Avec la technologie de vision par IA SingTown, la reconnaissance automatique des noix permet aux machines de torréfaction de "maîtriser" la température.

Dans les équipements de torréfaction intelligents, différents matériaux (comme les arachides, les graines de tournesol, les châtaignes, etc.) nécessitent des courbes de chauffage et des stratégies de mélange spécifiques. Les réglages manuels sont non seulement chronophages, mais aussi sujets aux erreurs. Pour automatiser le processus de torréfaction et en assurer un contrôle précis, les fabricants de robots de torréfaction prévoient d'utiliser la caméra intelligente OpenMV de SingTown pour construire un système de reconnaissance des matériaux basé sur la vision par ordinateur.

Ce système capture des images des matières premières à l'intérieur de la trémie via une caméra, identifie automatiquement le type d'aliment inséré, puis active le programme de cuisson correspondant. Les objets identifiés sont principalement des noix d'une granulométrie de 1 à 5 cm. La caméra est installée au-dessus de l'équipement et peut photographier le contenu de la trémie à une distance réglable. Le système doit être capable de distinguer différentes variétés telles que les arachides, les graines de tournesol et les châtaignes, tout en maintenant une identification stable même en cas de légers écarts de position ou de variations d'angle. L'objectif est de permettre au robot d'identifier automatiquement le type de matière, de réaliser un chargement sans intervention humaine et d'adapter intelligemment la cuisson, améliorant ainsi le niveau d'intelligence de l'équipement et l'expérience utilisateur.

Le fabricant de robots de torréfaction, basé sur le système d'identification de matières de la caméra intelligente OpenMV de SingTown, intègre la reconnaissance d'images par IA, l'analyse de couleurs et de textures ainsi que des algorithmes de classification par apprentissage automatique, permettant une identification automatique en temps réel des types de matières.

Le système capture les images du silo via une caméra haute résolution et utilise des algorithmes de conversion d'espace colorimétrique (RGB-HSV) et d'extraction de caractéristiques morphologiques pour analyser et classer la couleur, la texture et la forme des matières premières telles que les arachides, les graines de tournesol et les châtaignes. En s'appuyant sur un modèle entraîné avec des échantillons, le système peut rapidement identifier le type de matière présente dans le silo, émettre un signal de numéro correspondant et apparier automatiquement le programme de torréfaction robotisée.

Lors de la détection, le module de vision embarqué OpenMV ajuste automatiquement l'exposition et la balance des blancs en fonction des différentes conditions d'éclairage, assurant ainsi une reconnaissance stable et précise. Même en cas de décalage ou d'empilement des matériaux dans la trémie, le système parvient à les identifier avec exactitude grâce à un algorithme de segmentation de zones et de fusion de multiples caractéristiques (couleur + texture + forme du contour). Les résultats de la reconnaissance sont transmis au microcontrôleur principal via une liaison série ou un bus, permettant ainsi une commutation automatique des paramètres.

Les données de test montrent que le système atteint un taux de reconnaissance supérieur à 95% pour trois matières premières de grignotines courantes (cacahuètes, graines de tournesol, châtaignes) dans des conditions d'éclairage standard, avec un temps de réponse inférieur à 0,5 seconde.

SingTown OpenMV, caméra intelligente à faible coût, déploiement simple et forte résistance aux interférences, convient au déploiement en périphérie de divers équipements tels que les torréfacteurs, les machines d'emballage de noix et les systèmes de tri alimentaire, aidant l'industrie de la transformation alimentaire automatisée à évoluer vers l'intelligence.