Robotica in de voedselindustrie: een technologische uitdaging

Hoe kan je robots laten omgaan met natuurlijke variatie in de landbouw- en voedselindustrie? In Perspectief-programma Flexcraft werken universiteiten en bedrijven samen aan slimme robotica-oplossingen. ‘Variatie is voor robots de bottleneck. Geen twee tomaten zijn hetzelfde.’

Werken in de voedingsmiddelenindustrie is niet altijd prettig. In sommige koelcellen is de temperatuur bijvoorbeeld maar net boven het vriespunt, terwijl het in kassen juist heel warm en vochtig kan zijn. Het is vaak eentonig en fysiek veeleisend werk. Levensmiddelenproducenten hebben dan ook moeite om voldoende personeel te vinden. De sector is naarstig op zoek naar robotica-oplossingen om repetitief werk uit te voeren. Denk aan robots die tomaten plukken, kipfilets in een tray leggen of verpakte koekjes in dozen doen.

Maar het vinden van het snijpunt van een tomatentros tussen de bladeren, of het pakken van een zakje chips zonder het te pletten, vergen handelingen waar robots nog grote moeite mee hebben. In veel industriële processen wordt al gebruik gemaakt van robots, maar de land- en tuinbouw en de voedingsindustrie blijven achter vanwege technische uitdagingen. ‘Variatie is de grote bottleneck’, zegt Eldert van Henten, hoogleraar Biosystems Engineering aan Wageningen University and Research. ‘Geen twee tomaten zijn hetzelfde. Robotica werkt prima als handelingen en objecten elke keer hetzelfde zijn. Voedsel heeft echter een enorme variatie in vorm, grootte, kleur en textuur, en dat is een grote uitdaging.

Wereldmodel

Met een groot onderzoeksprogramma waarin vijf universiteiten en veertien bedrijven samenwerken, wil Van Henten de automatisering in de landbouw en voedingsmiddelenindustrie versnellen. Sinds 2019 leidt hij het Perspectief-programma FlexCRAFT . De basis voor het programma is al zo’n tien jaar geleden gelegd, vertelt Van Henten, toen hij contact zocht met de afdeling Werktuigbouwkunde van de Technische Universiteit Eindhoven. ‘Bij Wageningen University kennen we de foodsector heel goed, en zijn we goed in het overdragen van technologie aan de sector. Eindhoven heeft een sterkere technologische basis. Eerdere versies van het programma werden echter door verschillende financiers afgewezen. ‘Destijds vond men het technisch te ambitieus. Maar in 2018 viel het ineens op zijn plek. In de tussentijd is er grote vooruitgang geboekt op het gebied van deep learning, vision, sensoren, algoritmes en besturing in de automotive en medische sector. Daar kunnen we nu op voortbouwen.

Het automatiseren van de voedingsmiddelenindustrie is grotendeels een ICT-uitdaging, zegt Van Henten. ‘Tot vijf jaar geleden werkte robotica in deze sector met een zogeheten single-shot benadering: een robot maakte een opname van zijn omgeving, haalde er relevante informatie uit, plande een beweging met een arm en probeerde iets te pakken, te snijden of te manipuleren. Dat was het. Als de actie niet lukte, had de robot dat vaak niet eens in de gaten. Een nieuw element in FlexCRAFT is “actieve perceptie”, waarmee de robot tijdens de actie voortdurend nieuwe informatie opdoet. ‘Voorheen werd de kennis die was opgedaan met eerdere acties weggegooid. Nu proberen we dat op te slaan in een wiskundig model, een zogenaamd wereldmodel. Een robot leert dan bijvoorbeeld dat niet de bladeren maar de tros tomaten interessant is. Hij slaat de locatie van de tros op en onthoudt die voor latere acties. Het onderzoeksteam werkt ook aan zogeheten voorgeplande bewegingen, zodat algoritmes niet elke beweging van de robot helemaal opnieuw hoeven te berekenen. Door te putten uit een bibliotheek van opgeslagen handelingen gebruikt de robot, net als mensen, een soort spiergeheugen om snel de beste manier te vinden om bijvoorbeeld een koekje op te rapen. Onderzoekers in Delft werken aan het genereren van deze bewegingen voor zo’n bibliotheek, aan de hand van demonstraties van menselijke bewegingen.

Seizoensgebonden producten

Een van de bedrijven die bij het programma betrokken is, is Marel, een fabrikant van machines voor de voedselverwerkende industrie. Het bedrijf wil de verwerking van gevogelte – van het snijden en sorteren tot het verpakken – verder automatiseren. Marel heeft al een grijper gemaakt die in staat is om kipfilets licht op te rollen en in een yin-yang vorm in een tray te leggen. Volgens Allard Martinet, directeur Logistiek en Systeemtechniek bij het bedrijf, zijn seizoensgebonden producten lastiger omdat supermarkten korte levertijden eisen. ‘Als het mooi weer is, wil een supermarkt zo snel mogelijk BBQ-spiesjes hebben. Maar blokjes vlees marineren, aan een spies rijgen en in een bakje leggen is nog allemaal handwerk.’ Marel heeft al machine learning algoritmes in hun machines draaien, maar merkt dat die niet om kunnen gaan met natuurlijke variatie. Het bedrijf is betrokken bij alle onderdelen van het onderzoeksprogramma en heeft een medewerker gestationeerd in Wageningen. Naast optimalisaties hoopt Martinet ook radicaal nieuwe ideeën uit het programma te halen. ‘Wij zijn vooral gericht op onze bestaande grijpers, maar de onderzoekers komen met radicaal nieuwe ideeën, zoals een harpoenvormige grijper. Dat verrast ons en zorgt voor een leuke wisselwerking. We hopen dat het programma een aantal concepten oplevert die we verder kunnen ontwikkelen om een oplossing te bieden voor onze klanten.’

Corona heeft het programma flink gefrustreerd omdat de afgelopen jaren veel fysieke bijeenkomsten werden afgelast. Van Henten: ‘We hebben de lat voor onszelf heel hoog gelegd, want we willen alle onderzoekers op alle deelonderwerpen met elkaar verbinden. Daarom organiseren we elk half jaar hackathon-achtige integratieworkshops, waar we werken aan demonstraties. Robotica is niet alleen een kwestie van programmeren, je moet het ook hands-on doen, ter plekke. Gelukkig gebeurt dat nu eindelijk. De postdocs verbonden aan de drie use cases zijn erin geslaagd om alle onderzoekers uit de verschillende domeinen erbij te betrekken. Er is nu een unieke samenwerking opgebloeid die ik in andere onderzoeksprogramma’s nog niet eerder had meegemaakt.

Bron: www.nwo.nl