Tholen - De ene na de andere paprika verschijnt voor de lens. Vrijwel direct is op het scherm te zien welke paprika aan de eisen voldoet en welke niet. Hoe meer afwijkingen er op de foto worden gezet, hoe slimmer het keuringssysteem van start-up Mythronics wordt en hoe beter het de verschillende kwaliteitsniveaus kan onderscheiden. Inmiddels is het systeem, dat draait op deep learning technologie, in staat om 2.600 paprika’s per uur te herkennen. Uiteindelijk moet het systeem meedraaien in het sorteerproces en kan het de mensenhanden daar op termijn vervangen.
Hogere keuringsfrequentie
In maart startte Soheil Jahanshahi met de ontwikkeling van het autonome AI-keuringssysteem. Nu, ruim een jaar later, wordt er druk getest bij ABC Logistics. “Het is moeilijk om alle binnenkomende groenten en fruit te controleren. Er gaat heel wat product per uur over de lopende band. De werknemers - veelal uitzendkrachten – die daaraan de controles uitvoeren moeten behoorlijk getraind zijn om de juiste keuzes te maken. Personeelsverloop zorgt ervoor dat er steeds nieuwe mensen getraind moeten worden. Dat vergt tijd en kost de sector veel geld. Een systeem dat op basis van AI de producten keurt, kan fte besparen en de keuringsfrequentie verhogen.”
Stabiele beoordeling
"Waar de keuzes van mensen foutgevoelig en per persoon verschillend zijn, geeft het systeem continu een stabiele beoordeling. Dit zal ervoor zorgen dat er minder tot bijna geen defects meer naar klanten worden gestuurd. Uiteindelijk bespaart het dus op fte, geeft het een meer stabiele en hogere frequentie kwaliteitscontroles, lagere defectkosten en een beter imago."
Soheil Jahanshahi en Steven Timmers.
Breed toepasbaar
Paprika’s, komkommers, maar ook bloemen. Volgens Soheil zijn de mogelijkheden eindeloos. “We kunnen checken op afwijkende vormen en kleurverschillen, maar ook op grootte en wellicht kunnen we in de toekomst ook kijken naar de binnenkant van het product. We hebben al testen gedaan tijdens de oogst van tomaten, waarbij we keken naar neusrot en steken van insecten. Het is maar net hoe je het systeem traint. Die veelzijdigheid maakt het breed toepasbaar binnen de tuinbouw, AGF, en zelfs daarbuiten.”
Elk gewenst kwaliteitsprofiel
Binnen de tuinbouw- en AGF-sector merkt Steven Timmers, die later aanhaakte bij Mythronics, veel enthousiasme over de mogelijkheden van AI. “Iedereen roept dat het kansen biedt om de sector vooruit te helpen, maar hoe dat concreet moet is niet altijd duidelijk. Daar kunnen wij bij helpen. De slimheid zit hem in de software. Die bevat alle tools om elk gewenst kwaliteitsprofiel te maken (door klant zelf te bepalen). Alle kennis die het systeem door deep learning verzamelt, wordt overigens goed beveiligd. Het gebruik van de software is eenvoudig en de aanschaf is redelijk betaalbaar, waardoor het niet alleen voorbehouden is aan de grote tuinders.” Naast de de kwaliteitskeuring kan de data ook gebruikt worden om analyses uit te voeren, bijvoorbeeld over toekomstige defects in producten.
Trainen en corrigeren
Ook het trainen is niet zo moeilijk als het wellicht klinkt, vertelt Steven. “Dit trainen kan door het bedrijf zelf worden uitgevoerd - hiervoor hoef je geen engineer te zijn. Hoelang die trainingsperiode duurt, hangt af van verschillende factoren. In slechts enkele dagen kan je het systeem al laten meedraaien. Hoe langer het systeem meedraait, hoe betrouwbaarder het wordt en hoe minder fouten het maakt. In de meeste gevallen duurt het trainen een maand, maar als je er flink de vaart achter zet, kan het systeem na twee weken al goed meedraaien in het keuringsproces. Twijfelt het systeem? Dan gaat er een melding naar de kwaliteitsmanager. Het systeem is zelfcorrigerend en zal de steken die het in de begintijd laat vallen, zelf corrigeren. Zo wordt het keuren steeds nauwkeuriger.”
Voor meer informatie:
Mythronics
Molengraaffsingel 12
2629 JD Delft
[email protected]
www.mythronics.com