En poursuivant votre navigation sur ce site, vous acceptez l'utilisation de cookies. En savoir plusFermer
Actu-Environnement

L'intelligence artificielle investit le tri des déchets

Trois utilisations de l'intelligence artificielle vont faire leur entrée dans les équipements de tri. À la clé, une amélioration de la qualité et une disponibilité accrue des équipements.

Déchets  |    |  Philippe Collet  |  Actu-Environnement.com
L'intelligence artificielle investit le tri des déchets

Alors que les centres de tri ne cessent d'incorporer de nouvelles technologies pour améliorer la qualité des flux triés et la fiabilité des installations, les principaux équipementiers se tournent aujourd'hui vers l'intelligence artificielle. L'année 2019 devrait marquer un tournant avec une succession d'annonces des équipementiers leaders, Pellenc ST et Tomra.

Voir les objets à trier

L'intelligence artificielle trouve une première application dans l'affinage du tri, en particulier pour les plastiques. Aujourd'hui, les machines de tri optique séparent les résines grâce au proche infrarouge. Mais parfois, certains déchets constituent des impuretés, bien qu'étant fabriqués à partir de la résine voulue. C'est le cas des cartouches de gel de silicone en polyéthylène (PE) : il s'agit bien d'un contenant en PE, mais les résidus de silicone sont incompatibles avec le recyclage. Fin 2019, Tomra a présenté un module optionnel qui permet d'éjecter les cartouches d'un flux de PE.

Concrètement, Daniel Bender, qui pilote les travaux de Tomra sur le sujet, explique que cette application s'appuie sur un domaine particulièrement développé de l'intelligence artificielle : l'« apprentissage profond » (deep learning) appliqué à la reconnaissance d'image. Le module identifie les différentes formes des cartouches (ainsi que les cartouches déformées ou endommagées) grâce à un réseau de neurones dit « convolutif » qui lui permet de faire des associations entre ce qu'il « voit » en temps réel et ce qu'il a déjà « vu » (d'énormes bases de données d'images). Pour cela, il décompose l'image en pixels et traite l'information avec une série de filtres qui réduisent progressivement l'image à ses caractéristiques essentielles. L'objet « vu » par la machine peut ensuite être classé et donc trié.

« Il y aura bien d'autres applications à l'avenir », anticipe Jérémie Garbe, directeur commercial de Pellenc ST, pour qui « le principal intérêt est de distinguer les contenants non-alimentaires d'un flux de plastique ». Alors que les recycleurs réclament des lots contenant moins de 5 % de contenants non-alimentaires, l'éjection des flacons de détergent et autres indésirables est promis à un bel avenir, estime l'entreprise, qui y voit un potentiel de développement important.

L'avenir semble d'autant plus favorable que les réseaux neuronaux artificiels utilisés pour la reconnaissance d'image sont en open source. Il « suffit juste » de bien paramétrer les algorithmes disponibles.

 
Il y aura bien d'autres applications à l'avenir.  
Jérémie Garbe, directeur commercial de Pellenc ST
 
Plus généralement, l'apprentissage profond permet de procéder à des classifications lorsqu'on ne peut pas recourir aux techniques habituelles. Dans le domaine des déchets, cela permet aussi de trier des plastiques noirs qui, faute de réfléchir la lumière, ne peuvent être identifiés par la technique habituelle du proche infrarouge, explique Pellenc ST, qui travaille sur une application concrète du procédé.

Optimiser le fonctionnement des équipements

Une autre voie explorée est la maintenance prédictive qui s'appuie, elle aussi, sur les progrès réalisés dans le traitement des données. Il est déjà possible de mieux anticiper la maintenance des équipements sur la base d'une série de paramètres connus. Pellenc ST et Tomra propose déjà un service de suivi à distance des données de fonctionnement des équipements. Les machines sont connectées à des plateformes qui collectent toute une série de données et les mettent en relation avec les problèmes rencontrés.

Pour cela, il faut procéder à un traitement de données fastidieux. « Il est possible d'employer des ingénieurs pour le faire si l'on traite de faibles volumes de données, mais, pour l'appliquer à des centaines de centres de tri, il est intéressant d'utiliser les outils de traitement des données de l'intelligence artificielle », explique Jérémie Garbe.

Et à l'avenir ? Les machines pourraient adapter leur travail aux modifications du flux de déchets à trier. Cette adaptabilité est « le grand challenge pour l'avenir », estime Daniel Bender, qui anticipe l'arrivée de ces technologies à moyen terme. « Des travaux sont en cours, mais ce n'est pas pour tout de suite », confirme Jérémie Garbe.

RéactionsAucune réaction à cet article

 

Réagissez ou posez une question au journaliste Philippe Collet

Les réactions aux articles sont réservées aux lecteurs :
- titulaires d'un abonnement (Abonnez-vous)
- inscrits à la newsletter (Inscrivez-vous)
1500 caractères maximum
Je veux retrouver mon mot de passe
[ Tous les champs sont obligatoires ]
 

Partager