Praxis nicht perfekt – es kann eine Vielzahl von Obst- und Gemüsesorten identifizieren, hat aber immer noch Schwierigkeiten, sie zu identifizieren. Identifizieren Sie unbekanntere Gegenstände, wie z. B. verschiedene Fleischsorten! Deshalb müssen Köche und Küchenpersonal weiterhin mit Entwicklern zusammenarbeiten, um dieses maschinelle Lernsystem zu schulen. Beispielsweise können Mitarbeiter aufgefordert werden, aus einer auf einem Touchscreen angezeigten Liste das Lebensmittel auszuwählen, das sie gerade weggeworfen haben. Nach Schätzungen von Experten werden allein 200 bis 1.000 Bilder benötigt, um das maschinelle Lernsystem Winnow Vision auf die Erkennung eines Lebensmittels zu trainieren.

• Google und DeepMind nutzen KI, um die Leistung von Windparks vorherzusagen

In einem ähnlichen Schritt wurde Winnow Vision bereits seit Januar letzten Jahres im Rahmen mehrerer Pilotprojekte mit mehreren großen Marken eingesetzt, darunter dem schwedischen Mischkonzern Ikea, mit dem Ziel, die Menge an Lebensmittelabfällen, die dieses Unternehmen produziert, insgesamt zu halbieren.

„Wir haben uns das ehrgeizige Ziel gesetzt, die Lebensmittelverschwendung in allen unseren Betrieben um bis zu 50 % zu reduzieren, und werden dies bis September 2020 erreichen. Die Zusammenarbeit von Ikea mit Winnow ist ein sehr wichtiger Teil zur Verwirklichung dieses Ziels.“ „Wir wissen, dass Lebensmittelverschwendung viel Abfall verursacht und die Reduzierung dieser Abfallmenge kein einfaches Problem ist, aber Winnow hat bewiesen, dass sie die Lösungen haben, um das Problem wirklich effektiv zu lösen“, sagte Hege Sæbjørnsen, Geschäftsführer von Ikea UK und Irland.

Zu den weiteren großen Unternehmen, die an dem Versuch teilnehmen, gehören die Supermarktketten UK Morrisons und Emaar in den Vereinigten Arabischen Emiraten. Ab heute ist Winnow Vision jedoch weltweit verfügbar und kann in allen Restaurants und Küchen auf der ganzen Welt eingesetzt werden.

„Lebensmittelverschwendung ist ein globales Problem, mit dem die Menschheit konfrontiert ist. Es hängt nicht nur mit den Problemen der Geldverschwendung und der Umweltverschmutzung zusammen, sondern, was noch wichtiger ist, es bringt auch andere Probleme der Ernährungssicherheit mit sich. Und jede Küche und Verarbeitungslinie auf der ganzen Welt hat Probleme mit der Lebensmittelverschwendung. Daher ist es für Unternehmen ohne geeignete Managementinstrumente schwierig zu erkennen, wie viel sie verschwenden und wie viel Geld sie sparen können, wenn sie Lebensmittel effektiver nutzen. . Durch den Einsatz von KI zur Analyse und gezielten Berichterstattung über Lebensmittelverschwendung sowie tatsächliche Kosten wird Winnow Vision ein effektiver Helfer in einer modernen Küchen- und Lebensmittelverarbeitungslinie sein“, sagte Marc Zornes, CEO von Winnow.

• Google setzt KI bei der Erkennung von Augenkrankheiten ein

Vorteil der wirtschaftlichen

Winnow wendet für diese Software ein Modell als Service (SaaS) an, was bedeutet, dass für den Zugriff auf die Überwachungssoftware eine Abonnementgebühr erhoben wird. Obwohl der konkrete Preis für jedes Leistungspaket nicht bekannt gegeben wird, können Gastronomiebetriebe nach Berechnungen dieses Unternehmens sofort mit einer Kapitalrendite in Höhe des 2- bis 10-fachen rechnen. Im ersten Jahr können Sie bis zu 50.000 US-Dollar einsparen, die andernfalls fällig wären zu abfallbedingten Problemen in der Lebensmittelverarbeitung.

„Dank des Einsatzes künstlicher Intelligenztechnologie, insbesondere maschinellen Lernens mit der Fähigkeit, nach jedem Gebrauch selbst zu lernen und sich zu verbessern, ist Winnow Vision in der Lage, Probleme mit Lebensmittelverschwendung auf globaler Ebene zu bewältigen“, teilte CEO Marc Zornes mit.

• Facebook-KI-Ingenieur spricht über Deep Learning, neue Programmiersprachen und Hardware für künstliche Intelligenz

Neben Winnow gibt es auch eine Reihe von Startups, die verschiedene Lösungen anbieten, um bei der Lebensmittelproduktion und -verarbeitung zur Abfallreduzierung beizutragen. Ein schwedisches Unternehmen namens Karma hat letztes Jahr 12 Millionen US-Dollar gesammelt, um einen Marktplatz aufzubauen, der Restaurants und Supermärkte dazu ermutigt, ihre übrig gebliebenen Lebensmittel – möglicherweise Kuchen, Brot oder frisch gepresste Fruchtsäfte – zu einem günstigeren Preis weiterzuverkaufen, anstatt sie in den Müll zu werfen riesige Verschwendung.

Ein anderes Unternehmen namens Full Harvest mit Sitz in San Francisco, USA, hat kürzlich ebenfalls erfolgreich Investitionen in Höhe von 8,5 Millionen US-Dollar eingeworben, um die Produktion fehlerhafter Produkte von Farmen in den USA zu unterstützen.

Als er auf Winnows Projekt zurückkam, sagte der Unternehmensvertreter, dass sein aktuelles manuelles System von Tausenden von Köchen in mehr als 40 Ländern verwendet wurde und dabei geholfen habe, umgerechnet 30 Millionen US-Dollar einzusparen. Bei der Verarbeitung werden Lebensmittel verschwendet.

Für den Durchschnittsbürger mag Winnow als ein cooles Unternehmen für die Entwicklung von KI-Anwendungen beschrieben werden, aber im Kern ist es ein Datenunternehmen – Daten, die Küchen, Produktionslinien und mehr ermöglichen. Die Produktion sieht die Verschwendung in ihren Abläufen, und das ist es hilft dabei, den Wert von Hardware freizusetzen.

Bei wirklich erfolgreicher Anwendung zeigt das Winnow Vision-Projekt, dass Milliarden von Dollar, die bei Lebensmittelverarbeitungsschritten verschwendet werden, vollständig kontrolliert werden können. Dies ist nicht nur ein wirtschaftlicher Vorteil, sondern auch ein wichtiger Faktor, der zur Gewährleistung der globalen Ernährungssicherheit beiträgt.