NVIDIA的电脑视觉如何帮助Winnow解决食物垃圾

Winnow是一家为饮食机提供监控食物垃圾的方式，开发了一种新的系统，它使用了NVIDIA技术的计算机视觉。

每年全球生产的食物中的约三分之一的食物都浪费了浪费。这相当于13亿吨。

在酒店部门，每年近1000亿美元的食物被抛弃，因为厨房员工经常需要满足一位未知的客人。由于他们不能毫无准备，在许多情况下，他们最终准备了太多的饭菜，以及所有额外的未使用的成分最终在垃圾箱里。

Winnow一直在提供一个系统，以帮助厨房员工跟踪食物垃圾，因为它于2012年成立。它估计它已经帮助商业厨房在年度食品成本中节省超过30米。这相当于防止超过2300万顿饭。

Winnow联合创始人兼首席执行官Marc Zornes表示，该公司最初想要使用电脑愿景，但2012年，当建立时，该技术在繁忙的餐饮环境中没有准备好，这通常缺乏良好的网络连接。“2012年，有局限性，”他说。“算法尚未存在，厨房往往具有差别互联网连接，并且是繁忙的地方。”

该公司的原始食品废物监测系统涉及一个智能垃圾箱，称为抛弃的一切，结合触摸屏，餐饮人员确定了被抛弃的食品。

它现在已经更新了该系统。“大约两年前，我们开始使用计算机愿景来捕捉数据上被抛弃的数据，”Zornes说。“我们有一台展望垃圾桶的相机，每次被扔掉的东西都拍照。”

该系统称为Winnow Vision，涉及一套数字称重秤，坐落在标准厨房箱顶部。安装在上面，这是一个相机和嵌入式系统，其中模块上包含NVIDIA Jetson TX2超级计算机。该模块将由摄像机捕获的图像以及由尺度记录的重量，并确定被抛出的内容和何种数量。

“嵌入式芯片实时运行计算机视觉，”Zornes说。“当我将食物投入到垃圾箱中时，系统拍摄照片，那么AI的管道将与该照片一起运行。”

结果是鉴定食物成分刚刚被抛弃的食物。“这通过触摸屏界面向客户浮出水面，”他说。

为了确定系统可能遇到的各种食物，需要大量的培训数据 - 每种食物最多可达1,000张图像。

计算机视觉算法，在NVIDIA Jetson TX2嵌入式系统上运行，使用神经网络与它已经知道的食物垃圾丢弃的食物。如果系统无法正确识别被抛弃的内容，厨房的工作人员可以使用箱上方的触摸屏手动进入食品废物类型。

这提供了一种机器学习反馈循环。输入的数据被整理并异步地发送到AWS公共云，其中NVIDIA V100Graphics处理UnileRunning TensorFlow在云中用于更新机器学习模型。

上传到云的数据也用于为客户提供报告，可以与厨房员工共享。报告详细信息和被抛出的食物类型，以及厨房如何减少浪费的建议。

该公司索赔Winnow Vision已经超过人类的准确性水平，有超过80％的食物垃圾正确识别。随着收集更多数据，这将随时间增加。

据Zornes表示，识别食物废物是机器学习算法的复杂问题。Winnow咨询帝国学院的团队帮助它开发Zornes描述为“生物启发”机器学习算法。

该系统已安装在超过75个厨房，WinNow计划在未来几年推出该技术到数千次。它表示，宜家和Emaar是在厨房中实施Winnow Vision的公司之一。

集中监测这些系统是Zornes表示该公司必须克服的问题之一。“我们所拥有的挑战是，当您运行嵌入式系统时，您如何知道所有系统都是最新的？AWS并不符合我们的需求，因此我们编写了自己的自定义代码来获取Winnow Vision Systems中的正确遥测，“他说。