Les caméras et l'IA transforment l'industrie alimentaire

Le projet AI PathFinder de Flanders' FOOD soutient les entreprises

Dans l'industrie alimentaire en évolution rapide, l'adoption de l'intelligence artificielle est cruciale pour rester compétitif et saisir les opportunités de croissance. Le projet AI PathFinder de Flanders' FOOD aide les entreprises alimentaires flamandes à développer une stratégie d'IA et à accélérer la mise en œuvre de l'IA. Grâce à des outils pratiques et à des conseils, AI PathFinder vise à réduire les obstacles à l'adoption de l'IA et à combler le fossé entre la technologie et les besoins de l'entreprise.

"Un message important que nous voulons faire passer avec le projet AI PathFinder est qu'il ne faut pas simplement commencer avec l'IA, mais que les entreprises doivent réfléchir soigneusement à leur stratégie", explique Ruth Verstraete, responsable de l'innovation. "Nous cherchons avec les entreprises à répondre à des questions telles que: où l'IA peut-elle apporter une solution utile? Est-il nécessaire de s'attaquer à ce problème avec l'IA ou d'autres solutions sont-elles possibles? Quel est le coût, quels sont les ajustements à prévoir pour mon personnel?"

"Les entreprises doivent bien réfléchir à leur stratégie en matière d'IA"

AI PathFinder propose une liste de contrôle de la maturité de l'IA qui permet aux entreprises agroalimentaires d'évaluer leur niveau actuel d'adoption de l'IA. "Cette liste de contrôle aide les entreprises à comprendre où elles en sont et quelles sont les prochaines étapes à franchir pour une intégration réussie de l'IA. En outre, le projet propose une feuille de route générique spécifiquement adaptée au secteur alimentaire. Ce plan aide les entreprises à faire face à la complexité de la mise en œuvre de l'IA, en tenant compte des processus commerciaux et des exigences en matière de données qui leur sont propres", poursuit Mme Verstraete.

Six étapes

"Pour commencer à utiliser l'IA, il faut collecter suffisamment de données. En outre, il faut rechercher l'expertise adéquate en interne ou en collaboration avec un partenaire. Une fois qu'il existe un modèle d'IA, il doit également être validé. Dans le cadre du projet, nous travaillons sur la stratégie de numérisation en six phases: informatisation, systèmes connectés, visibilité, transparence, capacité prédictive et adaptabilité. Il n'est pas toujours nécessaire d'atteindre le niveau le plus élevé. Cela dépend de la stratégie de l'entreprise", explique Mme Verstraete pour expliquer l'approche concrète du projet.

Différents défis

Le projet se concentre également sur la mise en place de proof-of-concepts et d'une phase de démonstration dans l'usine pilote VEG-i-TEC. Ces applications illustrent la valeur ajoutée de l'IA et documentent les obstacles possibles afin que les constructeurs de machines, les fournisseurs de technologie et les entreprises alimentaires puissent apprendre les uns des autres et mieux s'aligner. Cette approche collaborative permet non seulement de rendre l'IA tangible, mais aussi de mieux exploiter son potentiel dans l'industrie alimentaire.

Malgré des investissements importants dans l'automatisation au cours des dernières années, l'industrie alimentaire reste fortement tributaire de nombreuses actions humaines dans la production de produits alimentaires. Qu'il s'agisse de placer manuellement une tête de laitue dans une trancheuse, de désosser des jambons, d'inspecter visuellement la qualité des biscuits et du pain ou de terminer des pizzas prêtes à l'emploi: les exemples sont nombreux.

La raison pour laquelle ces tâches ne sont souvent pas encore automatisées réside dans la variété naturelle des produits alimentaires. Chaque carotte, chaque morceau de viande, chaque hamburger, chaque biscuit, chaque poisson est unique, ce qui le rend souvent impossible à automatiser avec des systèmes traditionnels. Ces opérations répétitives et peu exigeantes doivent souvent être effectuées dans des environnements froids et difficiles, ce qui pose de nombreux problèmes, tels que la recherche de personnel qualifié, la motivation des opérateurs et la réduction des taux d'erreur.

Un large éventail d'applications

Cependant, nous sommes à un tournant. Grâce à des avancées technologiques pionnières, il existe un nombre croissant de systèmes capables de gérer cette variation naturelle, en partie grâce à l'utilisation de caméras et d'une technologie avancée de traitement de l'image pilotée par l'IA. Contrairement aux opérateurs humains, un système de caméra piloté par l'IA est capable de rester concentré 24 heures sur 24 et 7 jours sur 7 et de détecter avec précision ce qui doit l'être.

La règle de base est la suivante: si l'élément est visible sur l'image, un modèle peut être entraîné à le détecter automatiquement. Pour la plupart des applications, une caméra 2D (mono ou RVB) est suffisante, mais les caméras 3D ou hyperspectrales peuvent être d'une grande utilité pour des besoins spécifiques.

De nombreuses tâches ne sont pas encore automatisées en raison de la variation naturelle des produits alimentaires

Contrairement aux systèmes traditionnels basés sur des règles, il est essentiel de collecter un ensemble complet de données sur ce qui doit être détecté. La technologie est aujourd'hui au point, mais sans le bon ensemble de données avec des exemples pertinents, un système piloté par l'IA ne fonctionnera jamais de manière optimale.

Si le contrôle de la qualité en ligne est l'application la plus évidente de la vision intelligente, les possibilités vont bien au-delà. Parmi les exemples, citons la surveillance intelligente des processus pour détecter rapidement les erreurs, la classification automatique des produits pour ajuster dynamiquement les machines et le contrôle des robots pour améliorer la gestion des variations de produits.

Collaboration entre Van Bogaert et Captic

Dans l'industrie alimentaire, la transformation de la viande est encore un processus très manuel, mais grâce à l'avènement du traitement intelligent de l'image, cette situation est en train de changer. Le Belgian Pork Group, un réseau de huit entreprises belges de transformation de la viande, tient à rester à l'avant-garde pour maintenir sa position concurrentielle. C'est pourquoi Van Bogaert, l'un des sites spécialisés dans le tranchage des jambons, était à la recherche d'un système capable d'accroître encore son efficacité.

"Nous recherchions un système capable de classer les coupes automatiquement, afin de trier certains produits plus tôt dans le processus et d'éliminer les goulots d'étranglement. Au total, plus de 45 pièces différentes doivent être triées correctement, dont de nombreuses pièces très similaires. Compte tenu de cette complexité et du fait que le contenu d'une telle caisse est toujours différent, il est vite apparu qu'une approche basée sur l'IA était nécessaire", explique Olivier Van Bogaert, directeur du Belgian Pork Group.

"Pour y parvenir, nous avons choisi de nous associer à Captic, un spécialiste des systèmes d'inspection et de robotique pilotés par l'IA dans des environnements difficiles. En collaboration avec notre équipe technique, Captic a installé une caméra à deux endroits du processus afin de l'optimiser."

.

Un ensemble de données équilibré

La mise au point d'un système capable de classer les morceaux avec une grande précision nécessite un grand nombre de données. Ces données consistent en des images des différents morceaux dans une caisse. "Étant donné le volume de jambons que nous tranchons chaque semaine, Captic a rapidement disposé d'un ensemble de données gigantesque. Cependant, il a fallu collecter des données pendant plusieurs semaines, car certaines découpes sont plus courantes que d'autres, et un ensemble de données équilibré est tout aussi important pour obtenir un bon modèle de travail. Une fois le système opérationnel, il s'est avéré que certains éléments passaient parfois inaperçus, comme un gant d'opérateur ou un papier A4 indiquant le début d'une nouvelle commande", poursuit Van Bogaert.

Pour intégrer ces éléments dans le modèle, Captic et Van Bogaert ont collaboré pour collecter de nouvelles données sur les anomalies potentielles. Lorsque ces données se sont avérées fiables, elles ont été ajoutées au flux de travail. Van Bogaert s'efforce de tirer le meilleur parti de son processus de production. C'est pourquoi l'entreprise s'intéresse à l'évaluation de son processus pour voir comment il peut être amélioré. "Une fois que nous disposerons d'un ensemble de données sur les bonnes et les mauvaises transformations de la viande, nous pourrons les inclure et le modèle pourra proposer des suggestions d'amélioration."

L'étude de cas de Van Bogaert et Captic montre qu'une collaboration étroite entre les entreprises alimentaires et les fournisseurs de technologie est essentielle à la réussite des projets d'IA. Sans l'expertise du domaine de l'entreprise alimentaire, l'objectif du projet ne sera pas pleinement atteint, et inversement, l'expertise du fournisseur de technologie est nécessaire pour développer des modèles d'IA robustes et fiables.