Comment les transformateurs et les sites de conditionnement peuvent-ils bénéficier de solutions de tri et de classement alimentées par l'IA ?

On entend beaucoup parler de l'intelligence artificielle ces derniers temps. La capacité des ordinateurs à imiter la pensée et la prise de décision humaines, à automatiser des tâches qui nécessitaient traditionnellement l'intelligence humaine, a suscité toutes sortes de nouvelles sensationnelles. Confirmant l'importance croissante de cette technologie, TOMRA Food vient de lancer 2 nouvelles solutions de tri et de classement basées sur l'IA, l'intelligence artificielle. 

 

 

L'une de ces solutions, le tout nouveau TOMRA Neon, pré-trie les myrtilles récoltées à la machine pour le marché du frais. L'autre, la série Spectrim X de nouvelle génération, exploite le Deep Learning (l'apprentissage profond) pour une précision inégalée dans le tri et le classement des fruits. Ces machines ne sont que le début d'une révolution qui rendra la production d'aliments frais et transformés plus efficace et plus rentable.

 

 

De nombreux avantages pour les transformateurs

 

 

TOMRA Food utilise l'intelligence artificielle depuis 2019 pour rendre les solutions de tri et de classement plus précises que les techniques traditionnelles. Le déploiement de la technologie alimentée par l'IA dans l'industrie de la production alimentaire continuera à s'accélérer à l'avenir. Voici quelques-uns des domaines sur lesquels elle aura un impact :

 

 

.Classement et tri plus précis, avec plus de stabilité, entrainant moins de pertes alimentaires 

 

 

.Recherche de matières étrangères difficiles à détecter

 

 

.Amélioration de la maintenance prédictive

 

 

.Diagnostiquer intelligemment les problèmes de ligne

 

 

.Prédire la durée de conservation utile des produits 

 

 

.Optimiser intelligemment les emballages pour différents clients 

 

 

.Optimiser les opérations de la chaîne d'approvisionnement

 

 

Ne vous y trompez pas : l'IA est à l'origine d'un changement technologique important que les entreprises devront suivre pour rester compétitives.

 

 

 

Bien adapté à la production alimentaire  

 

Lorsque l'on parle d'IA, on entend parfois les termes "apprentissage automatique" et "apprentissage profond". L'apprentissage automatique est un ensemble de techniques qui permet aux systèmes logiciels de reconnaître des modèles dans les données afin de fournir des mesures et des informations. L'apprentissage profond est un sous-ensemble de l'apprentissage automatique qui utilise des réseaux neuronaux artificiels pour résoudre des problèmes complexes. Ces technologies sont bien adaptées à la production alimentaire car de nombreuses tâches impliquent des données et des prises de décision. 

 

L'IA est également pertinente pour la production alimentaire en raison du niveau élevé de variabilité dans l'industrie, depuis les effets météorologiques et climatiques jusqu'aux variations naturelles des produits. Ces facteurs signifient que les systèmes traditionnels peuvent avoir du mal à faire des prédictions précises. Il ne suffit pas d'avoir des données, leur qualité est également un facteur important de la performance de l'IA. Comme pour les systèmes traditionnels, plus les données sont bonnes, meilleures sont les décisions. C'est pourquoi il est si important de disposer des meilleurs systèmes d'inspection et de détection : ils permettent de collecter des données de meilleure qualité, qui dopent le système d'IA. Cela permet de prendre des décisions plus précises et plus cohérentes, ce qui se traduit par une diminution du gaspillage alimentaire et une augmentation des produits commercialisables, ainsi que par une maximisation de la valeur du produit. 

 

La technologie de l'IA peut améliorer les machines de tri et de classement de plusieurs façons : elle peut aider à prendre des décisions plus précises en matière d'acceptation ou de rejet, à récupérer plus de bons produits à partir de matières premières compromises grâce à une plus grande précision, et à classer plus précisément les produits sur la chaîne en différentes catégories pour permettre une production sans intervention humaine. Par exemple, de fortes pluies ou des gelées ont tellement endommagé les fruits entrants que seulement 40 % d’entre eux peuvent être emballés : les technologies plus anciennes ne seraient pas assez précises pour récupérer ces fruits car elles incluraient par erreur trop de dommages, mais l’IA rend cela possible. En plus de récupérer une récolte potentiellement désastreuse, cela permet de garder les clients satisfaits à des moments où le produit pourrait autrement ne pas être à la hauteur.

 

 

L'IA et le Deep Learning en action

 

Le Deep Learning est une méthode d'IA qui utilise des modèles pré-entraînés pour enseigner aux ordinateurs comment traiter des données, telles que des motifs complexes dans des photos. La nouvelle plateforme Spectrim X en est un excellent exemple. Développée par une équipe de scientifiques, d'ingénieurs, de chercheurs et d'experts à la pointe de l'industrie, Spectrim X intègre le dernier développement de la technologie LUCAi™ Deep Learning de TOMRA. 

 

 

La plateforme de classement Spectrim X est équipée du logiciel LUCAi™ Engine, de matériel informatique et de modèles pré-entraînés qui permettent d'atteindre une précision de classement sans précédent. Davantage d'opérations de conditionnement peuvent désormais être réalisées sans intervention manuelle, en ciblant les seuils de manière plus précise, le tout en minimisant les pertes de fruits. 

 

 

Spectrim X évalue chaque seconde des milliers d’images haute résolution et multicanaux de fruits. Ensuite, il croise ce qu'il voit avec des réseaux d'IA qui ont été entrainés sur des dizaines de milliers de fruits pour prendre des décisions de classement afin de répondre aux demandes précises du marché. Ces données ont été capturées à partir de machines TOMRA à travers le monde et étiquetées avec précision à la main par l'équipe Data Science de TOMRA. Au cours de 18 mois de tests en situation réelle aux États-Unis et en Nouvelle-Zélande, portant sur le tri et le calibrage des pommes, Spectrim X a montré un bond en avant significatif en termes de performances par rapport à son prédécesseur.

 

 

L'IA équipe également le nouveau TOMRA Neon, pour le pré-tri des myrtilles. La récolte automatisée des myrtilles est plus rapide et moins coûteuse que la récolte manuelle, mais elle pose des problèmes sous la forme de débris indésirables et de grappes de fruits sur les lignes de traitement et d'emballage des fruits frais. Pour répondre à ces défis, TOMRA Neon accepte et rejette les fruits avant de les transférer directement sur la trieuse optique KATO260 de TOMRA. C'est en utilisant l'IA que TOMRA Neon est capable d'identifier, de différencier et d'éliminer les grappes indésirables, les fruits trop petits et les fruits pas assez mûrs. Cela optimise l'efficacité du calibreur optique en éliminant plus de 95 % des grappes indésirables et plus de 90 % des baies vertes et rouges indésirables.

 

 

 

Des raisons d'être optimiste 

 

Les capacités précieuses de l'IA dans le domaine de la transformation des aliments deviendront encore plus importantes dans un avenir proche en raison des défis croissants posés par la pénurie alimentaire mondiale et les événements météorologiques perturbateurs - et parce qu'il existe une pression commerciale pour fournir des ingrédients et des produits de la plus haute qualité même lorsque la qualité des produits d'entrée est variable. 

 

L'IA peut également aider les entreprises de transformation et de conditionnement à relever d'autres défis, tels que s'efforcer de fournir des produits et des services au coût le plus bas, répondre aux spécifications des produits des clients sans livrer trop ou pas assez, et réduire ou éliminer les problèmes liés au recrutement, à la formation et à la rétention d'une main-d'œuvre qualifiée.     

 

Les maux de tête liés à la recherche d'un nombre suffisant de personnes pour effectuer des travaux saisonniers et les défis permanents liés à la gestion de la main-d'œuvre peuvent être résolus par l'automatisation de tâches qui étaient auparavant effectuées manuellement. Ce n'est un secret pour personne que les machines de tri, de classement et d'emballage sont plus rapides, plus précises, plus cohérentes, plus fiables et, en fin de compte, plus rentables que les humains. 

 

Cela nous ramène à la question controversée du remplacement des emplois par l'IA. Il convient de rappeler que de nombreuses usines de transformation, en particulier celles qui ne sont pas situées à proximité de grands centres de population, ont du mal à employer tout le personnel dont elles ont besoin ; c'est pourquoi, au lieu d'effectuer des tâches auparavant réalisées manuellement, l'automatisation fait souvent ce qui n'aurait pas pu être fait autrement. L'automatisation prend souvent en charge des tâches que les gens ne veulent pas faire parce qu'elles sont ennuyeuses, répétitives ou pénibles. C'est sans aucun doute le cas du tri et du classement manuels - et si les travailleurs sont déplacés de ces fonctions, ils sont souvent redéployés vers d'autres tâches sur la chaîne, qui sont moins monotones et apportent une plus grande valeur ajoutée.

 

Toutefois, comme nous l'avons vu ici, la réduction de la dépendance à l'égard de la main-d'œuvre n'est qu'une des nombreuses façons dont l'automatisation pilotée par l'IA profite aux entreprises de transformation et aux sites de conditionnement. L'IA est appelée à jouer un rôle de plus en plus important pour répondre aux besoins et aux désirs des consommateurs de denrées alimentaires, car les classes moyennes en expansion dans le monde augmentent la demande d'aliments sains. Et surtout, l'IA contribuera à relever le défi de nourrir la population mondiale, toujours plus nombreuse, ce qui nécessitera une augmentation de la production alimentaire et une diminution des déchets alimentaires.

 

 

Si vous êtes à la recherce de solutions de tri et classement alimentés par l'IA, envoyez votre demande