AI 精挑细选减少商业食品的浪费

  • 0 replies
  • 172 views
*

sisiy

  • *****
  • 147
    • 查看个人资料
AI 精挑细选减少商业食品的浪费
« 于: 四月 28, 2019, 01:00:45 pm »
食物太贵了,不能浪费。

但每年有近1000亿美元被丢弃在酒店业。

当您为不知名的客人提供服务时,您无法承受不足。在许多情况下,这可能会导致厨房工作人员走向另一个极端 - 准备太多的饭菜。所有额外的,未使用的成分最终都会进入垃圾箱。

Winnow是一家总部位于英国的公司,它正在利用人工智能通过授权商业厨房来减少食物浪费,从而减少食物浪费。

人工智能减少食物浪费

每年全球人类消费的食物中约有三分之一被浪费掉。这相当于惊人的13亿吨。

Winnow正在帮助专业厨师使用其最新产品Winnow Vision来控制这些数字,该产品可以自动检测,识别和测量食物被丢弃的程度。

该系统包括一组数字秤,其顶部是标准厨房垃圾箱。安装在上面的是一个摄像头和计算系统,在模块上包含NVIDIA Jetson TX2超级计算机。

该模块拍摄由相机拍摄的图像,以及由比例记录的重量,并确定被抛出的数量和数量。 Jetson TX2使用的神经网络使用AWS实例和TensorFlow上的NVIDIA V100 GPU进行训练。为了识别系统可能遇到的各种食物,需要大量的训练数据 - 每个食物项目多达1,000张图像。

收集的数据将发送到云端进行处理,然后创建定期报告并与厨房员工共享。报告详细说明了被扔食物的数量和类型,以及关于厨房如何减少浪费的建议。



Winnow联合创始人兼首席执行官Marc Zornes解释了为什么Jetson TX2现场提供的实时深度学习结果 - 所谓的“边缘推理” - 是关键。

“对于我们来说,在一个无法保证可靠和快速互联网连接的环境中,客户能够立即获得结果非常重要,”Zornes说。 “在现场使用Jetson TX2设备使我们能够实时提供一种'比人类更好'的理解,即在边缘,现场,在厨房里扔进垃圾箱的东西。”

Jetson TX2模块可以运行多个进程。拥有完整的系统意味着Winnow团队可以重用从云中工作中获得的知识并将其应用于边缘范例。 Jetson平台功能强大,足以涵盖当前和未来的工作负载,并且足够灵活,可以让Winnow进行实验和设计新的解决方案。

商业意识

在识别垃圾中的食物时,Winnow Vision已经超过人类水平,准确率超过80%。随着越来越多的数据被收集,这将随着时间的推移而增加。

该系统已安装在超过75个厨房中,Winnow计划在未来几年内将该技术推广到数千个。宜家和Emaar是在其厨房中实施Winnow Vision的公司之一。

减少食物浪费并不是企业的唯一好处。自动化过程也提高了厨房的效率。工作人员需要较少的食品管理培训,需要花更少的时间来调整菜单。

Winnow表明,通过对分析团队进行武装,可以减少食物浪费。该公司估计,它已经帮助商业厨房节省了超过3000万美元的年度食品成本。这相当于防止超过2300万顿饭进入垃圾桶。

随着新技术的出现,Winnow宣布其目标是到2025年为厨房节省10亿美元。