当你不确定要招待客人的数量时，通常会担心准备的食物不够。这可能会导致厨房工作人员准备过多的饭菜。最终，所有剩余的、没用过的食材都会被扔进垃圾桶。

总部位于英国的Winnow公司正在致力于利用人工智能来减少商业厨房的食物浪费。

利用边缘推理减少食品浪费

全球每年约有三分之一供人类食用的粮食被浪费，总重量达到惊人的13亿吨。

Winnow的最新产品Winnow Vision可以帮助厨师控制这些数字。它可以在食物被扔掉的时候自动检测、识别和测量食物。

该系统包括一套数字秤，秤上放着一个标准的厨房垃圾桶。安装在上面的是一个摄像头和计算系统，其中包含一个模块化的NVIDIA Jetson TX2超级计算机。

该模块可以获取摄像头捕捉到的图像，以及秤上记录的重量，并确定扔出的东西和数量。Jetson TX2使用的神经网络是在TensorFlow上利用带有NVIDIA V100 GPU的AWS实例进行训练的。为了识别系统可能遇到的各种各样的食物，需要大量的训练数据——每种食物需要多达1000张图像。

该系统将收集到的数据发送到云端进行处理，然后创建定期报告与厨房工作人员共享。报告详细介绍了被丢弃食物的数量和种类，以及给出一些关于厨房如何减少浪费的建议。

Winnow的联合创始人兼首席执行官Marc Zornes解释了Jetson TX2提供的实时深度学习结果，也就是 “边缘推理” ，至关重要的原因。

Zornes表示：“在一个可靠和快速互联网连接不能保证的环境中，客户收到实时结果对我们来说真的很重要。” “使用Jetson TX2设备，使我们能够实时‘比人类更好地’了解什么东西被扔到了厨房的垃圾桶里。”

Jetson TX2模块可以运行多个任务。在边缘拥有完整的系统意味着Winnow团队可以重新使用在云端获得的知识，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。

商业嗅觉

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，它的准确率还会提高。

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厨房。IKEA和Emaar等公司已经在其厨房中实施Winnow Vision。

除了减少食物浪费，自动化过程也提高了厨房的效率。工作人员可以不再需要那么多的食品管理培训，也不需要花太多时间来调整菜单。

Winnow估计，它已经帮助商业厨房节省了每年超过3000万美元的食品成本。这相当于让超过2300万顿饭免于被丢进垃圾桶。

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。