串鸡肉，配便当，机械人技术赋能日本食品制造行业

现在为止，工业机械人主要用于大型机械的制造工厂。由于高昂的初始成本以及需要大型工厂来构建机械人随附的相关系统的原因，很难仅将工业机械人引入中小型公司。随着IoT和AI技术的引入，机械人在一部门小型的生产场所有望起到了加速工厂自动化和效率的作用。通过将机械人和相关联的系统毗连到Internet，可以将每个系统的运行状态收集为数据，从而将其用作确定生产线状态，或快速发现自动化系统中的缺陷。联合AI的机械人可以使用传感器识别产物并根据自己的想法举行操作。本文将围绕制造业中的食品加工部门，剖析在不规则的食品，以及数量少种类多等食品，充实使用人工智能与机械人技术来取代传统的人力作业。

作者 | 熊利郎

一 日本机械人市场规模

经济工业省和国家生长研究局的NEDO的机械人市场规模调研显示，2015年的市场规模为1.6兆日元，2020年预计为2.9兆日元。到2035年，包罗服务机械人在内的海内机械人市场将增长五倍以上，到达9.7兆日元。凭据总部位于德国的国际机械人团结会（IFR）的一份名为“世界机械人：2017年工业机械人”的陈诉，从2011年到2016年，工业机械人的全球销售额平均每年增长14％。工业机械人的年销量不仅在日本而且还在全球规模内增长。在亚洲和欧洲，机械人都有望成为劳动力成本上涨的替代产物。除了汽车和大型机械制造外，食品业机械人同样吸引了人们的注意，以更少的人力资源发生更高的生产率。本文将着重分析食品业机械人的使用案例和其中涉及到的机械人技术。

二 食品行业常用智能技术

图像识别技术：图像识别让机械人拥有眼睛可以像人类一样看世界。将真实世界中三维物体经由传感器转变为二维的平面图像，再经图像处置惩罚，输出该物体的图像。图像识别对光线的依赖性很强，往往需要好的照明条件，以便获取物体最清晰的图像。在差别的传送带上，由于工厂的园地限制导致了光照条件与实验室的差别，会影响机械人识此外准确率。

云盘算技术：云盘算技术能将工业线上的差别类型机械人举行毗连，统一提供算力，统一控制差别类型机械人的运行效率以到达机械人相互间可以协同作业和负载平衡。云盘算技术也能实时监控差别机械人的数据来分析机械人的运行状态，以降低工业线停摆的风险和损失。

传感器技术：传感器能够感受温度，红外线，传送带转速等多种数据，将数据汇总后处置惩罚，获得当前工业线的状态，并凭据预先设定的解决方案举行下一步处置惩罚。在流水线上，更多用于探测流水线的状态，以便机械人能与流水线更好的配合。

三 机械人技术在日本食品行业的应用漫衍

四 机械人在日本食品行业应用案例

食物前加工解决方案：烤鸡肉串等食品由于产物数量少，种类繁多，其加工要切合产物尺度，需要熟练的工人通过目测检查重量，形状等来举行判断，有许多手人工到场的历程。Cosmojapan株式会社提供的机械人系统中，使用摄像机通过对拍摄的图像处置惩罚，瞬时盘算出肉和大葱的最佳组合，通过穿刺机将匹配的效果举行穿刺，实现了每3秒可完成一串烤鸡肉串。。

包装分散解决方案：机械人可以自动更换附着在蛋糕上的模具，由于模具比力薄，缺乏刚性以及容易被静电充电等物理特性，因此难以操作，需要在不破坏蛋糕结构的前提下完成这部门的更换事情。福陵技研有限公司通过使用很是灵活的六轴机械人，并将其与一只奇特的机械手相联合来实现自动化。在保持产量稳定的情况下，将原9人的事情削减为6人。

流水线产物自动整理方案：Centralpack株式会社提供的并行链接型机械人，能搭配图像处置惩罚技术的高性能相机的联合，使得检测流水线上的食品包装袋成为可能。将流水线上各个偏向的食品包装袋整理为同一偏向，同一顺序的整齐排列，有助于后续的分类，贴标签，装箱等操作。此机械人可将整个工序所需的6人缩减为2人，降低66%的人力成本。

智能洗碗解决方案：凭据形状，颜色和巨细来区分餐具，图像处置惩罚需要大量的工时才气识别一种餐具。如果将商店中使用的差别种类的餐具都准确识别是比力难题的。吉野家公司通过在餐具上粘贴和烘烤特殊标志，将用于洗碗机械人识此外区域扩大了约莫四倍，淘汰了2/3的图像识别时间，同时餐具的摆放也无需特殊处置惩罚。

自动贴标签解决方案：冷冻产物解冻后的有效期标签事情，由于交货时间该事情在午夜举行，因此很难确保工人的宁静。同时涉及的工人多，所有食品都准确贴标签的风险高。TAKAKI BAKERY株式会社提供的并行链接机械人，可自动将标签粘贴在盒子中，而另一类协作机械人服装运输和通报箱子和食品袋，两类机械人协同作业构建一条自动生产线。将45人时的事情量削减为18人时，提高了2.5倍的事情效率。

五 机械人技术在食品行业的局限性

机械人应用垂直：单一简朴的机械人可用于处置惩罚单一类型的任务。凭据某一需求制定的机械人需要定制化开发，开发后的产物无法普及到其他流水线中，机械人制造的垂直化导致产物的成本难以因为规模扩大而降低。

食品行业数据的缺乏：纵然是简朴的食品分类，也需要在训练阶段收罗大量的数据并举行人工标志，否则机械人在识别率上无法到达食品生产线良品率的尺度。初期搭建AI机械人所需的数据收罗和标志成本高昂，限制了机械人的使用场景。

六 机械人技术在食品行业的生长趋势

机械小型化：使用诸如软机械人技术和新的制造方法，将机械手用新质料取代，缔造出越发灵活可利用的机械手臂供AI举行操作，以便完成现在传统机械手臂无法施展的行动。用更小更灵活的机械人取代人力，完成机械重复的流水线事情任务。

机械柔性化：深度学习改变了机械识别物体的能力，能够在事情历程中学习。但食品行业的数据量，尤其是针对中小规模的流水线作业。每条工业线均需要训练差别AI，所需要的数据收罗时间长，难以到达深度学习所需要的庞大数据量，这需要让AI能够从有限的、少量的数据中快速学习。