Seit Mai 2024 läuft sie: die erste auf künstlicher Intelligenz basierende Sortiermaschine in einem Schweizer Produktionsbetrieb. Entwickelt speziell für die Walnusssortierung, übertrifft sie herkömmliche, fünfmal größere Anlagen in ihrer Effizienz. Dieser Durchbruch ist das Ergebnis jahrelanger Forschung und Entwicklung, basierend auf semantischer Segmentierung und modernen Deep-Learning-Technologien.

Semantische Segmentierung ist der aktuelle Stand der Technik für die Inline-Sortierung von Lebensmitteln. Dabei wird jedes Bild auf Pixel-Ebene analysiert, um Material zu klassifizieren oder in Gut-Schlecht-Schemata einzuordnen. Neben dem Erkennen von Fehlern bewertet die Technik auch deren Größe und Bedeutung. Nur so lässt sich verhindern, dass winzige, unbedeutende Unregelmäßigkeiten eine ganze Charge fälschlicherweise aussortieren.

Diese Methode ist Standard in der Lebensmittelverarbeitung. Doch die Fortschritte im Deep Learning eröffnen noch weitreichendere Möglichkeiten.

Das Potenzial von Deep-Learning-Lösungen für die Lebensmittelsortierung ist enorm. Wer schon einmal mit entsprechenden Tools gearbeitet hat, kennt die beeindruckenden Fähigkeiten dieser Algorithmen: Sie grenzen Objekte präzise ab und klassifizieren sie zuverlässig. Doch die Umsetzung ist oft komplexer, als es zunächst scheint.

Ein zentraler Aspekt ist die Bildaufnahme. Bei Inline-Prozessen, wie der Walnuss-Sortierung, werden Objekte kontinuierlich auf einem Band transportiert und mit Zeilenkameras erfasst. Während dies für die klassische semantische Segmentierung unproblematisch ist, benötigen neuronale Netze Bilder in Matrixform. Diese müssen in Echtzeit aus dem Bildfluss extrahiert und kalibriert werden eine Herausforderung, die enorme Rechenleistungen erfordert.

Die Entwicklung des neuronalen Netzes für die Sortiermaschine stellte die Ingenieure vor erhebliche Herausforderungen. Anders als klassische Softwarelösungen folgt ein neuronales Netz keinen festen Regeln. Entscheidend für den Erfolg sind hochwertige Ausgangsdaten und viel Zeit.

Für den Prototyp arbeitete das Team eng mit einem Kunden zusammen, um große Mengen Walnüsse manuell zu sortieren und als Referenzdaten zu verwenden. Dabei mussten die Trainingsbilder klar die Fehler zeigen. Schon kleinste Unklarheiten können den Algorithmus verwirren und zu fehlerhaften Strukturen führen mit erheblichen Auswirkungen auf die Sortierqualität.

Nach jahrelanger Entwicklungsarbeit war es im Mai 2023 so weit: Die erste Serienmaschine wurde in der Schweiz in Betrieb genommen. Sie sortiert Walnüsse schneller und präziser als herkömmliche Systeme und markiert einen Meilenstein in der Lebensmittelverarbeitung.

Dieser Erfolg verdeutlicht die Fortschritte, die durch den Einsatz von KI und Deep Learning möglich sind. Die Kombination aus moderner Bildverarbeitung, leistungsstarken Algorithmen und robuster Maschinentechnik zeigt, welches Potenzial in der Automatisierung von Prozessen liegt.

Das Team von Strelen Control Systems aus Büttelborn (Deutschland) und Kreuzlingen (Schweiz) blickt stolz auf diesen Meilenstein und ist bereit für neue Herausforderungen. Denn eines steht fest: Die Reise der KIbasierten Sortiersysteme hat gerade erst begonnen.

Dieser Beitrag ist der Auftakt für das Heft 5-6/2025 von sweets processing. Im nächsten Heft greifen wir intensiv den Einsatz der KI in zahlreichen Bereichen der Wertschöpfungskette auf.