ニュージーランドのフレッシュコ（Freshco／Fresh Fruit Company of New Zealand）は、トムラ（TOMRA）のルカイ（LUCAi）深層学習を、既存のスペクトリム（Spectrim）画像で見る選別（ビジョン選別）に載せ、りんごの軸周りの割れと刺し傷を等級しています。
フレッシュプラザ（FreshPlaza）が2024年7月10日付で報じ、ソースはトムラ・フードです。フード・アンド・ドリンク・ビジネス（Food & Drink Business）も同月22日付で伝えています。技術・機械担当はロビン・マッジウェイ（Robin Mudgway）、トムラ・フードの応用エンジニア（上級応用エンジニア）はグレン・カウンズ（Glen Kaunds）です。
フレッシュコは1989年創業で、拠点はオークランド（Auckland）です。りんごや野菜を輸出し、果樹園、パッキングハウス、保冷庫、拠点を国内の主な産地に持っています。
既存のスペクトリムへ、ルカイのアップグレードを載せました。ルカイには、世界各地のトムラ機械から集めたデータで事前学習し、トムラのデータ担当チーム（データサイエンスチーム）がラベル付けした深層学習モデルが含まれます。
スペクトリムは毎秒数千枚の高解像度で、複数の見え方の画像（多チャネル）をモデルと照合し、等級を決めます。軸周りの割れ（軸割れ）や刺し傷など、扱いの難しい欠点も、複数品種で検出・分類できます。
マッジウェイのコメントでは、主な欠点は軸の周りにあります。軸周りの割れは取りづらく、割れと刺し傷の調整にずっと時間を取られていました。
ルカイではトムラからモデルを受け取り、厳しさと確からしさ（確信度）を自社で入れます。ロイヤル・ガラ（Royal Gala）とブリーズ（Breeze）は割れが多く出ますが、制御が楽になり、以前のように生産が落ちません。パッキングハウス内の処理量も保てます。
新しい操作画面では、等級の変更が何％動いたかが見え、追跡しやすくなっています。
カウンズのコメントでは、ガラ用の軸割れ・刺し傷モデルを、同じ欠点を持つ別品種へ移しても、再調整なしで動きます。
季節や市場の好みに合わせて、等級の厳しさをオペレーターが変えやすくなりました。以前はこの調整に熟練が必要でした。
| 公表されている説明 | こちらで確認できていないこと |
|---|---|
| フレッシュコは1989年創業。オークランド拠点。果樹園・パッキング・保冷・拠点を国内各地に持つ（フレッシュプラザ／トムラ） | 取扱量・売上の第三者監査 |
| 既存スペクトリムへルカイ深層学習を実装 | 導入契約日・レーン数の独立記録 |
| 世界各地データで事前学習したモデル。毎秒数千枚の複数見え方の画像（多チャネル）で等級 | 学習データ件数・ラベル基準の公開表 |
| 軸割れ・刺し傷を複数品種で検出・分類 | 欠点種別ごとの検出率・誤検出率の監査 |
| マッジウェイ: 厳しさ・確からしさ（確信度）を自社で入れる。ガラ／ブリーズで生産が落ちない | 導入前後の処理量・歩留まりの第三者比較 |
| カウンズ: 品種切替で再調整不要。厳しさ調整が容易（記事地の文） | 「再調整不要」の適用品種一覧 |
ナッツの見た目等級、生花の出荷そろえ、卵のひび、菓子・惣菜の微小欠点、木材の表面欠点など、部位が決まっているのに見た目の差が小さく、等級調整に時間がかかる現場があります。既存の画像選別に深層学習を載せ、現場の厳しさだけを足して使い回します。
等級の厳しさはオペレーターが握ります。
