L’intelligence artificielle (IA) a fait progresser les systèmes d’assurance qualité au cours des dernières années et aide les fabricants de produits alimentaires à détecter davantage d’objets étrangers plus petits tout en maintenant le rendement.

« L’intelligence artificielle est devenue un élément clé du contrôle qualité dans l’industrie agroalimentaire », a déclaré Daniel Greb, responsable de la vision artificielle chez Schubert. « L’intelligence artificielle comble une lacune dans laquelle les approches algorithmiques échouent souvent ou sont limitées. Elle peut effectuer des tâches que les approches algorithmiques ne peuvent pas effectuer. Une approche algorithmique nécessite généralement des paramètres mesurables pour effectuer une évaluation qualitative. Cependant, il existe souvent un manque de corrélation entre les différentes classes d’erreurs. À l’aide de réseaux neuronaux artificiels, ces corrélations peuvent être entraînées sur un réseau particulier. Cela facilite grandement le contrôle qualité. »

Les logiciels et la technologie de détection de métaux ont contribué à accélérer les processus, a déclaré Craig Lorei, directeur du marché mondial, industrie légère, Eriez.

« Les progrès réalisés dans le domaine des logiciels et de la technologie de détection de métaux nous ont permis de détecter des métaux sur des bandes transporteuses plus rapides et d’identifier des pièces métalliques plus petites, même lorsqu’elles sont enfouies plus profondément ou lorsque des ouvertures de détection plus grandes que celles possibles par le passé », a-t-il déclaré.

L'IA continue de révolutionner la façon dont l'industrie alimentaire inspecte les aliments, a déclaré Todd Grube, chef de produit des systèmes d'inspection, Heat and Control.

« L’IA peut être utilisée pour améliorer la précision des commandes, réduire le gaspillage global, renforcer la sécurité et se conformer aux directives réglementaires », a-t-il déclaré. « Les données provenant des détecteurs, des capteurs et des rayons X sont analysées pour effectuer des ajustements en temps réel sur la ligne de traitement. »

La puissance de traitement des systèmes de vision a explosé, a déclaré Andrew McGhie, directeur du développement commercial, KPM Vision Inspection, KPM Analytics.

« Alors que nous mesurions sept attributs sur un pain lorsque nous avons commencé à servir les boulangeries par vision, nous pouvons désormais mesurer 40 à 50 éléments sur un pain », a-t-il déclaré. « Les lignes gagnent également en productivité, ce qui nous permet d'analyser 1 600 pains ou 10 000 biscuits par minute, sans problème, et de décider à 60 cm près si un article est bon ou mauvais. Et s'il est mauvais, le système d'inspection peut le rejeter de la ligne. »

Pour les systèmes de vision, l’IA a permis aux entreprises d’examiner les produits de manière plus globale, a déclaré McGhie. Par exemple, les systèmes traditionnels examinent souvent la couleur de cuisson, la largeur et la hauteur des produits, mais l’IA peut également examiner la forme et l’apparence générale. Dans d’autres applications telles que les garnitures de pizza, l’inspection des garnitures de couleur similaire, comme les tranches de pepperoni, les tomates et la pâte de tomates, peut être distinguée et mesurée séparément pour garantir la bonne quantité et la bonne répartition. Cela permet également d’identifier les objets étrangers que les systèmes ne pouvaient pas identifier auparavant.

« Par exemple, les plastiques transparents et les matières étrangères de couleur similaire au produit ont toujours été difficiles à détecter sur un système de vision traditionnel », a déclaré McGhie.

Mais les systèmes d’inspection améliorés par l’IA peuvent apprendre à l’identifier comme un matériau étranger.

La technologie rend les systèmes de vision plus faciles à installer et plus simples à utiliser. De plus, le système de vision peut communiquer avec les équipements de la chaîne de production. Par exemple, si les pains à hamburger sont trop bruns à la sortie du four, le système peut baisser la température ou effectuer d'autres réglages dans le four pour les ramener dans les paramètres définis.

« L’IA est également utilisée pour simplifier la configuration des produits à l’aide d’images de bons produits », explique McGhie. « L’apprentissage à partir de ces images peut permettre une configuration beaucoup plus rapide et plus facile. Les quelque 30 attributs mesurés peuvent être configurés avec une intervention minimale de l’opérateur. »

Et l’IA peut identifier des éléments plus petits comme les plastiques à faible densité, qui ont traditionnellement été difficiles à voir, a déclaré Kyle Hermes, vice-président de TDI Packsys.

« Les rayons X avec IA sont désormais capables d'identifier de petits objets de manière cohérente, mais à une échelle minuscule que nos autres programmes et logiciels ne seraient pas en mesure d'identifier », a-t-il déclaré. « Il y a une amélioration de base de 50 % sur tous les types de matériaux. Cela a complètement révolutionné ce qui peut être détecté ou non. »

Hermes a déclaré que les systèmes à rayons X auront toujours des faux rejets, mais l'IA peut améliorer ce problème, en particulier lorsqu'il s'agit de certains produits difficiles, comme ceux avec un petit morceau d'emballage métallique ou un produit avec un emballage dessiccant ou un autre composant qui pourrait perturber un système à rayons X.

« Avec l'IA, nous ne rencontrons pas vraiment de tels problèmes, car nous pouvons lui apprendre, faute d'un meilleur terme, à quoi ressemble un bon produit, et elle peut s'y habituer », a-t-il déclaré.

L'IA permet de relier plus facilement différents systèmes d'assurance qualité, ce qui conduit à des programmes de sécurité alimentaire solides, a déclaré Eric Garr, directeur régional des ventes chez Fortress Technology.

« La gestion intuitive des données et l’accessibilité de l’IA rendent désormais possible l’intégration de ces quatre technologies d’inspection – rayons X, détection de métaux, contrôle de poids et vision – », a-t-il souligné. « Lorsqu’elles sont intégrées dans un système unique, elles améliorent de manière synergique les performances de chaque technologie. »

Il a ajouté que le système de Fortress examine, collecte des données et supervise les performances de plusieurs détecteurs de métaux, trieuses pondérales ou machines d'inspection combinées connectés au même réseau.

Mark Friesen, directeur mondial du marketing chez Bunting Magnetics, a déclaré que l'IA a contribué à améliorer la configuration automatique et l'apprentissage des produits des systèmes, à simplifier les processus de reporting, à améliorer les capacités de surveillance et à faciliter l'inspection simplifiée du produit final.

Ce qui va suivre

Alors que la technologie qui gère les différents systèmes d’assurance qualité progresse rapidement, les boulangers et les fabricants de snacks devraient rester à l’écoute au cours des prochaines années pour davantage de progrès dans ce domaine.

« L’avenir de notre système alimentaire mondial repose sur la transparence, la traçabilité et la prise de décision fondée sur des données », a déclaré Garr. « Cela accélérera inévitablement l’adoption de technologies de tenue de registres numériques. L’IA, en particulier lorsqu’un centre de données est entièrement intégré dans un système unique, utilise des technologies d’apprentissage automatique et d’algorithmes basés sur des règles et donne un sens aux données collectées par la machine. Elle améliore l’intelligence humaine et ajoute une contribution scientifique plus importante, facilitant les mesures prises pour répondre aux problèmes plutôt que de fonctionner de manière indépendante ou de remplacer la prise de décision humaine. »

Greb a déclaré que de nouvelles technologies de capteurs s'imposeront dans l'industrie de la production alimentaire.

« Les domaines de la technologie des capteurs SWIR (infrarouge à courte longueur d’onde) et radar connaissent actuellement un développement rapide et deviennent de plus en plus attractifs, notamment d’un point de vue financier », a-t-il déclaré. « De plus, les réseaux neuronaux continueront de s’imposer et remplaceront de plus en plus les algorithmes traditionnels. »

Les progrès de la vision vont améliorer les capacités de détection, a déclaré McGhie.

« Ces avancées ne concernent pas seulement l’intelligence artificielle, mais aussi la résolution et la vitesse des caméras, ainsi que la puissance de traitement pour analyser les images », a-t-il ajouté. « Parmi les autres avancées dans le domaine de la vision, on peut citer l’imagerie hyperspectrale, qui offre une capacité accrue de détection de matières étrangères et d’autres défauts que nous n’étions pas en mesure de détecter de manière fiable auparavant. Le prix de cette technologie est également en baisse, ce qui la rend plus accessible. »

Au cours des cinq prochaines années, les boulangers et les producteurs de collations peuvent s'attendre à des avancées en matière de matériel qui permettront de traiter davantage de données sans nécessiter d'équipement supplémentaire, a déclaré Goasmat.

« Une autre évolution consisterait à parvenir à une intégration complète avec tous les équipements de la ligne, permettant au système de détecter les défauts et de réguler automatiquement, garantissant ainsi l’autocorrection », a-t-il déclaré. « En outre, il reste impératif de donner la priorité au stockage sécurisé des données. Étant donné que les boulangers et les fabricants de snacks confient leurs données à des experts pour garantir des opérations fluides, il est essentiel que les fournisseurs fournissent un cadre de confidentialité solide pour protéger efficacement ces informations. »

La prochaine grande avancée sera la double et la multi-
L'énergie, a souligné Hermes. Il s'agit d'une nouvelle approche de l'utilisation des rayons X pour déterminer différents types de matières étrangères.

« La double énergie utilise deux longueurs d’onde distinctes de rayons X, et chacune d’elles traverse ou est arrêtée par des matériaux différents d’une manière unique », a-t-il expliqué. « En les projetant à travers en même temps et en comparant la façon dont le produit arrête certaines longueurs d’onde de certaines manières, nous sommes en mesure de déterminer sa composition. Si elle a une composition moléculaire différente, nous sommes en mesure de la détecter maintenant. »

Friesen a déclaré qu'il souhaitait améliorer la précision de la détection grâce à des algorithmes avancés et à des capacités d'intégration et d'analyse des données améliorées grâce à l'IA. Il envisage également l'arrivée prochaine de systèmes plus compacts et plus économes en énergie, d'une meilleure détection des plus petits contaminants et de systèmes d'automatisation et de surveillance à distance plus performants.

Les boulangers et les fabricants de snacks ont le choix entre de nombreux systèmes d'assurance qualité. Il existe un système ou de nombreuses combinaisons qui les aident à protéger leurs produits des contaminants étrangers. Ils doivent évaluer leurs risques et leurs produits, puis décider quel système ou quels systèmes fonctionnent le mieux pour leur activité.

Cet article est un extrait du numéro d'août 2024 de Baking & Snack. Pour lire l'intégralité de l'article sur l'assurance qualité, Cliquez ici.