Augmented Cellular Meat Production (ACMP) - AP 1 og AP 2

Det vigtigste nye output er, at metode, proces og forsøg for fælles demonstration af tilskæring og trimning af 1882 brystflæsk er gennemført hos ekstern virksomhed. Procesforløbet viste de nøglekomponenter, som skal optimeres, før konceptet kan afprøves af virksomhedens personale. Varierende lysindfald samt robust kalibrering af den benyttede projektor er de væsentligste faktorer, der skal forbedres. Ligeledes skal den benyttede farvelægning og lysstyrke tilpasses den konkrete arbejdsplads. Dataintegration mellem CT skanneren og DynaCQ fungerede fint, da begge systemer er målfaste, men udfordringerne viser sig ved ønsket om fleksibel arbejdsposition af hensyn til EGA belastningen (Ensidigt, Gentaget Arbejde), og kravet om målfast formidling af skæremønstre samt trimmepositioner og –dybder. Den demonstrerede procedure er dokumenteret på DMRI’s konference om fremtidens fødevareproduktion og kan ses nedenfor.

De erkendte optimeringsbehov vil være fokusområder for aktiviteterne i det kommende år, herunder fastlæggelse af den optimale omsætning af lokal fedttykkelse (fedtfrakken) til en farveskala, som operatøren kan benytte som vejledning til hvor og hvor dybt, der skal trimmes.

Den selvlærende algoritme havde oprindeligt været planlagt til at skulle udvikles ud fra billeder af brystflæsk, men erkendelsen i projektet er, at det er for vanskeligt at definere en korrekt kvalitet på et stykke brystflæsk, da det vurderes på mange parametre. Derfor er der valgt at benytte afskæring af fortå som eksempel på procesovervågning og automatisk bedømmelse af kvalitet. I modsætning til brystflæsk er fejlmulighederne færre og den optimale afklipning af tåen ret veldefineret. De første billeder er optaget, og der planlægges på denne baggrund en fornyet optagelse med tilhørende bedømmelse i 2021.

Den næste store aktivitet i projektet er at fastlægge farveskalaen for fedtfrakken og gentage demonstrationen med erfarne operatører.

Den anden kommende aktivitet er at optage billeder og træne en model til automatisk bedømmelse af kvalitet.

Det vigtigste nye output er, at metode, proces og forsøg for udvikling af selvlærende algoritme for proceskontrol er fastlagt. Målet er at udvikle et system eller en algoritme, der kan overvåge, at en robot eller et udstyr udfører en given proces korrekt og i den rigtige kvalitet.

Systemet udvikles i første udgave på en proces, som er nem og entydig at vurdere om er udført korrekt. Processen er afklipning af fortå, som enten kan være udført korrekt, eller hvor fortåen er klippet for kort eller for langt. Fortåafklipningen er en del af processerne i WP3.

I praksis tages der billeder af skankeknoglen, efter at fortåen er klippet af, og ud fra disse billeder kan det afgøres, hvor klippet er sket.

Algoritmen trænes til at genkende de forskellige udfald af afklipningen, så hvis der f.eks. er en tendens til, at fortåen klippes for kort kan klippestedet automatisk korrigeres.

Den selvlærende algoritme havde oprindeligt været planlagt til at skulle udvikles ud fra billeder af brystflæsk, men erkendelsen i projektet er, at det er for vanskeligt at definere en korrekt kvalitet på et stykke brystflæsk, da det vurderes på mange parametre. Bedømmelsen af brystflæsk ville således tage for mange ressourcer i forhold til det primære, som er at udvikle en algoritme, der er generisk og dermed mulig at videreudvikle til at overvåge eller styre andre processer.

Den næste store aktivitet i arbejdspakken er i første omgang at optage de data, der skal ligge til grund for udviklingen af den selvlærende algoritme samt manuelt vurdere kvaliteten af tåafklipningen og træne algoritmen på billederne med den tilhørende vurdering.

Anden store aktivitet er at gennemføre en demonstration i robotcellen på bearbejdning af brystflæsk samt demonstrere samarbejde mellem en robot og en operatør.

Det vigtigste nye output er, at der er udført test i en robotopstilling, hvor samarbejde mellem en robot og mennesker er undersøgt. Testen efterligner en robot og et menneskes samarbejde om at bearbejde et stykke kød på forskellige måder. F.eks. om robot og menneske skiftes til at arbejde på kødstykket, eller de gør det samtidigt, samt om arbejdsområderne overlapper eller ikke.
Eksperimentet viste, at forsøgspersonerne reagerede meget ens på uventede bevægelser af robotten. Den viden kan bruges, hvis man på et slagteri vil lave et udstyr eller en proces, hvor en robot og en operatør arbejder sammen. Det kan være en situation, hvor robotten overtager det tunge løftearbejde fra operatøren, så operatøren kun skal tage sig af f.eks. skæreprocesserne.
Den måde at samarbejde mellem robot og menneske støttes op af et andet eksperiment, hvor en robot tilpassede sig forskellige menneskers fysik, så f.eks. et kødstykke, der skal bearbejdes af en operatør, præsenteres i den rigtige højde og position. Operatøren og operatørens bevægelser optages med et kamera, og algoritmer beregner positionen af led, ben- og armlængder, hvorfra robotten får information om, hvordan kødstykket skal præsenteres.
Herved er det muligt både at give operatøren den bedste arbejdsstilling men også at variere arbejdsstillingen, så den ensidigt gentagede arbejdsmængde reduceres.

Opsamling af data for opstilling af korrekt produktkvalitet for brystflæsk af typen 1882 er i fuld gang. Der er optaget de første ca. 4000 billeder i et produktionsmiljø, og indsatsen med at designe et næsten autonomt optagesystem er en succes.

Operatørerne på slagteriet kan selv håndtere optagesystemet uden, at det hindrer den normale produktionsrutine og kapacitet. De erhvervede data vil blive brugt til at træne et neuralt netværk, og den resulterende algoritme vil blive valideret på flere billeder af 1882 brystflæsk.

Arbejdet med trimning og tilskæring af brystflæsk er gået videre til næste fase. Et mindre parti brystflæsk er CT scannet for at få de præcise detaljer om fedtlagets tykkelse. Den rumlige fordeling af fedttykkelsen under huden konverteres til en farveskala, der præsenteres på brystflæskets overflade vha. en projektor. Operatøren tilskærer og trimmer brystflæsket ud fra den information, som projektoren viser på brystflæskets overflade.

Trimmekniven giver feedback mht. tykkelsen af fedtet, der skæres af, således at informationen på brystflæsket opdateres løbende, hvilket hjælper operatøren til at opnå et ensartet fedtlag på hele brystflæsket.