HUDS 推出新的人工智能系统来消除食物浪费 |新闻 |哈佛深红
哈佛存在食物浪费问题。 大学管理人员认为 人工智能可以提供帮助。
哈佛大学餐饮服务中心正在 Adams House、Currier House 和 Annenberg 试点全新的人工智能系统 Winnow，以减少食物浪费。
在分析食物残渣之前，新的消费前废物技术将每周输入菜单项。Winnow 将地秤和智能相机配对，对堆肥箱中的食物垃圾进行称重，拍摄不可捐赠的食物残渣的照片，并精确识别菜单项。
HUDS 与 Winnow 的合作是该大学关注可持续发展的最新举措，也是其对健康、文化、宗教和环境敏感性更广泛的机构承诺的一部分。这导致 2025 年秋季学期的食堂发生了类似的变化，例如引入可重复使用的外卖容器。
“说到环境敏感性，食物浪费是我们知道的一个领域，我们希望成熟自己的系统和实践，以提高有效性和效率，”HUDS 董事总经理史密斯·哈尼夫 (Smith Haneef) 表示。
HUDS 一直在寻找一种简单、准确的解决方案来解决餐厅自助餐服务模式产生的废物。在对四到五个配备类似软件和技术的组织进行多轮采访后，烹饪运营总监 Martin Breslin 和战略计划和沟通总监 Crista Martin 决定与 Winnow 合作。
– 在采访了这些公司之后，我们选择 Winnow 有几个标准，其中之一是它必须易于我们的员工使用。它还必须产生非常好的、准确的数据——布雷斯林说。
在 Winnow 试点期的第三周，HUDS 已经能够收集有关准备哪些食物以及减少多少食物浪费的初步数据。
“当我几乎每天从 Winnow 获取报告时，我实际上都可以准确地看到返回的食物，并且可以实时要求我们的烹饪团队调整生产记录并最大程度地减少浪费，”Breslin 说。
Breslin 补充道，虽然餐饮员工以前必须依赖手写的“繁琐”生产记录，但“Winnow 使团队摆脱了所有这些记录，使信息收集变得如此简单且更加准确”。
然而，人工智能驱动的系统并非完全没有缺陷。
“Winnow 的视觉 AI 是否真正捕捉到了成分或物品，或者是其他东西，比如通心粉和奶酪，还是鸡肉面条汤？”Haneef 说。– 存在一些错误。 –
但哈尼夫补充说，每次轮班结束时的人工校正提供了“快速反馈循环的另一个来源，以校正人工智能或智能相机。”
虽然 Winnow 的预测分析仍然有限，但该团队已经能够利用三个餐厅试点地点的初步调查结果来评估生产过剩的物品。
“排名第一的实际上是大米，”布雷斯林说。– 我们在三个地点都看到了这个问题，这是一个非常简单的解决方案 – 就像立即修复一样。”
除了使用 Winnow 进行预测分析来确认 HUDS“直观地了解但无法量化”的内容外，工作人员还将菜单周期从四个星期缩短到三个星期，并简化了流程，以包含学生最喜欢的、可接受性较高的菜肴。
“四个星期的周期确实延长了，库存中增加了大量物品，这实际上会增加浪费，”布雷斯林说。– 因此，三周循环菜单实际上更有效。 –
经过 2025 年 12 月 20 日秋季学期结束时的重新评估，Haneef 对 Winnow 未来在整个大学范围内扩展的能力充满信心。
“我们设定的严格内部目标是，我们能否在厨房生产层面实现 15% 的食物垃圾产量，”她说。“如果这是真的，我们将召开后续项目团队会议，并且我们希望再次扩大规模。”
– 特约撰稿人 Ava H. Rem 的联系方式为：ava.rem@thecrimson.com。在 X 上关注她@avar3m。
关于《HUDS 推出新的人工智能系统来消除食物浪费 |新闻 |哈佛深红》的评论
暂无评论