首页 > 最新资讯 > 每年近1000亿美元的食物被浪费,AI能解决这个问题吗?
每年近1000亿美元的食物被浪费,AI能解决这个问题吗?

每年近1000亿美元的食物被浪费,AI能解决这个问题吗?

2019-04-17 09:00

#深度学习


 

食物来之不易,要尽量减少浪费。但你知道吗?每年,在酒店行业就有价值近1000亿美元的食物会被浪费掉。

 

 

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 gpuaws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。

相关新闻