【cafencode】Smart Coffee Roaster

團隊名稱：cafencode

本專案使用OpenVINO開發出能夠判斷咖啡烘豆過程中豆爆聲的智慧烘豆師 AI 模型 (Smart Coffee Roaster ) 。

提案動機

咖啡烘焙是影響咖啡風味的重要製程。 咖啡烘豆師對豆爆聲密集程度的判斷能力是影響咖啡風味的重要因素。

即便是有豐富經驗的烘豆師，在判斷豆爆聲過程中也很容易因為雜音或分神而失誤。故咖啡烘豆師無法做到小批量、多樣的大規模客制化服務。而人工智慧咖啡烘豆師可以做到小批量、多樣的大規模客制化服務。

 

解決方案

用於檢測豆爆聲的聲音事件檢測 (SED) 模型是人工智慧咖啡烘豆師的基礎。根據我們的知識，深度神經網絡 (DNN) 在解決聲音事件檢測 (SED) 問題方面具有巨大優勢。(Mesaros, A., Heittola, T., Virtanen, T., & Plumbley, M. D. (2021). Sound event detection: A tutorial. IEEE Signal Processing Magazine, 38(5), 67-83.)

OpenVINO 是一個很好的深度神經網絡 (DNN) 工具。使用 OpenVINO 可以輕易的將推理模型佈署到具有英特爾 AI加速硬體的智慧烘豆師機器中。

 

專案執行過程

烘豆並沒有公開資料集，所以必須從安排烘豆並蒐集烘豆聲音資料開始。音檔蒐集回來之後開始分析音檔並做資料工程用以製作能訓練聲音事件檢測 (SED) 模型的訓練資料集，驗證資料集，以及測試資料集。而後使用 Google Colaboratory Pro 雲端資源來訓練 SED 模型。模型訓練完成後，因賽會規定需要使用英特爾11代以上等級CPU執行OpenVINO模型推論。團隊成員目前無英特爾11代以上等級CPU硬體設備。故未做即時豆爆音判斷示範，改以錄音方式上傳錄音檔至Intel® Developer Cloud執行推論示範。

 

成果介紹短片

 

成果介紹圖說

下圖藍色部分為示範智慧咖啡烘豆師時所錄下的音檔波型。紅色部分為智慧咖啡烘豆師模型判斷豆爆聲音事件的結果。圖片中每一根紅色突起都是一次豆爆聲，本次示範烘豆時智慧咖啡烘豆師模型總共辯識出227次豆爆音。

下方為示範智慧咖啡烘豆師時所錄下的原始音檔，我們可以從音檔中得知烘豆時雜音相當多。有烘豆機運作的聲音，操作人員說話的聲音，熱風的聲音，咖啡豆互相敲擊及敲擊烘豆室的聲音。在如此多的雜音中，要正確判斷豆爆聲並不容易，即便是有相當經驗的烘豆師傅都常常判斷失誤。

 

我們的願景

我們的願景為從高依賴人工、師徒制、高碳排的咖啡工業2.0轉型到以顧客為中心、彈性製造、永續生產的咖啡工業5.0。

 

團隊介紹

cafencode是一個對咖啡產業數位轉型懷抱理想的品牌。致力於應用智慧生產技術為客戶創造更好的咖啡飲用體驗。品牌名稱由cafe與encode共同組成，象徵傳統咖啡產業與數位科技相遇並且完美融合，重新打造咖啡產業，並且提供創新的咖啡飲用體驗。