Innovative and Flexible Food Processing Technology in Norway

iProcess har vært et stort og tverrfaglig forskningsprosjekt. Det satte søkelys på å utvikle nyskapende, fleksible automasjonskonsepter for bearbeiding av mat og forretningsmodeller for å gjøre norsk matforedlingsindustri mer bærekraftig. iProcess har skapt ny kunnskap og teknologikonsepter innen forskningsområder som 3D maskinsyn, robotsyn, robotlæring, fleksibel robotautomasjon, maskinlæring, stordata (Big Data), spektroskopiske sensorer og røntgenavbildning. Dette gir maskinen eller roboten "øyne", "hjerne" og "hender" slik at de klarer å utføre avansert håndtering av mat som fram til i dag kun har blitt gjort manuelt av operatører. I dag går dessverre en del av råstoffet tapt på grunn av at dagens matprosesseringsutstyr ikke klarer å håndtere den biologiske variasjonen i fisk, kylling, skrotter, frukt, grønsaker eller melkeprodukter godt nok. For å kunne håndtere små volumer kombinert med stor biologisk variasjon har iProcess utviklet nyskapende konsepter for fleksibelt og automatisert prosesseringsutstyr, analytiske prosessteknologier og informasjonsflythåndtering. Gjennom teknikker som 3D maskinsyn, spektroskopiske sensorer og røntgenavbildning fra online målinger i industrien, kombinert med muligheter som ligger i stordata (Big Data), har iProcess-prosjektet utviklet innovative metoder for ekstern og intern karakterisering av råmaterialet som ligger langt foran dagens forskningsfront (State of the art). Dersom disse metodene utnyttes kan man sikre seg at råmaterialet blir prosessert sikkert og effektivt med individuelle tilpasninger. Dette gir en optimalisering av kvalitet og utnyttelsesgrad for sluttproduktet. iProcess-prosjektet har brukt datasettene for å utforske nye maskinlæringsparadigmer, inkludert dyp læring (deep learning), for å skreddersy og optimalisere algoritmene til bruk i matforedlingsindustrien. Dette har resultert i en form for "datahjerne" som kan analysere og forutsi store mengder av sensoriske data, både visuelle og andre, for å forbedre gjenkjenning og 3D-plasseringen av råmaterialets komponenter. Inspirert av måten mennesker kombinerer visuelle og taktile sanser, og menneskets evnet til å lære nye og kompliserte oppgaver, har iProcess-prosjektet utviklet mange tilnærminger som gir en detaljert 3D-deformasjonssporing av objekter når de håndteres av en robot. Slik sporing er basert på fargebilde (RGB) og dybde (D) data, visuell selvforsterkende gripeoppgaver av matojekter, 3D-rekonstruering av et objekt, aktivt maskinsyn, samt å gjenskape formen til et objekt basert på et begrenset antall synspunkter. Dette prosjektet har også utviklet en kombinasjon av visuell (RGB-D) informasjon for å estimere posisjon, og taktil sensorikk for å forutsi hvilken kraft som trengs for å gripe et mykt og skjørt objekt med en robot, i tillegg til kontroll på tilbakemeldinger på hvordan robotgriperens krefter påvirker objektet som roboten håndterer. De teknikkene og metodene som informasjonsflyt tar i bruk for å bli robotens "hjerne" kan også brukes for å optimalisere kommunikasjon mellom råvareleverandører og matforedlingsindustrien med det mål for øyet å synkronisere etterspørsel og produksjon. Dette vil hjelpe oss med å ta vare på ressursene, og informasjonen i sin helhet vil øke gjennomsiktigheten i verdikjeden og fremme utviklingen av innovative måter å utnytte råvarer og redusere matsvinn. Samfunnsmessige og bioøkonomiske endringer vil imidlertid ikke skje med teknologiske fremskritt alene. Av denne grunn har iProcess viet mye forskning til verdikjedestrategier og forretningsmodeller med sikte på å maksimere de positive samfunnsmessige, økonomiske og miljømessige fordelene med sine fleksible prosesseringsteknologikonsepter. Når maskinens og robotens "øyne", "hjerne" og "hender" arbeider sammen forventes økt automatisering og dermed at produktivitetsnivået øker. Volumene av tapt av mat forventes å avta, sektorens lønnsomhet vil øke og på denne måten sikre fortsatt verdiskaping fra norsk matforedlingsindustri. Resultatene presentert i denne rapporten representerer iProcess sitt bidrag til en grønn overgang i norsk næringsmiddelindustri, og til en mer lønnsom og bærekraftig biobasert sektor.

Outcomes: 1) Project results integrating interdisciplinary knowledge from different disciplines such as robotic automation, artificial intelligence, internal and external sensor-based characterization, models for information flow management, knowledge from business models and barriers to overcome in order to increase the degree of automation in the Norwegian food processing industry. 2) Selection of relevant cases for the industrial partners and addressing these cases during the research in project and developing knowledge with industrial relevance. Scientific impact: Generated new knowledge in the form of more than 20 peer-reviewed published scientific papers in the field of robot vision, robot learning, sensor-based quality characterization, information flow management. Industrial and technological impact: Novel robotic automation technology, novel sensor-based technology, and information flow management models that may improve raw material use and reduce food loss.

iProcess's main objective is to develop novel concepts and methods for flexible and sustainable food processing in Norway - that can cope with small volumes and high biological variation of the existing raw materials - to enable increased raw material utilization for food products and to increase profitability. This will enable the Norwegian food industry to important challenges regarding increased sustainability and reduction of loss (edible)/waste (inedible) in a lifecycle context. iProcess innovations: flexible processing based on automation for better processing and use of raw material, process analytical technology for process control, visual guidance of robot for adaptive processing, dedicated multifunctional and dexterous grippers challenging processing operation, 3D CAD anatomical models based on X-ray CT imaging and image processing, optimal data capture and information management tailored to food industry, business models and value chain strategies to increase profitability, rapid methods for raw material differentiation based on VIS/NIR spectral range), optimal algorithms for data interpretation based on Big Data. The innovations are complementary and will enable a broad set of innovative processing methods for differentiation, flexible processing, data capture and information management and analyzing the socio-economic/environmental effects of these innovations. The consortium includes leading national and international partners (SINTEF FA, Nofima, NMBU, UiS-IRIS, NTNU, SINTEF RM, KU Leuven, INRIA, DTU), 5 leading user partners (Nortura, Norilia, Norway Seafoods, BAMA Gruppen AS, Produsentpakkeriet AS), 2 leading dissemination companies (Røe, TYD), 1 leading company specialized for solutions in food processing industry (Dynatec AS), 1 company for and information management (HRAFN) and 1 leading company for Process Analytical Technology and VIS/NIR measurement (Prediktor AS). The project duration will be 48 months, with a cost budget of 38,1 MNOK.