Elles sont petites, délicates, saines et soigneusement empilées. Aujourd’hui, les carottes apéritives sont emballées à la main. Mais les agriculteurs du district de Toten, en Norvège, souhaitent automatiser cette tâche afin d’accroître la productivité et de réduire le prix. Les carottes présentées sur cette photo proviennent d’un autre producteur. Crédit : Christina Benjaminsen
Les chercheurs programment la machine d’emballage pour qu’elle sache où se trouvent le haut et le bas d’une carotte. Le programme s’exécute sur un petit ordinateur local, et non sur d’énormes serveurs dans un cloud distant. L’objectif : emballer rapidement, à moindre coût et de façon attrayante, afin d’inciter les consommateurs comme nous à privilégier les en-cas sains et locaux.
Chips, chocolat… ou un sachet de carottes à grignoter ? Les agriculteurs de Toten se sont lancés le défi et vous invitent à choisir un en-cas sain et cultivé en Norvège. Pour cela, plusieurs détails ont été pris en compte. Tout d’abord, le produit ne doit pas être trop cher et toutes les carottes doivent être disposées dans le même sens dans le sachet.
La plupart des gens savent comment ils préfèrent manger une carotte. Ils ont tendance à toujours commencer par le même bout. Les en-cas rapides doivent être faciles à prendre et à manger ; les consommateurs ne veulent donc pas avoir à fouiller dans un sachet de carottes en désordre pour trouver celle qui leur convient.
Il n’y a pas deux carottes identiques.
« L’esthétique importe moins pour les grosses carottes en sachets traditionnels. Mais les carottes à grignoter doivent être appétissantes et toutes orientées dans le même sens », explique Kristian Dyste, président et principal actionnaire de Totengrønt, une entreprise qui cultive et conditionne des carottes et autres légumes.
« Nous devons rationaliser et automatiser notre processus d’emballage », dit-il.
Les producteurs de carottes doivent optimiser leur production pour rester compétitifs face aux autres produits apéritifs. Aujourd’hui, les employés, postés le long de la chaîne de montage, ensachent manuellement les carottes.
Dyste a désormais bénéficié de l’aide de chercheurs locaux pour programmer les machines d’emballage afin qu’elles puissent inspecter une carotte de haut en bas. C’est une tâche facile pour les humains, mais difficile pour une machine.
Le problème, c’est qu’il n’existe pas deux carottes identiques. De plus, les carottes à grignoter doivent être appétissantes. Les carottes destinées au repas sont généralement plus épaisses à une extrémité qu’à l’autre. Celles à grignoter doivent avoir une épaisseur relativement uniforme. Cela rend la distinction entre les deux extrémités encore plus difficile.
Que se passe-t-il lorsqu’une carotte différente des autres apparaît ? Stein Oskar Hinderaker (à gauche) et Ådne Solhaug Linnerud montrent comment une machine peut répondre à cette question. Crédit : Georg Mathisen
Analyse de caméra et d’images
Ådne Solhaug Linnerud et Stein Oskar Hinderaker, chercheurs chez SINTEF, ont trouvé une solution. Il s’agit d’un petit projet utilisant une caméra et l’analyse d’images, mais qui a suscité un vif intérêt, notamment grâce à sa simplicité de compréhension.
« Dans les petits projets comme celui-ci, la question est avant tout de savoir si nous disposons d’une méthode applicable. Ici, nous utilisons principalement des méthodes bien connues pour déterminer l’orientation d’une carotte », explique Linnerud.
Il faut trouver de la place sur la ligne d’emballage
Les chercheurs ont testé des solutions d’intelligence artificielle utilisant à la fois l’apprentissage profond (ou AGI, intelligence artificielle générale, comme la décrit Hinderaker) et un algorithme traditionnel qui détermine ce qu’il doit rechercher. Dans un premier temps, ils ont pris quelques centaines de photos de carottes pour entraîner une machine d’emballage.
« Notre approche est industrielle, et nous voulons que cette solution soit aussi robuste et précise que possible. Ensuite, elle doit être intégrée à la ligne de conditionnement », explique Linnerud.
Cela signifie que le scanner et le robot chargés de placer correctement les carottes doivent être situés entre les autres machines qui veillent à ce que les carottes non lavées et non triées arrivant à une extrémité de la ligne deviennent des carottes propres et prêtes à être emballées à l’autre extrémité.
Linnerud pose des questions auxquelles il faut répondre, telles que : « Quels sont les principes qui régissent le retournement d’une carotte ? Quel est le coût du système et à quelle vitesse le travail est-il effectué ? Combien de carottes faut-il traiter par seconde ? »
Mini-IA sur PC
Hinderaker explique que l’IA sur une chaîne de conditionnement de carottes est complètement différente de l’IA avec laquelle la plupart des autres personnes travaillent.
« Il est courant aujourd’hui de créer d’immenses modèles d’IA. Mais lorsqu’on conçoit soi-même les algorithmes et qu’on les adapte précisément à l’usage prévu, le processus est beaucoup plus rapide », explique-t-il. Ici, le programme entier s’exécutera sur un petit PC local, et non sur d’énormes serveurs hébergés dans un cloud distant.
L’entreprise SINTEF Industry, située dans le parc industriel de Raufoss, ne fabrique pas la ligne de conditionnement finale pour les carottes. Le rôle des chercheurs est de développer la technologie nécessaire. Dans un second temps, le fabricant produira l’équipement de conditionnement, qui intégrera cette technologie.
Projet de recherche avec du goût
L’objectif est simple : donner envie d’acheter ces carottes à grignoter. Elles doivent être emballées de manière attrayante, explique Hinderaker.
Il ne cache pas qu’il a pris un peu plus de plaisir que d’habitude avec ce projet de recherche particulier.
« Ces carottes à grignoter sont vraiment délicieuses ! J’en ai mangé plein moi-même », dit-il.
