Des yeux plus intelligents en ligne : l'inspection par IA permet de détecter ce que les humains oublient

Cet article a été initialement publié dans Food & Drink Technology. Cliquez ici pour accéder à l'article sur le site web de la publication.

Les exigences croissantes auxquelles les transformateurs alimentaires sont confrontés pour produire davantage de produits à des volumes plus élevés sans sacrifier la qualité ne vont pas disparaître.

À quelques années de l'ère de la COVID-19, le chiffre d'affaires de l'industrie alimentaire est resté obstinément élevé, obligeant de nombreux transformateurs à rechercher de meilleures solutions pour répondre à ces demandes.

Les méthodes traditionnelles d'inspection des produits, que ce soit par le biais d'un échantillonnage de routine ou de l'observation de rangées de produits en excès de vitesse sur des convoyeurs, sont devenues quasiment impossibles à maintenir avec les vitesses de traitement actuelles. L'inspection manuelle demande beaucoup de main-d'œuvre, est banale et dépend fortement de l'expérience de l'opérateur, ce qui rend la cohérence difficile, même dans les opérations les mieux gérées.

Comme de nombreuses marques alimentaires l'ont constaté, les technologies d'inspection par vision basées sur l'IA d'aujourd'hui surpassent l'inspection exclusivement humaine de plusieurs manières. Tout d'abord, un système de vision basé sur l'IA ne ressent jamais de fatigue ; il maintient ses normes élevées pour analyser tous les produits de manière objective, toute la journée, tous les jours. De plus, les inspecteurs humains inspectent généralement uniquement la face supérieure des produits.

Un système d'inspection par vision équipé de caméras de vision supérieure, inférieure et latérale garantit une inspection complète des produits. La mise en œuvre d'un système d'IA permet également d'inspecter les produits au-delà de ce que les humains peuvent voir. L'imagerie multispectrale et hyperspectrale permet une analyse de la composition au-delà du spectre visible.

Bien qu'ils soient utilisés d'une manière ou d'une autre dans les procédés alimentaires depuis plus de dix ans, l'inspection par vision basée sur l'IA soulève encore de nombreuses questions chez les transformateurs alimentaires sceptiques quant à leurs capacités et à leurs cas d'utilisation.

Trois avantages de l'inspection par vision basée sur l'IA pour les entreprises de transformation alimentaire aujourd'hui

1) Réduction des rappels de produits causés par des matières étrangères

Les matières étrangères se présentent sous de nombreuses formes. Des morceaux de convoyeur ou des éclats de métal provenant de machines, des taches de plastique ou de film provenant d'emballages, ou un travailleur de chaîne inattentif laissant accidentellement son EPI sur la chaîne de transformation peuvent tous entraîner des rappels de produits massifs.

La plupart des usines de transformation des aliments utilisent des rayons X ou des détecteurs de métaux pour inspecter les corps étrangers aux étapes critiques du processus. Cependant, ces types de systèmes d'inspection ne sont efficaces que pour détecter des objets solides. Cela signifie que des matières étrangères molles comme le papier, les films, les plastiques, le bois ou des défauts cosmétiques tels que la pâte à gâteau sur les produits de boulangerie peuvent passer inaperçus.

Les technologies d'inspection par vision basées sur l'IA actuelles sont bien équipées pour détecter les matières étrangères traditionnellement difficiles présentes sur les surfaces des produits. Un système de vision basé sur l'IA peut différencier les produits présentant des variations naturelles des anomalies étrangères que même l'opérateur le plus attentif peut ignorer, comme du plastique transparent sur un lit de fromage râpé ou un morceau de caoutchouc blanc sur un tas de bœuf haché.

Les modèles modernes d'inspection visuelle basés sur l'IA peuvent désormais détecter les matières étrangères molles, telles que le papier et le plastique, qui échappent généralement à la détection des rayons X et des métaux.

Chaque rappel de produit évité permet aux marques alimentaires d'économiser des millions de dollars ; si le système de vision artificielle détecte une seule matière étrangère potentiellement dangereuse sur la chaîne de transformation, cet effort à lui seul pourrait permettre de financer à plusieurs reprises l'investissement dans le système.

2) Contrôle de la qualité des produits plus cohérent à grande échelle

Les premiers systèmes d'inspection par vision sur les sites de production alimentaire étaient généralement utilisés pour mesurer des caractéristiques simples du produit telles que la taille, la forme, la couleur et d'autres caractéristiques de base. La puissance informatique ainsi que les technologies de caméra et d'éclairage de l'époque ne pouvaient traiter qu'une quantité limitée d'entrées, mais alors que les utilisateurs commençaient à repousser les limites technologiques pour mesurer des caractéristiques de produits plus complexes ou pour en savoir plus sur leur processus, les développeurs d'inspection par vision ont commencé à explorer l'IA comme méthode pour déployer davantage de capacités de mesure.

Prenons l'exemple des pains à hamburger ; pour les marques de restaurants à service rapide (QSR), une taille, un volume et une couleur de cuisson constants constituaient auparavant un indicateur de qualité suffisant. Ces dernières années, certains QSR se sont tournés vers des mesures de produits différentes et plus approfondies, telles que la distribution des graines ou l'analyse de la brillance du pain. Désormais, grâce à une technologie avancée de caméra et d'éclairage, un système basé sur l'IA peut quantifier ces particularités à pleine vitesse, ce qui permet aux opérateurs d'effectuer les ajustements nécessaires pour garantir la cohérence de chaque cycle de production.

Une autre valeur d'assurance qualité des technologies d'inspection par vision basées sur l'IA est leur capacité à détecter les anomalies et les défauts subtils sur les produits. Prenons, par exemple, une chaîne de production de biscuits pour animaux. Chaque biscuit possède des caractéristiques détaillées qui l'identifient à un animal spécifique. Trop de craquelins cassés ont une mauvaise image de la marque.

Grâce à un système de vision artificielle conçu pour inspecter 100 % des craquelins sortant du four ou de la zone de refroidissement, ces capacités de reconnaissance de forme et de détection des défauts peuvent être très fiables et utilisées pour piloter un mécanisme de rejet afin de retirer les produits défectueux d'une ligne. Si un éléphant n'a pas sa trompe ou si un oiseau manque son bec, le système d'IA effectue cette détermination plus rapidement et de manière plus cohérente que la moyenne des inspecteurs de produits.

En économisant de la main-d'œuvre, en réduisant le gaspillage et en améliorant l'efficacité opérationnelle, un système d'inspection basé sur l'IA utilisé pour le contrôle qualité offre un retour sur investissement rapide à travers de multiples facettes.

3) Optimisation des processus de production et amélioration du rendement

Chaque système d'inspection par vision basé sur l'IA peut devenir une source de données pour les organisations de transformation des aliments. Au niveau du sol, les données de vision peuvent aider à découvrir les causes profondes des incohérences des processus. Prenons l'exemple d'une usine de production de croquettes de poulet : une seule installation peut disposer de plusieurs friteuses qui cuisent le produit pané. Une fois que le produit est cuit et entre dans la zone de refroidissement via des convoyeurs, un système d'inspection en ligne peut détecter une décoloration des produits provenant d'une friteuse spécifique, ce qui peut indiquer que l'huile doit être changée ou que la température doit être ajustée.

Au niveau de l'usine, les données de vision peuvent aider à découvrir les tendances de production que les opérateurs peuvent utiliser pour prendre des décisions plus proactives. Par exemple, si un certain défaut de qualité se produit plus souvent au cours d'une équipe de production que d'autres, ou si les défauts peuvent être liés au lot d'ingrédients d'un fournisseur spécifique, les données de vision peuvent permettre aux responsables de la qualité de gagner un temps de dépannage considérable.

Votre entreprise envisage-t-elle une inspection par IA ?

L'inspection par vision basée sur l'IA ne remplace pas l'importance des équipes d'assurance qualité expérimentées, mais les renforce en fournissant une inspection cohérente en temps réel, permettant aux membres de l'équipe de se concentrer sur d'autres tâches plus importantes de l'usine. Pour les transformateurs de produits de boulangerie, de viande et de produits frais, cela se traduit par moins de surprises, une meilleure conformité et une plus grande confiance dans le fait que chaque produit répond aux normes de qualité et de sécurité alimentaire les plus strictes.