La computer vision expliquée aux collecteurs de déchets, sans jargon

La computer vision est la partie de l’intelligence artificielle qui lit les images. Un chauffeur reconnaît un morceau de carton parce qu’il en a vu des milliers. Un logiciel l’apprend de la même manière : par des exemples. Dans cet article, nous expliquons comment cela fonctionne sur un camion-poubelle, sans formules.

Un ordinateur ne voit d’abord que des pixels

Pour un ordinateur, une photo est une grille de points de couleur. Il ne voit ni boîte, ni bouteille, ni sac. Il voit des milliers de chiffres qui représentent la couleur et la luminosité.

Pour y trouver du sens, il a besoin d’un modèle. Ce modèle apprend les liens entre des motifs dans ces pixels et ce qu’ils représentent. Une forme brune et plate, aux bords droits et avec des plis, est probablement du carton. Une forme brillante, froissée et translucide est plutôt un film plastique.

Apprendre avec des exemples

Un modèle apprend avec des exemples. Des personnes regardent des images de vrais vidages et indiquent ce qu’elles voient : ceci est du papier, ceci des PMC, ceci une bonbonne de gaz. C’est ce qu’on appelle l’annotation. Le modèle examine tous ces exemples et s’ajuste jusqu’à donner les bonnes réponses sur des images qu’il n’a jamais vues.

C’est pourquoi la connaissance locale fait une telle différence. Un sac PMC belge ne ressemble pas à un sac jaune allemand. Les déchets professionnels diffèrent des déchets ménagers. L’équipe de Rematics réunit des spécialistes en computer vision, logiciel et gestion des déchets pour entraîner les modèles sur les fractions que les collecteurs ramassent réellement.

Trois tâches : trouver, nommer, délimiter

Sur un camion-poubelle, la computer vision fait trois choses à la fois.

1. Détection. Le modèle cherche où se trouve un objet dans l’image et dessine un cadre autour. Il trouve ainsi une bonbonne de gaz ou une batterie parmi le reste.
2. Classification. Le modèle nomme ce qu’il a trouvé. Ce cadre, est-ce du carton, un film plastique ou du bois ?
3. Segmentation. Le modèle indique, pour chaque partie de l’image, de quelle matière il s’agit. C’est nécessaire quand des matières se superposent, comme du film plastique dans du carton. On ne peut pas les compter comme des objets séparés, mais on peut mesurer quelle part de l’image est non conforme.

D4T combine ces trois tâches et reconnaît ainsi plus de 40 fractions de déchets, des non-conformités et des matières dangereuses.

Pourquoi cela se passe sur le camion lui-même

La computer vision demande beaucoup de puissance de calcul. Autrefois, elle se trouvait dans une salle de serveurs. D4T calcule sur un ordinateur IA robuste dans le camion-poubelle lui-même. C’est ce qu’on appelle l’edge AI. Le camion ne doit pas envoyer de vidéo et l’analyse continue même quand la connexion mobile tombe un instant. Sur la page produit, découvrez le matériel nécessaire.

Meilleur à chaque détection confirmée

Chaque détection dans le Daisy Portal est accompagnée de son image. Un client peut confirmer ou contester une détection. Les détections confirmées retournent à l’équipe, qui les utilise pour continuer à entraîner les modèles. Les erreurs restent ainsi visibles au lieu d’être noyées dans une moyenne.

Ce que la computer vision ne peut pas faire

Une caméra ne voit pas à travers un sac opaque. D4T peut reconnaître et compter un tel sac, mais pas dire ce qu’il contient. Et ce qui disparaît entièrement sous d’autres matières reste invisible. C’est pourquoi D4T analyse tout le vidage à 40 images par seconde : plus on voit de moments, moins de choses restent cachées. Plus d’infos dans les questions fréquentes.

Curieux de voir comment la computer vision lit vos flux de déchets ? Demandez une démo et découvrez de vraies détections.