Intelligence artificielle

Bühler s'appuie sur le Machine Learning pour trier le bon grain de l'ivraie

Le groupe suisse Bühler a donné une illustration très concrète d'une application de l'intelligence artificielle dans l'industrie lors des Applied Machine Learning Days, à l'EPFL: un algorithme apprenant rend ses machines de tri de grains pour les professionnels de l'agroalimentaire à la fois plus performantes et plus écolos.

Le siège de Bühler à Uzwil (Saint-Gall) (Source: Bühler)
Le siège de Bühler à Uzwil (Saint-Gall) (Source: Bühler)

Qui a dit que le machine learning ne concernait que les géants de la tech? Lors de la journée de clôture des Applied Machine Learning Days qui se sont déroulés du 27 au 30 janvier au convention center de l’EPFL, Bühler a donné un aperçu très concret d’un usage de l’apprentissage automatique dans l’industrie.

Il y a un an le spécialiste suisse des machines pour l’agroalimentaire s’est doté d’une équipe de data scientists et est devenu le premier partenaire industriel du Swiss Data Science Center (SDSC), pôle commun à l’EPFL et l’ETHZ qui soufflera sa première bougie le 6 février.

Quelques mois plus tard, l’entreprise saint-galloise testait son algorithme capable d’améliorer drastiquement la détection optique d’éléments indésirables sur ces machines de tri que ses clients utilisent pour s’assurer de la qualité des grains de riz, de café, de fruits et légumes ou même de pièces en plastiques.

20% d'efficacité en plus

«Les grains présentant des défauts et les corps étrangers sont repérés par les caméras situés sur la machine et expulsés par pulsion d’air, explique Alison Michan, data scientist chez Bühler. Le tri se fait sur des critères de couleurs et de forme.» Le projet lancé début 2017 a consisté à analyser les millions de lignes de données générées par les millions de grains qui passent devant les caméras de la machine. Un algorithme apprenant a ainsi été nourri avec les caractéristiques (forme et couleur) d’un grain de café acceptables et celles d’un grain de café à écarter.

«Sur notre échantillon test nous avons augmenté de 20% les performances de la machine tout en divisant le volume de déchets par trois», se félicite la data scientist. «L’implémentation de cet algorithme réduit les coûts et pour nous et pour le client», assure-t-elle. Si la preuve de concept a été faite sur les grains de café afin de pallier la difficulté des réglages manuels sur ce produit, la solution devrait rapidement être déployée sur les milliers de machines Bühler vendues à travers le monde, quelque soit ce qu’elles trient.

Webcode
DPF8_78947