Améliorer l'Efficacité du Recyclage : Techniques Avancées de Sélection d'Emballages

Pendant le processus de recyclage, l'une des tâches les plus importantes et les moins connues est la sélection d'emballages. La sélection des contenants se fait dans des usines spécifiques et consiste à séparer les différents contenants (des conteneurs jaunes) selon leur matériau et nature (généralement plastiques, contenants métalliques et briques).

Ce travail est d'une importance capitale car il est nécessaire pour réaliser le recyclage de ces déchets de la bonne manière. Ces dernières années, ce processus a évolué, passant du manuel à l'automatisé grâce à l'amélioration des technologies de l'Industrie 4.0, permettant ainsi une plus grande efficacité dans l'ensemble du processus.

Technologies pour la sélection d'emballages

Pendant la sélection des contenants, différentes technologies sont utilisées qui contribuent de différentes manières à améliorer l'efficacité et l'optimisation de ce processus :

• Vision par Ordinateur

  Elle consiste en l'application de diverses opérations sur des images acquises au préalable afin d'acquérir de l'information. Par cette méthode, on peut obtenir des données comme la couleur de l'objet observé ou son contour. En utilisant ces techniques, il est possible de déterminer le matériau dont sont faits les objets ou de manipuler l'image pour extraire l'information la plus intéressante pour l'application.

• Machine Learning / Deep Learning

  Ensemble d'algorithmes capables d'apprendre un ensemble de caractéristiques à partir desquelles ils peuvent tirer diverses conclusions, comme classer ou détecter des objets. Parmi ces techniques, les réseaux de neurones se distinguent, qui simulent le comportement d'un cerveau humain pour apprendre des données qu'ils reçoivent. Cette méthode est très utile pour le processus de sélection d'emballages car elle a un pourcentage de réussite élevé dans ce type d'application, étant essentielle pour séparer les déchets et emballages dans leur catégorie correspondante. Elle est couramment utilisée en combinaison avec la Vision par Ordinateur lors de l'extraction d'informations à partir d'images préalablement traitées.

• Robotique

  L'utilisation de robots collaboratifs est essentielle dans le processus de sélection de contenants, car elle permet d'automatiser la séparation des contenants physiquement selon la catégorie à laquelle ils appartiennent. Pour effectuer cette fonction, on l'utilise généralement en combinaison avec la Vision par Ordinateur et le Deep Learning, qui fournissent l'information nécessaire pour localiser les emballages et déchets, et la catégorie à laquelle ils appartiennent. Ils peuvent aussi être utilisés en combinaison avec des AGV, au cas où il serait nécessaire de transporter les objets ailleurs.

Processus d'implémentation de la sélection d'emballages

Pour établir une méthode de sélection fiable et adaptée à l'utilisation dans les différentes usines, il est nécessaire de réaliser un développement dans lequel on peut collecter des données et configurer les différentes technologies à utiliser. Ce processus dépend de multiples facteurs : le type d'application à réaliser, lieu d'installation, facteurs externes... Cependant, dans presque toutes les situations, on peut différencier des étapes spécifiques à suivre :

• Collecte de données

  Elle consiste en l'acquisition de l'information nécessaire pour réaliser la détection et classification nécessaires pour l'application. Dans le cas de la sélection de contenants, elle consiste à prendre des images et données des objets au moyen de caméras et capteurs.

• Étiquetage

  Méthode avec laquelle on indique dans les données acquises les caractéristiques qu'on veut trouver et à quelle classe elles appartiennent. Pour une application de sélection de contenants comme celle proposée, il s'agit d'indiquer sur une image où se trouvent les objets qu'on veut trouver et de quel type ils sont.

• Entraînement

  Les données étiquetées sont extraites par l'algorithme de détection utilisé pour qu'il apprenne l'information à détecter. Un système correctement entraîné sera capable d'extraire les caractéristiques qui différencient les différents types de contenants et pourra les localiser et classifier pour leur séparation ultérieure.

• Évaluation

  Pour confirmer que la performance de l'algorithme entraîné est correcte, on l'utilise avec de nouvelles données dont on peut obtenir des métriques qui qualifient objectivement sa performance. Pour la sélection de contenants, on utilisera des images étiquetées qui n'ont pas été utilisées dans le processus d'entraînement. Ainsi, on peut vérifier qu'il se comporte dans de nouvelles situations en obtenant des métriques comme la précision ou matrices de confusion.

• Installation

  Finalement, une fois tout ce qui précède fait, et l'algorithme avec la meilleure évaluation choisi, le système est utilisé dans l'environnement réel. Pour cela, l'algorithme est configuré comme nécessaire pour qu'il retourne l'information intéressante pour l'application et on procède à son utilisation en conséquence. Pour la sélection de contenants, on prendra des images des déchets, l'algorithme détectera et classera ceux-ci et enverra ladite information au système, qui la traitera comme nécessaire pour procéder à la séparation des déchets correspondants.

Chez ATRIA, nous avons développé un système d'identification de déchets volumineux appelé SIARA qui est basé sur la vision artificielle et le Deep Learning et qui nous permet d'identifier les objets qui causent des obstructions dans les usines actuelles de séparation de déchets plastiques. Ce processus est important pour que le reste de l'usine fonctionne correctement.

Avantages de l'utilisation de la technologie Industrie 4.0 dans la sélection d'emballages

Comme mentionné, l'utilisation de nouvelles technologies et de l'automatisation sert à améliorer l'efficacité dans les usines de sélection d'emballages. Cette amélioration se traduit par plusieurs avantages :

• Possibilité d'enregistrer des données. Comme tout le processus est automatisé, on peut enregistrer les classifications faites, le moment où elles ont été faites, ou même stocker des images qui peuvent être intéressantes.
• Vitesse de traitement plus élevée. Comme tout est automatisé, le système est capable de faire la classification beaucoup plus vite qu'une personne qui devrait le faire manuellement.
• En utilisant des systèmes de vision, il n'est pas nécessaire d'employer un grand nombre de personnes pour la tâche d'identification des résidus, indépendamment de la charge de travail. Ainsi, le personnel peut se consacrer à d'autres fonctions.
• Amélioration continue : étant un système basé sur l'apprentissage, des changements et améliorations peuvent être faits facilement si nécessaire.

Voulez-vous appliquer la sélection d'emballages dans l'un de vos projets ? Contactez-nous !