Tecnologia LUCAi™ per migliorare efficienza e controllo qualità in packaging ciliegie

Il continuo aumento della domanda mondiale di ciliegie sta costringendo gli impianti di confezionamento a lavorare volumi sempre più grandi pur mantenendo un'elevata qualità di prodotto. Variazioni significative nell’ingresso di prodotto, eventi meteorologici dirompenti, la delicata manipolazione richiesta dalle ciliegie e la disponibilità di manodopera sono alcune delle principali sfide che gli imballatori devono affrontare quando cercano di rispondere alle richieste e alle specifiche dei prodotti da parte dei clienti. La nuova tecnologia LUCAi™ per la piattaforma di classificazione InVision2 consente di ottimizzare l'imballaggio, incrementare la resa e l'efficienza e garantire ciliegie di prima qualità con una precisione senza pari nel rilevamento dei difetti.

 

 

Un salto in avanti sostanziale 

 

La nuova piattaforma LUCAi™ presenta l'ultimo sviluppo della tecnologia Deep Learning di TOMRA che utilizza modelli pre-addestrati per insegnare ai computer come elaborare i dati - quali modelli complessi nelle foto - per ottenere una precisione di classificazione senza precedenti. Questa tecnologia è stata sviluppata da un team di scienziati, ingegneri, ricercatori ed esperti di primo piano ed è stata applicata con successo alle soluzioni per mirtilli e mele - rispettivamente su KATO260 e più recentemente sulle piattaforme Spectrim X. Gli ingegneri di TOMRA Food hanno combinato questa esperienza con la loro profonda conoscenza sulla selezione, dalla classificazione e dall'imballaggio delle ciliegie per estendere i vantaggi della tecnologia LUCAi™ alle piattaforme di classificazione InVision2.

 

 

La piattaforma di classificazione intelligente InVision2 con LUCAi™ consente alle aziende confezionatrici di massimizzare i risultati del packaging, migliorando la qualità e l'uniformità dell'imballaggio mentre si riducono al minimo gli sprechi e si incrementano le rese. Utilizza la tecnologia Deep Learning di TOMRA per identificare crepe sui bordi, ciliegie pacman (mezze ciliegie), suture aperte, imperfezioni cosmetiche e rotture di peduncoli. Migliora inoltre il rilevamento di speroni, crepe e tutti i difetti attorno all'area del peduncolo con una precisione senza eguali. LUCAi™ è stata addestrata su grandi quantità di dati raccolti dai coltivatori di ciliegie di tutto il mondo e, grazie alla sua "intelligenza", è in grado di riconoscere modelli sulle ciliegie indipendentemente dalla varietà, qualità e condizioni immesse, prevenendo il declassamento accidentale di frutti ed eliminando rallentamenti causati dalla classificazione manuale di frutti cattivi, il tutto nel modo più coerente ed efficiente possibile. 

 

Il software avanzato consente alla piattaforma di classificazione di elaborare un flusso elevato, con conseguente aumento della produttività, pur mantenendo la coerenza tra stagioni, lotti, varietà e operatori. Questo è un grande vantaggio per i confezionatori di ciliegie, per i quali la qualità del prodotto è la fonte dei maggiori profitti, ma anche delle maggiori sfide operative.

 

 

Pronta all'uso e a garanzia del futuro

 

LUCAi™ per la piattaforma di classificazione delle ciliegie InVision2 utilizza modelli pre-addestrati basati su un'ampia gamma di dati e conoscenze raccolti da più aree geografiche in tutto il mondo negli ultimi cinque anni. “È importante capire che la tecnologia AI è una scatola vuota che deve essere riempita; senza una grande quantità di dati di qualità, non andrà da nessuna parte”, afferma Benedetta. “È qui che LUCAi™ si distingue da qualsiasi altra piattaforma AI disponibile nel settore: viene fornita con grandi quantità di dati che TOMRA ha raccolto per oltre cinque anni, costruendo modelli pre-addestrati per utilizzare immagini reali delle ciliegie che i nostri clienti stanno imballando, sviluppando continuamente il "cervello" di LUCAi™, che diventa sempre più intelligente nel processo. Questo significa che è pronta, in grado di fornire prestazioni superiori di sorting e classificazione non appena viene installata nelle operazioni dei nostri clienti."

 

La piattaforma tecnologica LUCAi™ di TOMRA. non solo è pronta a lavorare con modelli pre-addestrati, ma può anche continuare a evolversi raccogliendo più dati durante il funzionamento presso il cliente e continuando a imparare. "Diventa più intelligente e, di conseguenza, più potente e più precisa nel tempo", spiega Benedetta. "È una garanzia per il futuro."

 

Con LUCAi™, anche i confezionatori di ciliegie usufruiscono del supporto di TOMRA. Il team di assistenza può aiutarli a costruire modelli su misura che risolvano i problemi relativi alle varietà e ai difetti specifici della loro azienda, in modo che la piattaforma funzioni bene e soddisfi le loro precise esigenze e requisiti di qualità. 

 

 

Testata e comprovata sul campo 

 

“Una fase fondamentale del processo di sviluppo dei prodotti TOMRA Food è l’esecuzione di test sul campo, in condizioni reali con i clienti”, spiega Benedetta Ricci Iamino. "Questo è esattamente quel che abbiamo fatto estendendo la nostra tecnologia LUCAi™ Deep Learning alle ciliegie: l'abbiamo testata e convalidata in California e Nuova Zelanda nelle ultime due stagioni, raccogliendo più dati e lavorando con i nostri clienti per aiutarli a costruire modelli che affrontano i loro problemi specifici."

 

In California, Prima Frutta Packing ha utilizzato la tecnologia LUCAi™ di TOMRA nelle operazioni di confezionamento delle ciliegie, con risultati eccellenti. Questo ha permesso loro di incrementare la produzione e l'efficienza del confezionamento (kg all'ora per persona) con la stessa forza lavoro, consentendo loro di seguire il breve periodo di raccolta delle ciliegie mantenendo l'elevata qualità del prodotto. Questo è particolarmente utile in una stagione difficile come quella dell'anno scorso, quando le ciliegie erano in ritardo di circa tre settimane e maturavano tutte in una volta. Hanno addestrato con successo la tecnologia Deep Learning di TOMRA per rilevare con precisione difetti come l'oidio, le punture di insetti e le crepe d'acqua dopo la pioggia, cosa che avrebbero trovato molto difficile con il loro sistema di mappatura tradizionale. La facilità d'uso dell'operazione è un altro grande vantaggio che hanno evidenziato.