SIARA : Vision par Ordinateur IA pour l'Identification et le Tri Précis des Déchets

Il y a quelques semaines, vous avez pu découvrir ce projet sur nos réseaux sociaux et aujourd'hui nous vous apportons une entrée dédiée. Vous pouvez aussi trouver plus de détails sur son propre site web.

Ce projet naît de la nécessité, existant dans les usines de tri des déchets d'emballages légers, de faciliter aux opérateurs le retrait des déchets volumineux de la ligne de traitement qui, en raison de leur forme ou taille, sont nuisibles aux processus de tri ultérieurs.

Pour cela, nous créons un système d'intelligence artificielle pour l'identification et la classification des déchets par vision artificielle, dont les initiales sont SIARA. Nous vous l'expliquons !

Qu'est-ce que SIARA ?

C'est un système de vision par ordinateur basé sur le deep learning (réseaux de neurones) pour la détection et la séparation des déchets volumineux trouvés sur le tapis convoyeur à l'entrée de l'usine de sélection de déchets plastiques, cartons ou canettes (du conteneur jaune) et ainsi éviter que la ligne ne se bouche ou ne soit endommagée par de tels déchets.

Avec sa conception, différents problèmes seront résolus :

• Réduire le temps de processus
• Minimiser les coûts
• Éviter les tâches fastidieuses

C'est un projet financé par le Ministère de l'Économie et de l'Entreprise et cofinancé par le FEDER ou Fonds Européen de Développement Régional, dont l'objectif est de renforcer la cohésion socio-économique au sein de l'Union Européenne en corrigeant les déséquilibres entre ses régions.

Comment fonctionne SIARA ?

Le système apprendra à détecter les déchets qui ne doivent pas être retirés et à éliminer le reste grâce à des caméras avec différents capteurs et un système d'intelligence artificielle. Comme nous l'avons dit, le deep learning sera utilisé pour entraîner SIARA, créant une base de données qui inclura l'acquisition d'images et leur étiquetage, un travail très important qui sera réalisé pendant les premières phases du projet.

La plupart des applications de vision par ordinateur utilisent des caméras qui capturent le spectre visible, les couleurs et les textures, ce qui facilite la distinction des plastiques, cartons et canettes qui peuvent avoir la même couleur ou texture. Pour une optimisation supplémentaire, l'utilisation de caméras multispectrales sera étudiée. De même, les caméras 3D fournissent de la profondeur et peuvent aider à sélectionner les zones de débris sur le tapis convoyeur dans l'image.

Il est aussi nécessaire de choisir les capteurs à inclure, l'ordinateur et l'éclairage et la position de tous les éléments dans la structure, ainsi que le matériel qui sera utilisé pour leur évaluation.

Dans celle-ci, un tapis convoyeur reçoit les déchets d'entrée et les distribue le long de l'usine en différents processus de sélection. Le système d'acquisition qui va être utilisé pour la capture de données sera installé sur ce tapis d'alimentation de la ligne et prendra des images des déchets qui entrent dans l'usine. Ce système sera sélectionné et calibré dans les laboratoires d'ATRIA.

Où est appliqué SIARA ?

L'environnement de test du projet sera l'usine de sélection de contenants plastiques, canettes et briques gérée par la Mancomunidad de San Marcos, dans laquelle Trienekens opère, à Urnieta (Saint-Sébastien).

Dans celle-ci, un tapis convoyeur reçoit les déchets et les distribue dans toute l'usine en différents processus de sélection. Le système d'acquisition qui va être utilisé pour la capture de données sera installé sur cette ligne sur le tapis d'alimentation et prendra des images des déchets entrant dans l'usine. Ce système sera sélectionné et calibré dans les laboratoires d'ATRIA.

Si vous êtes intéressé à en savoir plus sur notre projet, n'hésitez pas à visiter le site web du projet www.siaraproject.es.

De plus, vous pouvez nous suivre sur Instagram pour connaître les dernières nouvelles et le développement de SIARA jusqu'à sa phase finale et son lancement. Nous avons vraiment envie de vous tenir informés chaque jour !

Si vous voulez nous poser des questions sur ce système de classification basé sur le deep learning, contactez-nous !