Bühler SORTEX lance un nouveau trieur basé sur l’IA
par Melvyn Penna, chef de produit, Bühler, Suisse
Plus qu’un simple mot à la mode, l’intelligence artificielle (IA) est en train de transformer le secteur du tri optique.
Tous les secteurs, de la construction à la santé, parlent de l’IA. Mais comment cela s’applique-t-il à l’agriculture, et en particulier à la transformation alimentaire, et pourquoi les transformateurs devraient-ils s’y intéresser ?
La nouvelle machine révolutionnaire de Bühler, SORTEX AI700, a “boulversé les codes” et complètement modifié la façon dont un trieur optique détecte les impuretés, offrant ainsi la meilleure concentration en défauts jamais obtenue, ainsi qu’une qualité et des profits accrus pour les transformateurs alimentaires.
L’IA dans le tri optique
L’IA est un terme général qui englobe de nombreux niveaux d’apprentissage informatique. Dans le contexte des trieurs optiques, nous avions auparavant l’apprentissage automatique, où la machine était configurée par un ingénieur et où l’algorithme d’apprentissage tentait d’améliorer la configuration initiale. Il s’agit d’une forme efficace d’IA que l’on retrouve dans la série SORTEX SpectraVision de Bühler.
Bühler met actuellement en œuvre un autre type d’IA, que nous appelons “apprentissage profond”. Ici, la machine utilise des réseaux neuronaux convolutifs (CNN) pour entraîner l’algorithme à prendre ses décisions de tri. La machine est entraînée à l’aide de millions d’images étiquetées, chacune permettant à l’algorithme de mieux comprendre ce qui doit être accepté et ce qui doit être rejeté. À l’instar du cerveau et de l’œil humains, elle utilise toutes les informations disponibles, telles que la couleur, la forme et la texture, pour évaluer le produit.
En quoi cela profite-t-il directement aux transformateurs alimentaires ?
Grâce à cette technologie intégrée à notre nouveau modèle SORTEX, l’AI700, Bühler a constaté une amélioration de l’efficacité de l’élimination des défauts tout en rejetant moins de produits de mauvaise qualité. Cela se traduit par une augmentation de la quantité de produits de bonne qualité obtenue à partir d’une même quantité de produits entrants, ce qui permet aux transformateurs de commercialiser davantage, de réduire les déchets et d’augmenter les bénéfices. Dans un exemple concret, sur une période d’un an, une amélioration de 5 à 10 % du taux de rejet peut se traduire par des centaines de milliers d’euros de revenus qui auraient été perdus.
Tendances futures à l’origine de ce développement
L’avenir réserve des défis et des tendances mondiaux dans le domaine de la transformation alimentaire qui, s’ils ne sont pas pris en compte, porteront préjudice tant aux transformateurs qu’aux consommateurs. Ces tendances comprennent la hausse des coûts des matières premières, le changement climatique et la prévalence croissante des défauts, les réglementations de marché de plus en plus strictes, ainsi que les normes et la sensibilisation accrues des consommateurs.
Une autre tendance importante à l’heure actuelle est la détection des allergènes. La première application du SORTEX AI700 sera l’avoine. Dans ce domaine, Bühler a atteint de nouveaux niveaux d’élimination des défauts, en identifiant correctement l’orge, le blé et le seigle dans l’avoine. Ceci est essentiel, car l’avoine est sans gluten et les autres céréales sont allergènes. Les trieurs traditionnels, bien qu’ils respectent les normes réglementaires, n’atteignent pas le même niveau d’élimination du gluten dans l’avoine que le SORTEX AI700.
Outre les allergènes, l’AI700 permet de réduire le coût des matières premières en maximisant le rendement, en contribuant à résoudre le problème de la prévalence des défauts, en surmontant les réglementations du marché et en garantissant la sécurité des consommateurs.
Les réponses soulignent la nécessité de l’IA et du deep learning pour relever les défis futurs. Le dernier trieur optique, le SORTEX AI700, offre aux transformateurs des profits plus élevés, une plus grande pureté et une meilleure sécurité alimentaire pour prospérer à l’avenir.
