Die künstliche Intelligenz im Dienst der Industrie

Die Firma Bühler hat in Zusammenarbeit mit dem Institut Wirtschaftsinformatik der HES-SO Valais-Wallis einen lernenden Algorithmus zur Steigerung der Effizienz und der Wiederholbarkeit sowie zur Verringerung des Zeitaufwands von Smartphone-basierten Qualitätskontrollmethoden für die Lebensmittelkette entwickelt. Dank des Walliser Know-hows auf dem Gebiet des maschinellen Lernens konnte das Institut einen einmaligen Algorithmus entwerfen, der die menschliche Erfahrung in den Prozess integriert und dadurch eine Vereinheitlichung der industriellen Qualitätskontrolle ermöglicht. 

Reis ist weltweit eines der wichtigsten Getreide und das Grundnahrungsmittel für mehr als die Hälfte der Bevölkerung. Vor dem Vertrieb muss der Reis sortiert und gereinigt werden. Die Firma Bühler ist in über 140 Ländern vertreten und beschäftigt weltweit rund 13‘000  Mitarbeitende. Ihre Kerntechnologien liegen im Bereich der mechanischen und thermischen Verfahrenstechnik. Die optischen Sortierer der SORTEX-Reihe können industrielle Durchsätze von bis zu 20 Tonnen Reis pro Stunde bewältigen und mangelhafte Körner schnell entfernen.

Das Ziel des Anfang 2017 lancierten Projekts bestand darin, Millionen von Reiskörnern automatisch zu analysieren, um die Genauigkeit der Qualitätskontrolle zu verbessern.   

Mensch-Maschine-Lernverfahren zur Verbesserung der Sortierqualität 

Die im Rahmen der ersten Etappe des Projekts entwickelten Algorithmen lieferten mit einer Genauigkeit von 85 % zwar vielversprechende, aber für die Praxis unbrauchbare Resultate. Die Forschenden der HES-SO Valais-Wallis und das Team von Bühler entschieden sich daher für die Integration der menschlichen Erfahrung über einen kontinuierlichen Lernprozess.

Zur Verbesserung der Sortierqualität der Reiskörner wurde das Human-in-the-Loop Konzept angewandt, das interaktives Lernen zwischen Mensch und Maschine ermöglicht. So konnte eine Web App entwickelt werden, mit der neue Bilder hochgeladen, die Sortierleistung kontrolliert und eventuelle Fehler korrigiert werden können. Die Genauigkeit konnte so auf über 99 % erhöht werden.