标签：规则 mamicode 范围 未来 转化 收获 数据处理 计算机视觉 成本
https://mp.weixin.qq.com/s/a9cmV8-Vn78Lvz6kEF7T2gBy 超神经
场景描述：通过在厨房管理中，加入数据分析，计算机视觉等技术，一家叫 Winnow 的公司，帮助酒店企业减少在生产过程中的食物浪费，节省开支，杜绝浪费。
关键词：计算机视觉 食材规划 也许是这个时代的物质发展富裕了起来，食物浪费似乎是个司空见惯的事情，但也许，很多人都远远没意识到它的严重性。
根据联合国粮食及农业组织（ FAO ）的数据，全球每年生产的食物中，有三分之一是没有被食用的，也就是说每年有价值约 1 万亿美元的食物，直接被投向了垃圾场。
这些数据中，酒店行业大概占据了其中的 10％ 。据统计，每年酒店餐饮业因食物浪费，会增加 1000 多亿美元的成本，浪费的食物达到了采购食材的 20%，所损失的费用大抵相当于一些企业的纯利润。
而这些浪费有很大的原因，是主厨们缺乏准确测量和管理厨余的必要工具。他们无法准确掌握实际供应的情况，从而造成生产过度，或者食物需求偏差等情况。
为了解决这个问题，有许多公司都在积极做着努力，而一家叫 Winnow 的公司，则是借用数据分析，计算机视觉和机器学习等技术来达成这一目的。
Winnow 通过技术避免不必要的食物浪费
「食品浪费是一个全球性的问题，几乎每一个厨房都在苦苦挣扎，」Winnow 首席执行官 Marc Zornes 说到，「如果不了解情况，厨房就会浪费更多的食物。无论是对成本还是环境来说，了解和掌握食品浪费的实际成本，都会让厨师们能更自如得应对。」
Winnow 于 2013 年在伦敦成立，为了应对食物浪费的问题，他们开发了数字工具，帮助厨师事实的掌握信息，避免加工出过多的食品。
Winnow 的中文意思是簸谷，是将谷子和糠皮分开的意思。在他们的网站上，写着 Winnow 的使命：用科技连接商业厨房，开展节约活动，帮助人们珍爱食物。
他们所做的事情听起来很简单，就是通过对丢弃的食物的统计，结合人工或者机器判别食物的类型，然后利用 Winnow 的云分析，以确定这种浪费的损失，同时发布定期报告，以提醒厨师通过削减上次扔掉的食物来节省资金。
长期丢弃食物造成的损失很大
Winnow 通过这种方法，通常会将食品成本降低 3％ - 8％ 。
以曼谷暹罗安纳塔拉酒店为例，他们提供的自助餐经常会造成很大的浪费。通过每日报告跟踪食物的情况，厨房团队能准确判断他们过度生产的物品，并调整第二天的供应方案。最终减少了 70％ 的食物浪费。
Winnow 的核心是数据服务，他们通过数据分析，让厨房的人员直观地看到自己的浪费情形，进而作出相应的对策，而硬件以及机器学习的引入是为了更好的达到这一目的。
在早期的版本中，他们的外设系统仅包括数字秤和连接的平板电脑。通过对丢弃食物的处理，自动记录重量，经由厨师通过屏幕选择所丢弃的食物。
早期的方式演示图
但这种方法的缺点在于，它需要大量的手动输入。在经过两年的探索和研究之后，Winnow 将计算机视觉和机器学习引入其中，推出了他们的新产品 Winnow Vision。
Winnow Vision 最大的进步，就是通过摄像头的方式，引入了自动化功能，用机器来代替人工识别食物。这款新产品去年 1 月推出，被几个知名品牌作为试点项目，取得了极好的效果。
厨房里的 Winnow Vision
现在的系统，能够比忙碌的厨房团队更可靠地预测出垃圾箱里扔的食物。事实上，在首阶段的尝试中，系统正确识别出了 80％ 的食物。
随着 Winnow Vision 获得更多图像数据，判断的准确度也会随着时间变化而变得更高。
Winnow 向它的用户承诺，餐饮企业可以在第一年获得 2-10 倍的投资回报，相当于减少约 50000 美元的食物浪费。
Winnow 表示，过去的系统已经被 40 多个国家的数千名厨师使用，并且每年帮助他们从垃圾填埋场挽救了相当于 3000 万美元的食品。
而在人工智能的推动下，Winnow Vision 通过计算机视觉技术实现食物垃圾管理的自动化。这会是 AI 大规模进入厨房的重要节点，将会促进更加准确的食物垃圾数据监控。
通过这种新的方式，他们降低了全球数千家厨房使用的门槛。一旦系统得到足够的培训，就不需要重复进行人员培训或数据输入，厨房会自动获得丢弃的食物的信息，以确定丢弃物的类型和体积。
新系统识别丢弃食物过程
从根本上说， Winnow Vision 正在改变行业的游戏规则，并在引领全球范围内的对抗食物浪费。
在 1 月份的达沃斯世界经济论坛上，他们的技术也得到了认可，最终收获了2019 的 Tech Disruptor 奖项。
从 2013 年这家公司创办，到如今历时 6 年的发展，他们在抵抗食物浪费的道路上摸爬滚打，只为将技术更好的用在这个领域。
而现在，有了机器学习等技术的助力，将会帮助更多的企业和用户，避免食品直接走向垃圾桶的命运。
公司的负责人说道，「我们这些的发展中学到了很多。这些经验被融入到了 Winnow Vision 的设计中。通过Winnow Vision，我们的影响将会继续扩大，更多的企业都能加入对食物浪费的抵抗。」
Winnow 的已经被用在很多地区
随着 Winnow Vision 的推出，他们希望在 2025 年，可以达到每年节省 10 亿美元的目标。
此外，这个团队宣称，这只是一个开始，对于未来的发展，使用新技术解决食品浪费的问题，他们比任何时候都要兴奋。
核方法 Kernel method
核方法是的将低维空间不能线性分割的点集，转化为可分割的高维空间的点集。核方法所解决的是如何将数据映射到特定的维度空间。
一般核方法的处理步骤为：
1) 把各种类型的数据处理为对应的 kernel matrix；
2) 利用 kernel matrix 获得数据中的模式。
核方法目前已在文本、语音、图像、检索、生物、金融、社会科学等领域有了广
标签：规则 mamicode 范围 未来 转化 收获 数据处理 计算机视觉 成本
原文地址：https://blog.51cto.com/14929242/2535541
