Laat je gegevens achter en dan nemen we snel contact met je op.
Bedankt!
Wij komen hier binnen enkele werkdagen bij je op terug.
Oops! Something went wrong while submitting the form.
menu
Close
De voedingsindustrie loopt niet altijd voorop als het gaat om het toepassen van nieuwe technologische ontwikkelingen. En dat is niet zonder reden. Voedingsproducenten hebben te maken met strenge eisen rondom food safety en hygiëne, maar ook met natuurlijke variatie in producten. Hierdoor is er weinig ruimte om te experimenteren en moet nieuwe technologie zich in de praktijk eerst bewijzen voordat deze breed wordt toegepast.
Toch lijkt hierin verandering te komen. Volgens RaboResearch kan AI hierop een uitzondering vormen.
AI-technologie biedt veel kansen en gaat een steeds grotere rol spelen in product- en procesinnovatie. Ondanks dat AI al een tijdje aan een opmars bezig is en de food industry de technologie steeds meer lijkt te omarmen, blijven er vragen en twijfels bij voedingsproducenten.
Wat kan AI daadwerkelijk betekenen voor een productieproces? Hoe kan het bijdragen aan de productkwaliteit? En hoe betrouwbaar is het? Er wordt nog vaak gewaarschuwd voor de risico's van AI, dat AI fouten kan maken of feiten en fictie door elkaar kan halen. De juiste kennis en expertise verzamelen om AI passend binnen jouw bedrijf toe te passen, maakt daarin het verschil.
Als er over AI wordt gesproken, gaat het vaak over Generatieve AI. Er zijn veel verschillende vormen, dit is echter maar één van de toepassingen die AI kent. Zo heb je ook Vision AI, een vorm die we bij QING voornamelijk toepassen in onze food automation systemen.
Generatieve AI kan op basis van bestaande data nieuwe output genereren, bijvoorbeeld door productie- en kwaliteitsdata te analyseren en samen te vatten. Het ondersteunt operators bij het vinden van informatie en synthetic data genereren om andere AI-modellen te trainen.
Een andere vorm van AI is Vision AI. Vision AI geeft een machine als het ware ogen én het vermogen om te interpreteren wat deze ziet. Een 2D- of 3D-camera of een sensor verzamelt realtime beelddata van producten. Een Vision AI-model analyseert deze data vervolgens om producten bijvoorbeeld te detecteren, classificeren, segmenteren of beoordelen. Dat maakt Vision AI interessant voor quality control bij diversiteit in producten. Zoals het:
Waar Generatieve AI vooral wordt ingezet om informatie te verwerken en nieuwe output te genereren, gebruikt Vision AI real-time informatie uit de productieomgeving om producten te herkennen en beoordelen. Vision AI kan specifiek worden getraind om natuurlijke productvariaties te herkennen en bijvoorbeeld onderscheid te maken tussen een "goed" product en een kwaliteitsdefect. Generatieve AI is daarentegen niet specifiek ontwikkeld voor deze afgebakende inspectietaken en kan output genereren die aannemelijk klinkt, maar feitelijk onjuist is.
De waarnemingen van een Vision AI-model kunnen worden gekoppeld aan een actie. Het model detecteert of beoordeelt een product en geeft deze informatie door aan het automation system. Een robot kan vervolgens een vreemd voorwerp of afgekeurd product van de transportband halen. Bij robot picking kan Vision AI bepalen waar een product zich bevindt en wat de oriëntatie ervan is. Die informatie kan vervolgens worden gebruikt om de robot correct te positioneren.
Vision AI vormt daarmee een intelligente laag binnen een automation system: de technologie zet beelddata om in informatie waarmee het productieproces kan worden aangestuurd. Om dit te kunnen realiseren heeft QING het framework STAQ® ontwikkeld: AI-driven besturingssoftware die Vision AI, camera’s, sensoren en robotica combineert om processen slim te automatiseren. STAQ® staat voor See, Think, Act by QING en fungeert als brug tussen data en uitvoering.
Wanneer je AI gaat toepassen, moet je verder kijken dan alleen de software. Mogelijk moet er geïnvesteerd worden in hardware, zoals camera's en sensoren, en moeten bestaande machines worden aangepast. Maar minstens zo belangrijk zijn data, kennis én vakmensen.
AI is geen vervanging, maar een versterking. Technologie en vakmanschap moeten hand in hand gaan. Anders bestaat het risico dat een nieuwe ontwikkeling niet wordt gedragen op de werkvloer. Naast de technologie is de menselijke kant daarom minstens zo belangrijk. Ook daar moet voldoende aandacht aan worden besteed.
Door technologie te combineren met de kennis die vakmensen bezitten, breng je innovatie tot een succes. De mens blijft daarom een onmisbare schakel bij het succesvol toepassen van AI in de voedingsindustrie.
Will helpt je graag verder