IA pour l'industrie alimentaire
Les caméras IDS NXT avec intelligence artificielle peuvent résoudre des tâches impliquant la détection d'objets organiques et divers. En horticulture ou en agriculture, par exemple, elles sont les yeux des robots moissonneurs ou des coupeurs de roses, elles peuvent vérifier les semis ou identifier les parasites. Dans l'industrie alimentaire, elles offrent d'énormes facilités pour le contrôle de la qualité et de l'intégralité. Découvrez les nombreuses applications possibles du traitement d'image avec l'IA dans le secteur alimentaire dans l'interview détaillée du FOOD-Lab :
Avec nos caméras industrielles dotées d'intelligence artificielle, nos clients peuvent former eux-mêmes les réseaux de neurones individuellement sans connaissances
préalables en IA.
FOOD-Lab : Bonjour M. Hartmann, M. Schick, merci pour votre accueil chaleureux. M. Hartmann, en tant que fils du fondateur de l'entreprise, Jürgen Hartmann, vous avez été appelé à rejoindre l'équipe de direction en mars. Comment s'est passée votre prise de fonctions au sein de l'entreprise ?
Hartmann : Après avoir terminé ses études, mon père a commencé sa carrière dans une entreprise américaine. Là, il a été confronté à des problèmes liés à la clientèle, que l'entreprise ne pouvait pas résoudre. Ensuite, en 1997 il a fondé avec un partenaire la société IDS, qui était initialement revendeur de composants de traitement d'image (BV). Toujours en 1997, a été lancé le premier produit propriétaire de numérisation des images provenant de caméras analogiques. On insérait dans l'ordinateur une carte enfichable à l'aide de laquelle les images pouvaient être traitées numériquement. Aux alentours de l'an 2000, les premières caméras numériques sont arrivées sur le marché ; leur usage s'est également répandu dans l'industrie. C'était une menace sérieuse pour notre activité. Nous avons donc commencé à développer des caméras numériques industrielles au bon moment. De plus, nous avons été le premier fabricant de caméras à adapter à un usage industriel l'interface USB, qui n'était initialement connue que dans le secteur grand public. Cette décision courageuse a fait de nous l'un des principaux fabricants sur ce segment à ce jour.
FOOD-Lab : Vous proposez des caméras pour un large éventail d'utilisations, certainement aussi pour l'industrie alimentaire ?
Hartmann : Il n'y a en fait aucune limite. Les applications industrielles sont en effet très diversifiées. Parfois, nous sommes surpris par les idées d'applications proposées par les clients. Les secteurs classiques sont l'ingénierie mécanique et la fabrication d'installations, le contrôle qualité dans les installations de production, mais aussi les analyses de mouvement dans le sport, par exemple.
FOOD-Lab : Quel est votre marque distinctive ?
Hartmann : Notre avantage en termes de qualité est notre implantation en Allemagne, car nous ne développons et fabriquons qu'ici. Tous les composants mécaniques proviennent de la région. Les composants électroniques ne peuvent être obtenus qu'en Asie ; nos capteurs proviennent, entre autres, du leader du marché Sony. L'important, c'est le logiciel que nous avons développé nous-mêmes. Les collaborateurs dans le service de développement logiciel sont deux fois plus nombreux que dans le développement matériel. La fonctionnalité, les pilotes, les interfaces... c'est là-dessus que nous nous focalisons ici sur place. Le seul site de développement étranger a été récemment ouvert en Serbie, où une équipe d'experts nous accompagne dans le développement de logiciels d'IA.
Schick : Ici à Obersulm, sur le site de l'entreprise, qui a été récemment agrandi avec le centre technologique b39, la distance qui sépare les départements de développement et la production est très courte. Cela nous permet de réagir très rapidement aux besoins des clients et d'apporter une réponse appropriée.
Hartmann : Il existe une autre caractéristique importante par laquelle nous nous démarquons de la concurrence. Avec nos caméras industrielles à intelligence artificielle, nos clients peuvent former eux-mêmes les réseaux de neurones individuellement sans connaissances préalables en IA.
FOOD-Lab : Que signifie l'intelligence artificielle dans vos caméras ?
Hartmann : C'est un sujet relativement nouveau, car au départ la puissance de calcul était insuffisante. On ne parlait jusqu'à présent que des algorithmes, qui étaient développés comme des instructions spécifiques permettant de résoudre un problème. Grâce à l'IA, nos caméras peuvent désormais faire face à des tâches dont la résolution était impossible ou trop coûteuse avec le traitement d'image basé sur des règles. L'intelligence artificielle ouvre de tout nouveaux domaines d'application pour la technologie des caméras et le traitement d'image. Elle permet l'utiliser le traitement d'image avec des objets très variés. Par exemple, lorsqu'il s'agit de classer différents types de fruits ou d'identifier les pièces défectueuses. Décrire de manière exhaustive toutes les variations qui peuvent exister avec le traitement d'image classique serait extrêmement long et donc coûteux. Avec l'intelligence artificielle, en revanche, ces difficultés peuvent être gérées en un clin d'œil.
Hartmann : Avec IDS NXT, nous avons créé une plateforme pour une nouvelle génération de systèmes de vision destinés aux applications industrielles. Cette nouvelle approche implique un changement de paradigme : notre objectif n'est plus seulement de développer des composants individuels, mais de proposer des systèmes complets à la fois faciles à utiliser et flexibles. Un tel système permet de mettre en œuvre toutes les étapes d'une solution de vision, de l'acquisition, de l'analyse et du traitement d'images au contrôle des machines de production industrielle.
Schick : Avec les caméras IDS NXT et le logiciel de formation de basé sur le cloud IDS lighthouse, aucun travail de programmation n'est nécessaire. Les utilisateurs ont seulement besoin de connaissances sur leurs images et leur évaluation pour créer un réseau de neurones. Prenez les pommes, par exemple. Il n'y en a pas deux pareilles, elles diffèrent par leur forme et leur couleur et peuvent présenter des taches de pourriture. Ces différences rendent le travail difficile pour les systèmes de tri et de contrôle, contrairement à ce qui se passe, par exemple, dans la production de métaux, où chaque vis est presque identique.
FOOD-Lab : Mais il faut d'abord que toutes les données d'image soient recensées pour que le système puisse identifier les écarts ?
Hartmann : Nous ne pouvons pas complètement soulager le client de ce travail, tout simplement parce que nous ne disposons pas des données. Cependant, le client peut transférer ses données d'image vers le logiciel ; le logiciel forme le réseau neuronal. De cette manière, le client forme lui-même le réseau en fonction de ses besoins, mais sans avoir à acquérir au préalable des connaissances spécialisées en IA. Nous apportons notre aide si, par exemple, les images doivent être améliorées. L'IA est directement intégrée à la caméra.
Schick : Nous recommandons à nos clients de commencer avec de petits ensembles de données d'environ 50 images par classe. Cela permet d'évaluer rapidement si la tâche peut être résolue avec l'IA.
Hartmann : Notre service commercial accompagne le client dans la recherche d'une solution, que ce soit avec une approche IA ou le traitement d'image classique.
FOOD-Lab : Que fait IDS pour expliquer le potentiel de la nouvelle technologie à ses clients ?
Hartmann : Notre département Développement travaille toujours sur des projets de démonstration proches de la pratique. Par exemple, nous avons simulé un contrôle qualité pour des têtes au chocolat. Notre système de caméra intelligent IDS NXT détecte rapidement et de manière fiable l'ensemble des fissures, bosses et autres défauts de qualité. Un autre exemple possible est la détection des noisettes dans le chocolat aux noisettes. Il s'agit de vérifier l'intégrité et la distribution uniforme par tablette. Avec de telles démonstrations, le service commercial peut montrer les avantages et les fonctionnalités du système. Les économies potentielles sont généralement importantes et amortissent rapidement le coût du système. Il est possible d'atteindre ici des taux de réussite élevés avec des moyens relativement limités.
FOOD-Lab : À votre avis, combien de photos faudrait-il pour vérifier la bonne répartition des noisettes ?
Schick : Avec 50 images, on n'atteindrait pas un taux de reconnaissance de 100 %, mais un taux très proche.
Hartmann : Compte tenu de la pression élevée sur les coûts et du très faible taux d'automatisation dans l'industrie alimentaire à ce jour, même une solution partiellement automatisée peut signifier une réelle amélioration. Dans le contrôle qualité ou la classification des produits, des économies directes peuvent ainsi être réalisées en termes de coûts de production et de temps.
FOOD-Lab : Quelles applications voyez-vous dans l'industrie alimentaire ?
Schick : Pensez à la transformation du poisson. La caméra indique au robot où se trouve le poisson sur la bande transporteuse, où se trouve le dos, où se trouve la nageoire caudale, etc., afin que le traitement puisse se poursuivre. Ces questions et d'autres similaires se posent également dans l'industrie de la viande, dans les contrôles qualité des fruits et légumes et dans le domaine de la confiserie. Une autre application concerne les boulangeries : il s'agit de la détection du brunissement du pain depuis l'extérieur. Une autre encore concerne l'emballage du pain de mie : il s'agit d'assurer la bonne répartition des tranches dans les paquets.
Hartmann : Nous utilisons également des systèmes de caméras en agriculture. On parle d'agriculture de précision. L'utilisation d'herbicides peut être réduite grâce à l'identification ciblée des plantes cultivées et des mauvaises herbes. Un autre domaine est la maturation des produits.
FOOD-Lab : Nous en arrivons aux classiques comme le jambon de Parme ou le parmesan. Jusqu'à présent, les contrôles se font avec des méthodes acoustiques classiques, par exemple en tapotant le jambon pour déterminer si la viande s'est détachée du muscle, ce qui n'est pas acceptable.
Hartmann : De tels problèmes peuvent certainement être résolus aussi avec des systèmes de caméras intelligentes, si les paramètres correspondants peuvent être définis optiquement. Il existe un grand nombre d'applications que nous ne pouvons même pas imaginer aujourd'hui. Nous sommes curieux de voir quels défis nous pourrons maîtriser à l'avenir dans l'industrie alimentaire. Conformément à notre devise « it's so easy » (c'est si facile), nous souhaitons proposer ici aussi des solutions simples.
Merci !