Migros setzt bei Fleischverarbeitung auf Künstliche Intelligenz

02. Dezember 2019
Der Fleischverarbeiter Micarna testet den Einsatz von künstlicher Intelligenz in der Zerlegerei. Der Fleischverarbeiter Micarna testet den Einsatz von künstlicher Intelligenz in der Zerlegerei. Bild: Migros

    Die Migros-Tochter Micarna will in Zukunft Mitarbeitende von repetitiven und körperlich ermüdenden Entscheidungsprozess zur Klassifizierung von Schlachtprodukten mit Künstlicher Intelligenz (KI) entlasten.

    In der Zerlegerei des grössten Schweizer Fleisch-, Geflügel-, Fisch- und Eiproduzenten soll die Produktidentifizierung statt durch Inaugenscheinnahme von Mitarbeitenden künftig mit einem Bildklassifizierungssystem auf Basis des Dienstes Custom Vision aus der Familie der Cognitive Services von Microsoft unterstützt werden. IT-Logix erbrachte deshalb gemeinsam mit Micarna den diesbezüglichen Machbarkeitsnachweis. Dazu musste der von Microsoft zur Verfügung gestellte Algorithmus zur Bildklassifizierung auf die spezifischen Anforderungen von Micarna konditioniert werden.

    «Dass das System grundsätzlich funktioniert, konnte gemeinsam mit IT-Logix bereits gezeigt werden», sagt Michael Kott, Leiter Projektmanagement bei Micarna in Bazenheid. „Jetzt muss das Material weiter bearbeitet werden, um eine Verfeinerung der Resultate zu erreichen.“ Ziel ist es, dass die Mitarbeitenden künftig für alle Produkte von der Künstlichen Intelligenz Vorschläge bekommen und diese nur noch im System mittels Knopfdruck bestätigen und verbuchen müssen. Künstliche Intelligenz soll den Menschen also nicht wegrationalisieren, sondern seine Arbeit erleichtern. Übernimmt der Service die körperlich anstrengende visuelle Arbeit der Klassifizierung, kann sich der Mensch auf die Bestätigung des Vorschlags, das das System gibt, konzentrieren und so seine Kräfte schonen. „Die Bildkategorisierung bringt eine grosse Erleichterung und auch langfristig eine Optimierung der Resultatqualität“, sagt Kott.

    Custom Vision ist für die schnelle Erkennung wesentlicher Unterschiede zwischen Bildern optimiert, sodass bereits anhand einer kleinen Datenmenge mit der Prototyperstellung für das Modell begonnen werden kann. Gemäss Hersteller sind 50 Bilder pro Bezeichnung im Allgemeinen ein guter Ausgangspunkt. Custom Vision verwendet dabei einen Machine-Learning-Algorithmus, um Bezeichnungen auf Bilder anzuwenden. Anwender übermitteln dazu dem Dienst Gruppen von Bildern mit Bezeichnungen, auf denen die betreffenden Merkmale vorhanden bzw. nicht vorhanden sind.

    Bei Micarna wurde Bildmaterial von Produkten mit den richtigen Produktinformationen versehen und damit die in der Microsoft-Cloud zur Verfügung stehende Infrastruktur auf die konkrete Anforderung trainiert. Danach wird der Algorithmus erneut getestet, die Resultate mit den von den Mitarbeitenden eingegebenen Klassifizierungen vergleichen und so das System gegebenenfalls weiter verbessert. Schliesslich besteht künftig die Möglichkeit, den Berechnungsmechanismus für weitere Anforderungen, z.B. für die Erkennung neuer Produkte und Einheiten (Fleischstücke, Gebinde) zu verwenden.

    Soziale Netzwerke

     

    Fractal Verlag GmbH

      +41 61 683 88 76

      Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!