Effektiv produktion med AI & ML

30. juni 2025

AI
NVIDIA
Case story

Kan man skabe større effektivitet i moderne fødevareproduktion med AI og Machine Learning? Kan man skabe en monitorering i realtid, som præcist tæller produkterne på produktionslinjen – og som genkender variationer? Uden behov for at skulle træne en AI-model? Det kan man, er dét er netop, hvad vi har opnået sammen med Kohberg Bakery Group.

Ved at kombinere Computer Vision og kraftfulde edge computing-enheder har vi skabt en prisvenlig AI-løsning, målrettet centrale udfordringer i bageriproduktion, og som let integreres i eksisterende industrielle applikationer som Modbus.

Vil du vide mere om vores teknologier til produktoptælling? Tag fat i vores team!

Book et møde med os

Udfordringer i forretningen

Kohberg er Danmarks største – og familieejede – bageri med omkring 500 ansatte og et bredt udvalg af brødprodukter. De deler en stærk passion for godt bagværk, men også for teknologi. Kohberg er konstant opmærksom på løsninger, som følger aktuelle markedstendenser og deres kunder og ansattes ønsker og behov. Denne tilgang gælder også for driften af deres produktion.

Bageriet var særligt interesseret i at bruge AI og Machine Learning til at imødekomme tre nøgleudfordringer:

Upræcis optælling: Målet var en præcis optælling af antallet af færdige produkter, produceret per dag.

Udfordringer med optælling af nye produkter uden behov for oplæring og træning: Målet var at implementere et AI-system til at optælle nye brødvarianter uden behov for manuelle justeringer.

Komplekse konfigurationer og brug af tidligere optællingssystem: Målet var, at det nye AI-system skulle været let at bruge – og være skalérbart.

Selvom, Computer Vision og AI excellerer i at genkende og optælle objekter, som de er blevet trænet i, så er identifikationen af nye objekter og variationer fortsat en udfordring. Kohbergs eksisterende system, baseret på lyssensorer, var i stand til at tælle enheder, men led indgående under at være unøjagtigt. Selskabet var ikke i stand til retvisende at definere den eksakte produktionsvolumen på daglig eller månedlig basis.

Det tidligere system overestimerede optællingen, da det konsekvent fejlagtigt registrerede et produkt, selv hvis en portion dej manglende fra produktionslinjen helt fra start. Det brede sortiment af brødprodukter gør det meget svært for traditionelle optællingssystemer præcist at identificere og optælle hvert enkelte, unikke produkt.

”Før AI og Machine Learning målte vi vores produktion og effektivitet med lyssensorer eller radarer. Lyssensorerne kunne dog ikke skelne mellem bageplader og de enkelte produkter – og radarerne var dyre at programmere. Vi havde også problemer med bageplader med fordybninger. Ydermere, var sensorerne og radarerne pulsbaserede, så mellem lyssensoren og systemet havde vi et IO-modul, som konverterede og overførte pulsudslagene til vores Modbus og TCP. Radaren skulle programmeres for hvert unikke produkt med en fysisk kontakt til at vælge det aktuelle produkt. Hvis kontakten ikke var placeret helt præcist, så optalte systemet ikke”,

fortæller Michael Kjær, Head of IT at Kohberg

Michael Kjær, Head of IT at Kohberg Bakery Group

En AI-baseret optællingsløsning

Vi udviklede en Computer Vision-løsning til at optælle produkterne ved at bruge blot ét enkelt kamera, som dermed var omkostningseffektivt og med et minimalt behov for hardware. Ved at integrere en deep learning-model, baseret på YOLO, opnåede vi præcis produktgenkendelse og -optælling – selv for forskellige typer af brød.

Systemet blev udviklet i et isoleret miljø med henblik på at skabe mulighed for effektiv skallering og håndtering.

Nøglekomponenter i løsningen:

Nvidia Jetson™ Orin NX module

To vandtætte IP-kameraer

En YOLO-model

Løsningen kunne uden problemer integreres ind i selskabets eksisterende Modbus-miljø, hvilket minimerede behovet for brug af andre interfaces. Dette forenklede udrulningen og driften af systemet.

Ved at træne modellen på forskellige typer brød opnåede vi høj præcision og reducerede behovet for menneskelig involvering i optællingsprocessen.

Computer vision-system, der registrerer og tæller brød på et transportbånd med AI hos Kohberg.

Hvordan genkender AI nye produkter i en produktionslinje?

En markant udfordring var at træne systemet til automatisk at identificere nye produkttyper, som ikke var inkluderet i de eksisterende datasæt. Hvis bageriet, for eksempel, ønskede at introducere en sæsonbetonet vare som julebrød, så var der behov for en metode til at få systemet til at genkende disse nye produkter uden yderligere træning.

AI-understøttet produktion: Nemmere, billigere, bedre

Bager- og fødevareindustrien gennemgår i disse år en markant transformation, drevet af regnekraften fra kunstig intelligens. Traditionelle metoder og forældede teknologier, som tidligere blev betragtet som state-of-the-art, bliver nu i stor stil erstattet af AI-løsninger, som skaber ekstraordinære resultater med større effektivitet og færre omkostninger.

”Processen er blevet meget mere simpel for os sammenlignet med før, specielt i forhold til brugen af radarer. Før kunne lyssensorerne kun inspicere toppen af produkterne, og hvis et produkt bevægede sig blot en smule, så krævede det en omprogrammering af systemet – for hvert enkelt produkt. Alt dette er løs nu. Nu ser kameraerne ganske enkelt brødet og ved, hvordan det skal tælles. På samme måde kan systemet nu identificere og tælle forskellige brødprodukter. Ydermere er denne AI-løsning mere omkostningseffektiv end sine forgængere på grund af mindre kompleksitet”,

siger Michael Kjær, Head of IT at Kohberg

”Vores nuværende AI-løsning er billigere end vores tidligere løsninger, fordi vi har reduceret kompleksiteten. Naturligvis er den initiale investering i computeren højere, men kameraerne er ikke dyre. Vi behøver ikke længere at rekonfigurere vores programmer til nye produkter, selv hvis transportbåndet bevæger sig 10 cm til siden, hvilket var et problem før”,
fortæller Michael Kjær, Head of IT at Kohberg

To medarbejdere hos Kohberg inspicerer brød på et transportbånd i et industrielt bagerimiljø.

AI på arbejdspladsen

Indledningsvist var der bekymringer blandt de ansatte omkring brugen af kameraer til monitorering. Men igennem åben kommunikation og transparens blev det forklaret, at kameraerne alene skulle bruges til optælling og kvalitetskontrol – ikke til overvågning.

Dette minimerede bekymringerne og skabte en tillid til teknologien. I dag er de ansatte meget tilfredse med AI-implementeringen, da de daglige tal fra produktionen er præcise, og alle kan stole på dem.

”Folk stolede ikke på de tal, de fik, fordi der var for mange fejl. Det er meget bedre nu”,

tilføjer Michael Kjær, Head of IT at Kohberg.

To medarbejdere arbejder på Kohbergs bageriproduktion og håndterer ingredienser i et industrielt køkkenmiljø.

AI og kvalitetskontrol

Næste skridt for produktioner er implementering af AI til kvalitetskontrol. Dette skaber dog en unik udfordring for bageriet, da det stræber efter at give dets brød et håndlavet udseende, hvilket grundlæggende involverer naturlige variationer af ”bevidste afvigelser.”

For at imødekomme denne udfordring vil vi nu træne AI-modellen til at genkende et spektrum af acceptable variationer inden for den ønskede ”håndlavede” æstetik.

Helt specifikt vil vi definere et tidsrum i produktionen – for eksempel de seneste fem minutter, hvor alle produkter blev vurderet til at være acceptable – og så bruge dette som reference for produktkvalitet i fremtiden.

Systemet bør dermed kunne skelne mellem acceptable og uacceptable variationer i produkternes farver, størrelse og form. Det vil derudover også etablere evnen til at selv-oplære sig og konstant forfinet dets forståelse for acceptabel kvalitet, baseret på de indkomne produktionsdata.

AI-baseret optællingsløsning fra Danoffice IT, der tæller brød på et transportbånd ved hjælp af computer vision hos Kohbergs produktionsanlæg.

Lad AI forbedre jeres produktion

AI til produktoptælling baner vejen for procesoptimering, øget effektivitet og reduktion i omkostninger. Præcise produktionsdata, genereret med AI, skaber bedre planlægning af produktionen, bedre lagerhåndtering og identificerer afvigelser i god tid.

Denne case story highlighter blot ét eksempel på AI’s transformative kraft. Oplev det fulde udbud af vores AI & Machine Learning offerings – designet af os i Danoffice IT til at revolutionere udviklingen i jeres drift og forretning.

Kontakt vores team, hvis du vil vide mere om vores optællingsteknologi.

Book et møde med os