L'IA, catalyseur du cycle des matériaux
L'intelligence artificielle (IA) et l'apprentissage profond (Deep Learning) révolutionnent l'industrie du recyclage. En plus d'améliorer l'efficacité, ces technologies augmentent la précision du tri et ouvrent la porte à des nouvelles applications inédites. Dr Volker Rehrmann, notre vice-président exécutif et directeur de TOMRA Recycling, partage son point de vue sur le potentiel de l'IA dans notre secteur.
2 min
Désormais possible grâce au Deep Learning: le tri des PET, PP et HDPE alimentaires et non alimentaires
Nous visons tous une économie véritablement circulaire. Cela implique que les matériaux récupérés soient toujours de haute qualité et que le plus grand nombre possible de matériaux soit réintroduit dans le cycle. Les procédés actuels ne permettent pas encore d'atteindre cet objectif. Pour éviter le sous-recyclage et favoriser l’utilisation de contenus recyclés de grande qualité, le tri doit être plus granulaire.
La bonne nouvelle est que l’IA peut désormais faire de cette ambition une réalité. Et même aller au-delà : l’IA deviendra un catalyseur du cycle des matériaux. Ces technologies sont si avancées qu’elles améliorent considérablement le tri et la classification des matériaux recyclables, répondant ainsi à la demande croissante de contenu recyclé.
Avant d'examiner comment l'IA transforme la récupération des ressources, il est important de corriger une idée reçue : l'IA n'est pas simplement un mot à la mode, elle est bien au contraire au cœur de notre industrie depuis longtemps. Nos équipes de recherche et développement conçoivent des solutions de tri basées sur l'IA depuis des années. Même nos premières machines TOMRA, il y a 30 ans, étaient déjà en mesure de décider quel matériau trier dans quel conteneur. Cette capacité à prendre des décisions comme un être humain est la définition stricto sensu de l'IA.
Lorsque nous parlons d’IA en 2024, nous pensons aux dernières avancées dans le domaine de Deep Learning.
La bonne nouvelle est que l’IA peut désormais faire de cette ambition une réalité. Et même aller au-delà : l’IA deviendra un catalyseur du cycle des matériaux. Ces technologies sont si avancées qu’elles améliorent considérablement le tri et la classification des matériaux recyclables, répondant ainsi à la demande croissante de contenu recyclé.
Avant d'examiner comment l'IA transforme la récupération des ressources, il est important de corriger une idée reçue : l'IA n'est pas simplement un mot à la mode, elle est bien au contraire au cœur de notre industrie depuis longtemps. Nos équipes de recherche et développement conçoivent des solutions de tri basées sur l'IA depuis des années. Même nos premières machines TOMRA, il y a 30 ans, étaient déjà en mesure de décider quel matériau trier dans quel conteneur. Cette capacité à prendre des décisions comme un être humain est la définition stricto sensu de l'IA.
Lorsque nous parlons d’IA en 2024, nous pensons aux dernières avancées dans le domaine de Deep Learning.
Il s'agit là en fait d’une sous-catégorie de Machine Learning qui n’est entrée dans notre industrie qu’après les progrès extraordinaires de la puissance de calcul au cours des dix dernières années.
Comment le Deep Learning transforme-t-il la récupération des ressources telle que nous la connaissons aujourd'hui ?
1. L'apprentissage profond offre une plus grande flexibilité. Avec la composition des déchets qui change en permanence, les systèmes de tri doivent pouvoir s'adapter rapidement aux nouvelles exigences du marché. Plutôt que de remplacer des composants matériels, voire même des machines, les technologies modernes d'apprentissage profond peuvent être modernisées avec des mises à jour logicielles régulières, après avoir été entraînées par nos experts. Nous pouvons ainsi réagir plus rapidement aux besoins des clients.
Comment le Deep Learning transforme-t-il la récupération des ressources telle que nous la connaissons aujourd'hui ?
1. L'apprentissage profond offre une plus grande flexibilité. Avec la composition des déchets qui change en permanence, les systèmes de tri doivent pouvoir s'adapter rapidement aux nouvelles exigences du marché. Plutôt que de remplacer des composants matériels, voire même des machines, les technologies modernes d'apprentissage profond peuvent être modernisées avec des mises à jour logicielles régulières, après avoir été entraînées par nos experts. Nous pouvons ainsi réagir plus rapidement aux besoins des clients.
2. Il en résultera une nette amélioration du tri à proprement parler. Les systèmes de tri classiques ont déjà atteint un niveau de précision et d’efficacité remarquable, notamment dans la séparation des barquettes PET à une ou plusieurs couches. Si nous combinons les systèmes existants qui s'appuient par exemple sur des capteurs VIS ou proche infrarouge aux technologies d'apprentissage profond comme c'est le cas de notre AUTOSORT™ avec GAINnext™, nous obtenons la granularité de tri la plus élevée actuellement existante. Cela nous permet de trier non seulement par type de matériau et couleur, mais aussi, grâce à l'apprentissage profond, par forme, taille, dimensions et autres critères. Nous pouvons ainsi réaliser des tâches qui étaient jusqu’alors impossibles comme le tri du PET, PP et HDPE alimentaire contre le non alimentaire. C'est une avancée majeure pour notre industrie, notamment parce que GAINnext™ nous permet d'atteindre le taux de pureté supérieur à 95 % requis pour la sécurité alimentaire en Europe.
3. Le Deep Learning continuera d'améliorer l’automatisation des installations. La force de l'apprentissage profond réside dans la reconnaissance des objets grâce à des caméras haute résolution.
Dr Volker Rehrmann, vice-président exécutif et directeur de TOMRA Recycling
En d'autres termes, GAINnext™ voit ce que l'œil humain voit. Nous pouvons ainsi automatiser des tâches de tri qui devaient jusqu’ici être réalisées manuellement et permettant de traiter rapidement et efficacement de plus grandes quantités de matières recyclables.
4. Les données nous permettront enfin de faire un bond en avant en matière d’optimisation des processus. Les systèmes de tri basés sur l'IA génèrent d'énormes quantités de données sur la composition des matériaux, l'efficacité du tri et la performance des centres de tri. En analysant ces données, les opérateurs peuvent identifier des opportunités d'optimisation et agir en conséquence. Mais les possibilités vont bien au-delà des seuls systèmes de tri. Des caméras basées sur l'apprentissage profond peuvent être placées à des points clés du processus de tri pour surveiller l'ensemble du flux de matériaux. Cela permet aux opérateurs de suivre en continu la qualité des flux triés, de réduire les pertes de matériaux et même de garantir la conformité aux réglementations sur le recyclage des emballages alimentaires.
4. Les données nous permettront enfin de faire un bond en avant en matière d’optimisation des processus. Les systèmes de tri basés sur l'IA génèrent d'énormes quantités de données sur la composition des matériaux, l'efficacité du tri et la performance des centres de tri. En analysant ces données, les opérateurs peuvent identifier des opportunités d'optimisation et agir en conséquence. Mais les possibilités vont bien au-delà des seuls systèmes de tri. Des caméras basées sur l'apprentissage profond peuvent être placées à des points clés du processus de tri pour surveiller l'ensemble du flux de matériaux. Cela permet aux opérateurs de suivre en continu la qualité des flux triés, de réduire les pertes de matériaux et même de garantir la conformité aux réglementations sur le recyclage des emballages alimentaires.
AUTOSORT™ avec GAINnext™ est la technologie de Deep Learning de TOMRA.
Notre secteur se trouve donc à un moment charnière absolument passionnant. Nous sommes convaincus que l'IA va propulser de l’avant l'économie circulaire au moment où nous en avons le plus besoin : avec des législations de plus en plus strictes et une demande croissante des clients pour des solutions technologiquement avancées. Il est désormais temps de créer de nouveaux marchés avec des produits à plus forte valeur ajoutée et de continuer à dynamiser notre industrie. Chez TOMRA, nous nous réjouissons de faire partie de la révolution de l’IA !
Qu'est-ce que le Deep Learning ?
L'apprentissage profond est une branche l'IA qui imite le fonctionnement du cerveau humain pour traiter l'information. Il s'agit d'une technique avancée de l'apprentissage automatique utilisant des réseaux de neurones artificiels, entraînés sur d'énormes quantités de données pour identifier et mémoriser des motifs spécifiques, puis les appliquer à de nouvelles données. Chez TOMRA, nos experts en IA utilisent des millions d'images servant de matériel d'apprentissage pour entraîner le réseau à reconnaître des caractéristiques visuelles telles que les bouchons de bouteilles ou les formes d'emballages. Lorsqu’il est combiné à nos capteurs existants, l'apprentissage profond permet de réaliser des tâches de tri complexes avec une grande précision.
Qu'est-ce que le Deep Learning ?
L'apprentissage profond est une branche l'IA qui imite le fonctionnement du cerveau humain pour traiter l'information. Il s'agit d'une technique avancée de l'apprentissage automatique utilisant des réseaux de neurones artificiels, entraînés sur d'énormes quantités de données pour identifier et mémoriser des motifs spécifiques, puis les appliquer à de nouvelles données. Chez TOMRA, nos experts en IA utilisent des millions d'images servant de matériel d'apprentissage pour entraîner le réseau à reconnaître des caractéristiques visuelles telles que les bouchons de bouteilles ou les formes d'emballages. Lorsqu’il est combiné à nos capteurs existants, l'apprentissage profond permet de réaliser des tâches de tri complexes avec une grande précision.
Cet article a été publié en août 2024 dans le magazine Kunststoff Magazin.