L'IA aide à combler le fossé des connaissances dans les processus de boulangerie
L'entretien suivant a été initialement publié dans un numéro de Baking+Biscuit International. Suivez ce lien pour consulter l'entretien sur le site web de la publication.
Quels ont été les points forts de vos travaux de R&D en IA au cours des trois dernières années ?
Yuegang Zhao : Chez KPM Analytics, notre approche de l'IA vise avant tout à aider les boulangeries à rationaliser leurs opérations, à obtenir une meilleure maîtrise des processus, à garantir la qualité et la régularité des produits, et à renforcer la sécurité alimentaire. À mesure que les opérations de boulangerie deviennent plus automatisées et plus rapides, et que de nombreux experts quittent le secteur pour prendre leur retraite ou pour d'autres raisons, l'IA contribue à combler les lacunes en matière de connaissances auxquelles sont confrontées de nombreuses boulangeries aujourd'hui.
L'un des domaines dans lequel nous avons investi massivement en R&D est le développement d'applications de vision artificielle par IA pour inspecter les produits à différentes étapes du processus. Les opérations de boulangerie actuelles, au rythme effréné, ne peuvent tout simplement pas compter sur des inspecteurs humains pour repérer les produits non conformes, d'autant plus que cette méthode est entièrement subjective et difficile à contrôler sur plusieurs lignes de production et équipes. Nos technologies de vision par IA intègrent des caméras haute résolution, un éclairage spécialisé et des logiciels puissants qui observent tous les produits sur la ligne pour vérifier des caractéristiques de qualité essentielles telles que la taille, la forme, la couleur, le volume, et bien plus encore, tout en détectant des anomalies étrangères avec une précision dépassant celle de l'œil humain.
KPM est à la pointe du développement de modèles d'IA pour les systèmes d'inspection visuelle. Nous disposons d'une équipe dédiée de data scientists qui recherchent et améliorent constamment nos modèles afin d'offrir de meilleures capacités de détection et de réduire les faux positifs. Qu'il s'agisse de compter des tortillas empilées dans une machine d'emballage ou d'inspecter des corps étrangers difficiles à repérer, comme des dépôts de pâte sous un petit pain, nous n'avons fait qu'effleurer le potentiel des capacités d'inspection basées sur l'IA.
Dans quels domaines de production avez-vous déjà intégré des fonctionnalités d'IA à votre technologie ?
Yuegang Zhao : Nos systèmes de vision par IA ont été déployés sur diverses lignes de boulangerie pour une série de tâches différentes. Il existe deux catégories principales de systèmes de vision : le contrôle de processus par vision (VPC) et l'inspection des produits finis (FPI).
Les systèmes de vision VPC couvrent tout ce que le client souhaite inspecter sur ses produits avant l'emballage. Cela peut aller de l'analyse des pâtes à la sortie de la façonneuse ou de la chambre de pousse, à la mesure de la couverture des garnitures (par exemple, les graines sur un pain à hamburger) avant la cuisson. Nos systèmes de vision par IA sont entraînés à repérer même les incohérences mineures des produits qui pourraient signaler un problème dans le processus de production automatisé. Les technologies VPC éliminent une grande partie des incertitudes et de la subjectivité liées au contrôle des processus, aidant ainsi les opérateurs à prendre de meilleures décisions pour garantir la qualité et la sécurité.
Les systèmes FPI, comme leur nom l'indique, servent de contrôle final des attributs visibles des produits. Avec la capacité d'inspecter 100 % des produits sur la ligne, les technologies FPI rendent inutile l'inspection qualité routinière. Et comme le système ne prend jamais de pause ni de jour de congé, il inspecte en permanence les produits selon des normes rigoureuses tout en détectant les corps étrangers et les risques indésirables.
Quelles sont les demandes les plus fréquentes que vous recevez ?
Yuegang Zhao : La technologie d'inspection par vision n'est pas nouvelle dans l'industrie de la boulangerie, mais la demande pour des mesures plus complexes et approfondies stimule le développement de nouvelles applications basées sur l'IA. Par exemple, un fabricant de pains à hamburger se contentait autrefois d'attributs simples comme la forme et la couleur, ainsi que de l'assurance que le produit entrerait correctement dans son emballage. Aujourd'hui, il s'intéresse à des mesures détaillées, telles que la brillance du pain ou la présence de bulles d'air dans le produit fini. Les systèmes de vision par IA sont bien mieux équipés pour détecter ces détails complexes, ce qui ouvrira la voie à des demandes de mesures encore plus sophistiquées à l'avenir.
Une autre tendance courante que nous observons est la demande pour une inspection des produits par le dessus et par le dessous. La plupart des inspecteurs de ligne ne peuvent observer que la face supérieure des produits qui défilent sur un convoyeur, à moins de prélever des échantillons. Or, prélever quelques échantillons à la fois n'est tout simplement pas représentatif de la production, surtout avec les volumes élevés traités par les boulangeries actuelles. Les systèmes de vision par IA peuvent être configurés avec des caméras orientées vers le haut et vers le bas pour collecter ces données essentielles sur la qualité et la sécurité alimentaire.
Ensuite, les entreprises s'intéressent toujours aux méthodes de rejet automatique des produits non conformes. Nous avons collaboré avec des sociétés pour développer des solutions de rejet uniques, allant de barres de levage à des jets d'air qui retirent rapidement les produits défectueux sans perturber les autres produits sur la ligne ni affecter le flux de production.
Comment définit-on l'apprentissage automatique pour optimiser les différentes étapes de production en temps réel ?
Yuegang Zhao : Les applications de l'apprentissage automatique couvrent l'ensemble du processus de boulangerie. Après le mélange et lors du façonnage de la pâte, un système de vision piloté par l'IA peut comparer chaque pièce aux tolérances apprises concernant la forme, la taille et d'autres attributs, signalant ainsi aux équipements en amont la nécessité éventuelle d'un recalibrage.
Pendant l'apprêt, le système de vision par IA qui surveille la levée de la pâte et la texture de la surface au fil du temps peut être en mesure de prédire si les conditions d'apprêt (température, humidité et durée) permettent d'obtenir un volume optimal.
À la sortie du four, les systèmes de vision peuvent surveiller la couleur de la croûte, l'uniformité de la surface, la déformation de la forme, les fissures et d'autres caractéristiques. Si les produits ne sont plus alignés, le système peut renvoyer des signaux aux commandes du four pour ajuster les températures de zone, la vitesse du tapis ou l'injection de vapeur, afin de corriger ces défauts en temps quasi réel.
Quels sont les défis liés aux algorithmes de prise de décision par IA et comment garantit-on des résultats cohérents ?
Yuegang Zhao : En fin de compte, les modèles d'IA ne valent que ce que valent les données et la méthode d'entraînement. Dans une boulangerie, l'apparence d'un produit peut varier en fonction de la qualité des ingrédients, des caractéristiques saisonnières de la farine, de l'usure des équipements, de l'humidité ambiante et de nombreux autres facteurs. Si le jeu de données d'entraînement ne capture pas toute cette gamme de conditions, le modèle rejettera des produits acceptables ou laissera passer des produits défectueux. C'est pourquoi la constitution d'un jeu de données représentatif, la surveillance continue et le réentraînement périodique peuvent devenir coûteux et chronophages, mais comme les conditions de production peuvent évoluer à tout moment, cet effort est essentiel à la réussite.
Quelles opportunités voyez-vous dans l'expansion de l'utilisation de l'IA dans les boulangeries ?
Yuegang Zhao : De nombreuses boulangeries avec lesquelles nous avons collaboré ont constaté une tendance préoccupante : ces dernières années, beaucoup de maîtres boulangers possédant une connaissance approfondie des produits et des processus quittent le secteur, que ce soit pour prendre leur retraite ou pour se réorienter. Lorsqu'ils quittent la boulangerie, leur savoir-faire disparaît avec eux. Il faut parfois des années à la nouvelle génération pour maîtriser les équipements, les lignes de production et les standards de qualité d'un maître boulanger expérimenté. C'est précisément là que l'IA offre une opportunité majeure.
Pour les maîtres boulangers, la prise de décision est une seconde nature. Ils savent instinctivement, en touchant la texture d'une pâte ou en observant la pousse des produits à la sortie de la chambre, si un ajustement est nécessaire. Le problème est que toutes ces informations et ce savoir-faire restent ancrés dans leur esprit.
Utiliser des instruments capables de numériser ce que le maître boulanger perçoit visuellement ou au toucher, puis exploiter ces données pour entraîner un système d'IA sur ces standards afin d'aider la nouvelle génération de boulangers et d'opérateurs dans leurs décisions, représente une opportunité immense pour le secteur. Un instrument comme le Mixolab, analyseur universel de pâte, est un outil émergent permettant d'acquérir des données numériques en mesurant objectivement le couple d'une pâte lors d'un cycle de chauffage et de refroidissement. Il existe désormais des protocoles permettant d'obtenir les données d'un échantillon de pâte en seulement deux minutes de test.
Désormais, en prélevant des échantillons de pâte sur la ligne avec un Mixolab et en comparant les analyses avec le système piloté par l'IA, une grande partie de l'expertise du maître boulanger peut être standardisée et rationalisée. Nous n'en sommes certes qu'aux prémices de ce concept, mais c'est une piste que nous explorons actuellement avec nos clients.
Il est toutefois crucial pour les boulangeries d'agir dès maintenant et d'envisager ces nouvelles méthodes de contrôle qualité avant que davantage de maîtres boulangers ne quittent le métier.
Quelles sont les priorités de votre R&D en matière d'avancées dans l'IA ? Et comment les questions de qualité et de sécurité sont-elles traitées ?
Yuegang Zhao : Nous en sommes arrivés à un point où ce sont nos clients qui impulsent une grande partie des évolutions de nos produits. Il ne se passe pratiquement pas un jour sans que l'on nous soumette un nouveau défi ou une idée pour améliorer les processus et la sécurité alimentaire de nos utilisateurs.
