Études de cas

L’objectif était d’arriver à détecter tous les types de défaut affectant la qualité des pommes de terre (20 +) et de fournir une solution donnant la liberté à Patates Dolbec de choisir le niveau de qualité de leur produit en fonction des besoins variables de leur clientèle. 

Un défi supplémentaire consistait à surpasser la performance de l’algorithme de détection de leur trieuse industrielle, la CELOX qui est la référence du marché pour cette activité, afin de permettre à Patates Dolbec de réallouer son équipe d’assurance qualité vers des activités à plus grande valeur ajoutée.

Patates Dolbec n’était pas satisfaite de la performance de leur machine de tri optique plus ancienne, qui présentait un taux d’erreur de 30%. Cela obligeait les employés à trier manuellement une partie des patates, causant ainsi la perte d’une importante quantité de pommes de terre en santé et les revenus qui y étaient associés. Dans une industrie en constant développement où la pénurie de main-d’œuvre persiste, il était donc crucial de trouver une alternative plus efficace et une solution évolutive pour pouvoir s'adapter aux
changements du marché.

Nous avons donc modernisé leur machine de tri optique en y intégrant des caméras haute définition et un modèle de vision par ordinateur à réseau de neurones profonds à la fine pointe de la technologie pour tirer parti des récents développements en matière d'IA et de vision artificielle. 

Au final, l’implantation de l’IA dans le processus de contrôle de la qualité aura permis à Patates Dolbec de gagner pas moins de 25 % en efficacité, car le taux d’erreur est passé de 30 % à 5 % en l’espace de seulement quelques mois.