Erstatter manuell kylling-kontroll med kunstig intelligens

Tre ansatte må til enhver tid bemanne den lovpålagte båndkontrollen når kyllingproduksjonen går for fullt hos Norsk Kylling. I rasende fart skal hver person sjekke 4500 kyllinger i timen. Det betyr at de har litt over ett sekund på hvert dyr.

På denne tiden skal de vurdere om slaktedyret har maskinskader og om skrott eller innvoller viser tegn til sykdom.

– Du kan tenke deg selv at det er slitsomt å stå 45 minutter i strekk og studere og vurdere kyllinger som fyker forbi øynene dine. Særlig mot slutten av dagen. En KI-løsning vil kunne vurdere hver eneste kylling nøye dagen lang uten pauser, sier Edmund Landrø, som leder dette KI-prosjektet hos Norsk Kylling i Orkanger.

For knapt to år siden begynte de å sondere markedet på jakt etter teknologi som både kunne gi økt produktivitet, redusere svinn i produksjonen og gjøre arbeidshverdagen enklere.

– Vi fant ingen produkter på markedet. Når løsningen ikke finnes, må vi lage den selv, sier Landrø.

Nå er Norsk Kylling en av seks nominerte til Norwegian Tech Award for sin KI-satsing.

– Å bli nominert er veldig inspirerende og en sterk anerkjennelse av at det er mulig å kombinere ny teknologi med tydelige krav til dyrevelferd, kvalitet og arbeidsmiljø. Vi har en visjon om å skape verdens beste næringsmiddelverdikjede. Da må vi ta i bruk de beste verktøyene som finnes, sier administrerende direktør Hilde Talseth i Norsk Kylling.

Halvautonom først

Det første de gjorde, var å knytte til seg samarbeidspartnere.

De kom i kontakt med IHFood i Danmark, som hadde gjort flere tester med maskinlæring og bildeprosessering for å oppdage variasjoner i organiske materialer. Ved å kombinere deres kamerateknologi og programvare med nederlandske Meyns slaktelinje-løsninger, kunne de sette opp en testløsning med bistand fra Animalia og Mattilsynet.

Siden i fjor har de samarbeidet med Sintef for å videreutvikle og tilpasse systemet til egne behov. Crayon utvikler annoteringsverktøyene og KI-algoritmene.

Foreløpig åpner ikke EUs regelverk for fullautonom båndkontroll, så i første omgang vil Norsk Kylling sette opp en KI-assistert, halvautonom linje.

Veterinærene har dokumentert 16 ulike typer avvik som skal føre til nedklassifisering av kyllingene. De som ikke får grønt lys av KI-kontrollen, må derfor plukkes ut til manuell kontroll.

For å få til dette har kyllingprodusenten måttet utvikle en egen maskin til Meyn-produksjonslinja som separerer mulig skadet eller syk kylling fra de friske, og sender disse til en egen kontrollstasjon.

– Mindre enn 1 prosent av kyllingen vår blir nedklassifisert. Den største utfordringen nå er derfor å samle inn tilstrekkelig med bilder, særlig når det kommer til de relativt sjeldne avvikene som KI-systemet skal kunne oppdage. Vi må sikre at algoritmene treffer riktig hver gang. Før løsningen kan godkjennes, er målet at vi skal være 99,9 prosent sikre på at kyllingene KI-løsningen vurderer som godkjente, faktisk er det, sier teknisk sjef Ulf Jensen.

Testing og verifisering

Til tross for høy produksjon er det mangel på bildedata. Selskapet har utviklet én algoritme for friske kyllinger og én for å identifisere avvik, der også de ulike avvikstypene klassifiseres.

Selv om de har lagret bilder i en Microsoft Azure-basert skyløsning i over et halvt år, mangler de fortsatt et tilstrekkelig representativt datagrunnlag for de sjeldneste tilstandene, som for eksempel hjertefeil.

– Å kunne vite med sikkerhet hva som feiler de få kyllingene vi ikke kan sende videre i verdikjeden, er en stor fordel for oss. På sikt er målet å kunne gi en enda mer detaljert rapport til bøndene, sier Jensen.

Foreløpig er det bare innledende testing de holder på med. De manuelle kontrollørene står fortsatt ved båndet, men de går også gjennom bildene kameraene tar, for å bidra til best mulig annotering slik at algoritmene blir treffsikre.

I løpet av de neste månedene fortsetter testingen og verifiseringen for fullt, for å sikre at løsningen møter alle krav. Målet er at algoritmene på sikt skal kunne ta seg av det meste av båndkontrollen ved den fem år gamle fabrikken, som selskapet under bygging omtalte som «et av verdens mest energismarte produksjonsanlegg for næringsmidler».

Nå produserer de 250 MWh solenergi og 18 GWh fjernvarme i året. I tillegg til over 25.000 tonn kylling.

– Jeg har ikke sett at så mange bruker KI så tungt inn i en produksjonslinje som det vi gjør. Når vi er trygge på løsningen vi utvikler nå, og vet at den er pålitelig og tilfredsstiller våre strenge krav, håper vi også å kunne dele det vi utvikler med andre i industrien, sier Jensen.

Tre systemer – én chatbot

Dette er likevel ikke det eneste egget de har i KI-kurven.

I to år har de jobbet med et pilotprosjekt for bedre produksjonsplanlegging med bruk av maskinlæring og kunstig intelligens. Målet er at hele verdikjeden i større grad skal produsere riktig vare til riktig tid, og på den måten minimere svinn i alle ledd. Helt fra produksjon til butikk. Denne løsningen videreutvikles fortsatt i samarbeid med Rema Distribusjon.

I januar innledet de et samarbeid med det Lysaker-baserte oppstartsselskapet Digel, som spesialiserer seg på KI-løsninger for produksjonsbedrifter. KI-løsningen hjelper Norsk Kylling med å samle og strukturere all FDV-dokumentasjon, som omfatter rundt 7500 dokumenter.

I tillegg analyserer KI-roboten omtrent 88.000 arbeidsordrer og 7300 registrerte reservedeler som er opprettet siden fabrikken åpnet i 2021.

Løsningen henter også inn data fra flere systemer, blant annet reservedelsdatabasen og Scada-systemet, som inneholder sensordata fra totalt 22.000 sensorer, inkludert informasjon om temperatur, volum og andre produksjonsparametere.

– Vi satt på alle disse dataene, men det var vanskelig å bruke dem til noe som ga oss verdi. Digel har bidratt til å strukturere dataene og utviklet en chatbot som gjør at vi kan spørre i alle tre systemer samtidig, sier Jensen.

Dette bruker de for eksempel til å lage skiftrapporter, som både informerer om produksjonen fra forrige skift og hovedoppgaver til neste skift – for eksempel om det er et tett filter som må byttes, og hvor denne reservedelen befinner seg.

– KI-algoritmen vet hva vi har, og systemet setter alt i kontekst, inkludert støttesystemer. Alt samles i vårt Azure datavarehus, hvor vi har data både oppstrøms og nedstrøms. Totalt gir dette oss enorme besparelser, sier prosjektleder Landrø.

Ulf Jensen sier at de ikke hadde klart dette uten gode partnere, men at det i seg selv ikke er det viktigste:

– Vi bygger dette sammen, og svært mange bidrar internt. Ideen oppsto her hos oss, og det er ingen tvil om at de ansatte ser verdien av løsningen vi utvikler. Vi mener dette er teknologi som på sikt kan ha stor betydning for industrien, ikke bare for Norsk Kylling.