串鸡肉，配便当，机器人技术赋能日本食品制造行业

目前为止，工业机器人主要用于大型机器的制造工厂。由于高昂的初始成本以及需要大型工厂来构建机器人随附的相关系统的原因，很难仅将工业机器人引入中小型公司。随着IoT和AI技术的引入，机器人在一部分小型的生产场所有望起到了加速工厂自动化和效率的作用。通过将机器人和相关联的系统连接到Internet，可以将每个系统的运行状态收集为数据，从而将其用作确定生产线状态，或快速发现自动化系统中的缺陷。结合AI的机器人可以使用传感器识别产品并按照自己的想法进行操作。本文将围绕制造业中的食品加工部分，解析在不规则的食品，以及数量少种类多等食品，充分利用人工智能与机器人技术来取代传统的人力作业。

作者 | 熊利郎

一 日本机器人市场规模

经济产业省和国家发展研究局的NEDO的机器人市场规模调研显示，2015年的市场规模为1.6兆日元，2020年预计为2.9兆日元。到2035年，包括服务机器人在内的国内机器人市场将增长五倍以上，达到9.7兆日元。根据总部位于德国的国际机器人联合会（IFR）的一份名为“世界机器人：2017年工业机器人”的报告，从2011年到2016年，工业机器人的全球销售额平均每年增长14％。产业机器人的年销量不仅在日本而且还在全球范围内增长。在亚洲和欧洲，机器人都有望成为劳动力成本上涨的替代产品。除了汽车和大型机械制造外，食品业机器人同样吸引了人们的注意，以更少的人力资源产生更高的生产率。本文将着重分析食品业机器人的使用案例和其中涉及到的机器人技术。

二 食品行业常用智能技术

图像识别技术：图像识别让机器人拥有眼睛可以像人类一样看世界。将真实世界中三维物体经由传感器转变为二维的平面图像，再经图像处理，输出该物体的图像。图像识别对光线的依赖性很强，往往需要好的照明条件，以便获取物体最清晰的图像。在不同的传送带上，由于工厂的场地限制导致了光照条件与实验室的不同，会影响机器人识别的准确率。

云计算技术：云计算技术能将产业线上的不同类型机器人进行连接，统一提供算力，统一控制不同类型机器人的运行效率以达到机器人相互间可以协同作业和负载均衡。云计算技术也能实时监控不同机器人的数据来分析机器人的运行状态，以降低产业线停摆的风险和损失。

传感器技术：传感器能够感受温度，红外线，传送带转速等多种数据，将数据汇总后处理，得到当前产业线的状态，并根据预先设定的解决方案进行下一步处理。在流水线上，更多用于探测流水线的状态，以便机器人能与流水线更好的配合。

三 机器人技术在日本食品行业的应用分布

四 机器人在日本食品行业应用案例

食物前加工解决方案：烤鸡肉串等食品由于产品数量少，种类繁多，其加工要符合产品标准，需要熟练的工人通过目测检查重量，形状等来进行判断，有很多手人工参与的过程。Cosmojapan株式会社提供的机器人系统中，使用摄像机通过对拍摄的图像处理，瞬时计算出肉和大葱的最佳组合，通过穿刺机将匹配的结果进行穿刺，实现了每3秒可完成一串烤鸡肉串。。

包装分离解决方案：机器人可以自动更换附着在蛋糕上的模具，由于模具比较薄，缺乏刚性以及容易被静电充电等物理特性，因此难以操作，需要在不破坏蛋糕结构的前提下完成这部分的更换工作。福陵技研有限公司通过使用非常灵活的六轴机器人，并将其与一只独特的机械手相结合来实现自动化。在保持产量不变的情况下，将原9人的工作削减为6人。

流水线产品自动整理方案：Centralpack株式会社提供的并行链接型机器人，能搭配图像处理技术的高性能相机的结合，使得检测流水线上的食品包装袋成为可能。将流水线上各个方向的食品包装袋整理为同一方向，同一顺序的整齐排列，有助于后续的分类，贴标签，装箱等操作。此机器人可将整个工序所需的6人缩减为2人，降低66%的人力成本。

智能洗碗解决方案：根据形状，颜色和大小来区分餐具，图像处理需要大量的工时才能识别一种餐具。如果将商店中使用的不同种类的餐具都准确识别是比较困难的。吉野家公司通过在餐具上粘贴和烘烤特殊标记，将用于洗碗机器人识别的区域扩大了大约四倍，减少了2/3的图像识别时间，同时餐具的摆放也无需特殊处理。

自动贴标签解决方案：冷冻产品解冻后的有效期标签工作，由于交货时间该工作在午夜进行，因此很难确保工人的安全。同时涉及的工人多，所有食品都准确贴标签的风险高。TAKAKI BAKERY株式会社提供的并行链接机器人，可自动将标签粘贴在盒子中，而另一类协作机器人服装运输和传递箱子和食品袋，两类机器人协同作业构建一条自动生产线。将45人时的工作量削减为18人时，提高了2.5倍的工作效率。

五 机器人技术在食品行业的局限性

机器人应用垂直：单一简单的机器人可用于处理单一类型的任务。根据某一需求制定的机器人需要定制化开发，开发后的产品无法普及到其他流水线中，机器人制造的垂直化导致产品的成本难以因为规模扩大而降低。

食品行业数据的缺乏：即使是简单的食品分类，也需要在训练阶段采集大量的数据并进行人工标记，否则机器人在识别率上无法达到食品生产线良品率的标准。初期搭建AI机器人所需的数据采集和标记成本高昂，限制了机器人的使用场景。

六 机器人技术在食品行业的发展趋势

机械小型化：使用诸如软机器人技术和新的制造方法，将机械手用新材料代替，创造出更加灵活可操纵的机械手臂供AI进行操作，以便完成目前传统机械手臂无法施展的动作。用更小更灵活的机器人代替人力，完成机械重复的流水线工作任务。

机械柔性化：深度学习改变了机器识别物体的能力，能够在工作过程中学习。但食品行业的数据量，尤其是针对中小规模的流水线作业。每条产业线均需要训练不同AI，所需要的数据采集时间长，难以达到深度学习所需要的庞大数据量，这需要让AI能够从有限的、少量的数据中快速学习。