Une équipe d’ingénieurs a construit un système d’IA basé sur un Raspberry Pi pour automatiser le recyclage.
Les fans de Raspberry Pi n’ont jamais été à court d’idées pour mettre l’outil à profit, pour des applications aussi farfelues qu’utiles. Aujourd’hui, les chercheurs équipent cet ordinateur bon marché d’une intelligence artificielle, de caméras haute résolution et de robots, afin de trier les déchets et de réduire la quantité de déchets mis en décharge.
Les ingénieurs de l’université de Liverpool Hope ont joué avec un modèle de Raspberry Pi 3, en combinant l’appareil avec des capteurs optiques et des algorithmes de vision par ordinateur, pour créer un outil capable de distinguer le papier, le verre, le plastique, le métal et le carton.
Mise en place dans une installation de récupération des matériaux (MRF : Material Recovery Facility), où les ordures ménagères sont généralement envoyées pour être triées, la technologie pourrait repérer différents matériaux sur le tapis roulant où les déchets sont déversés, et donc demander aux robots de recycler des objets spécifiques lorsqu’ils s’en approchent.
Karl Myers, du département de mathématiques et d’informatique de l’université de Liverpool Hope, a déclaré : « Il est conçu pour être intégré à tous les systèmes robotiques qui sont sur le marché actuellement. Le Raspberry Pi envoie un signal via une communication série au bras robotique sur la position des matières recyclables, et le robot saisit simplement l’objet ».
Les chercheurs ont déclaré que l’algorithme a atteint un taux de réussite de 92 %, avec une performance de base de 90 %, et ont fait valoir que l’approche était donc viable pour une utilisation commerciale.
Avec les quantités croissantes de déchets qui sont produites chaque année dans le monde entier, l’amélioration des performances des installations de recyclage est essentielle pour éviter l’élimination des déchets dans les décharges. Sur les 229,9 millions de tonnes de déchets solides générés au Royaume-Uni rien qu’en 2017, seuls 47 % ont été recyclés. Le ministère de l’environnement s’est fixé comme objectif de faire passer les taux de recyclage à 50 % pour 2020.
Actuellement, les ménages britanniques sont priés de conserver toutes les matières recyclables – papier, métaux, verre, etc. – dans un seul récipient, qui est collecté sur le pas de la porte avant d’être envoyé à un MRF pour tri et traitement.
Une fois sur place, les matériaux sont placés sur un tapis roulant, où le carton, les conteneurs, le papier et le plastique sont retirés manuellement. Les boîtes en fer blanc et en acier sont ensuite aspirées par un puissant aimant, tandis qu’un aimant inversé fait voler les boîtes en aluminium hors du convoyeur et les envoie dans un conteneur de stockage.
Des opérateurs humains supervisent le processus, qui s’accompagne souvent d’erreurs, d’inefficacités et de coûts supplémentaires. « La vision à long terme serait de retirer entièrement les humains des MRF », a déclaré Karl Myers. « Seulement environ 40% du recyclage que nous envoyons aux MRF est réellement recyclé, et cela est dû aux interactions humaines. Notre système améliorera la précision des MRF car il supprime les insuffisances de l’humain ».
Karl Myers et son équipe ont formé l’algorithme avec une base de données de 3500 images différentes de déchets, en combinant une ressource appelée TrashNet avec des images provenant de Google. Les chercheurs ont utilisé l’apprentissage par transfert, une approche particulière dans l’apprentissage machine qui permet au système d’IA de stocker les connaissances acquises en résolvant un problème, et de les appliquer pour en résoudre un nouveau, différent (mais lié).
La méthode imite le cerveau humain : si vous apprenez à utiliser une moto, il y a de fortes chances que vous fassiez appel à vos connaissances en matière de conduite d’une moto. Avec l’apprentissage par transfert, l’algorithme peut également utiliser les connaissances acquises lors d’un problème précédent pour en résoudre un nouveau qui comporte peu de données.
« Cela supprime le paradigme de l’apprentissage individuel », précise Karl Myers. « Dans ce cas, cela signifie qu’aucune formation n’est nécessaire pour le système – il utilisera toutes les images et les connaissances antérieures d’autres ensembles de données et les appliquera au problème sur lequel il travaille. Il s’agit essentiellement d’un système prêt à l’emploi ».
Utile, précis et facile à déployer, donc – mais aussi bon marché. La mise en place du système a coûté moins de 100 livres sterling au total (110 €), ce qui, selon les chercheurs, stimulera largement l’adoption de cette technologie dans le monde entier.
Il y a un inconvénient : d’après les tests effectués jusqu’à présent par les ingénieurs, les robots de recyclage contrôlés par Raspberry Pi seront plus lents à trier les déchets que les humains. Karl Myers a toutefois fait valoir qu’une technologie lente reste « parfaitement adéquate », tant qu’elle est précise. Selon le chercheur, l’efficacité et le coût de la technologie compensent les faibles performances de vitesse du système.
L’équipe de recherche espère maintenant développer son invention pour l’intégrer à des solutions de récupération des déchets telles que la plate-forme SeaVax, contrôlée par satellite, qui est conçue pour parcourir les océans et fonctionner comme un aspirateur géant.
SeaVax ne va pas chercher les objets intelligemment ; le robot ramasse plutôt les objets qu’il trouve sans discernement et les jette dans sa trémie. En équipant la plateforme de la technologie de recyclage automatisée développée par Myers et son équipe, on pourrait ajouter une grande valeur au système, en triant les déchets directement au point de collecte plutôt que dans un MRF.
Il reste des défis techniques à relever avant que les chercheurs puissent atteindre cet objectif, mais Karl Myers teste déjà l’extension de l’invention et l’essai de l’algorithme sur des systèmes plus puissants. En attendant, l’ingénieur est convaincu que la technologie sera accueillie favorablement, même dans son état actuel.
« Si elle est adoptée, elle permettra de supprimer des coûts substantiels liés à la main-d’œuvre », dit-il. « Le coût étant si bas, je ne peux qu’imaginer que l’industrie l’adoptera ».
https://www.techrepublic.com/pictures/the-20-silliest-raspberry-pi-projects/
https://www.hope.ac.uk/news/allnews/artificial-intelligence-to-revolutionise-recycling.html
