Nye målemetoder til kødindustrien - AP3 Screening og test af ny måleteknologi

Det vigtigste nye output er, at der er blevet arbejdet videre med nogle af de cases, der tidligere er defineret som potentielle kandidater. Det drejer sig bl.a. om styring og kontrol af en robot til automatisk og effektiv fjernelse af fx gødning, eller styring af operationer, hvor beslutninger skal tages løbende. Metoden bygger på at identificere og træffe beslutning om ”den optimale vej” ved brug af reinforcement learning, der er en metode, som er velegnet i situationer, hvor det er svært at generere et solidt datasæt.

Sikkerheden i de reference-data, der anvendes til træning af modellerne, er essentiel for at kunne udvikle robuste og præcise modeller. Nye metoder til at kontrollere og verificere data har stor værdi. Disse metoder er tidligere blevet implementeret og testet til klassificering, og resultaterne er meget lovende, da præcisionen har vist sig at kunne øges.

Den næste store aktivitet i projektet er at få afsluttet de forskellige rapporter og dokumentere projektet i en slutrapport.

Det vigtigste nye output er, at mulighederne med Reinforcement Learning (RL) og anvendelsen indenfor branchen er kortlagt i en state-of-the-art rapport. Der har været fokus på, hvordan andre industrier anvender RL bl.a. gennem deltagelse i en stor online-konference om anvendelsen af kunstig intelligens nu og i fremtiden. Konkret har der været set på to forskellige måleteknologier og metoder til kontrol af materiale (juletræer) på slagterierne. Disse metoder anvender almindelige farve-kameraer og/eller dybdekamera.

Den næste store aktivitet i projektet er, at der skal arbejdes videre med nogle af de cases, der tidligere er defineret som potentielle kandidater. Dette inkluderer bl.a. udsortering af produkter i kølerum, robot til automatisk fjernelse af gødning samt generering af simuleret data til træning af neurale netværk.

Det vigtigste nye output er en state-of-the-art rapport over anvendelsesmuligheder af Reinforcement Learning (RL), som er en type af Kunstig Intelligens med fokus på udvikling af selvlærende algoritmer.

Der har været afholdt en intern workshop til valg af potentielle cases samt undersøgt nye metoder fra andre brancher og anvendelsesområder. Mulige anvendelser af RL inkluderer bl.a. udsortering af produkter i kølerum, robot til automatisk fjernelse af gødning samt generering af simuleret data til træning af neurale netværk.

Den næste store aktivitet i projektet er at udarbejde en domænebeskrivelse for udsortering i kølerum som en case til anvendelse af RL. Udover dette vil der også blive udarbejdet en case beskrivelse af RL til robotstyring af et dampsug.

Det vigtigste nye output er udvælgelse af projektets første case. Her er valgt anvendelse af Reinforcement Learning (RL) til forudsigelse af styringsparametre til automatiseringsprocesser. Idéen bag denne case er at bruge RL til at optimere processer, hvor det ikke umiddelbart er muligt ud fra traditionelle algoritmer.