Des chercheurs britanniques ont mis au point un réseau neuronal artificiel capable d’identifier des objets recyclables (dans une décharge par exemple) avec une précision de 95%. Le réseau, qui peut fonctionner avec une simple webcam, a été entraîné sur un ensemble d’images de déchets.
La mise en décharge constitue la pire option pour la gestion des déchets… En effet, les objets recyclables qui finissent dans les décharges, sans tri, constituent un problème majeur pour la planète. D’après une analyse, neuf objets en plastique sur dix ne sont pas recyclés, et ce problème est dû en partie à l’incertitude (humaine) quant aux objets qui peuvent être recyclés.
La possibilité d’identifier rapidement la composition des objets, et donc leur recyclabilité, pourrait donc nous aider à décider plus efficacement dans quel conteneur placer un objet. Un réseau neuronal convolutif développé dans le cadre d’une nouvelle étude — un type de réseau neuronal souvent utilisé pour analyser des informations visuelles —, entraîné sur une base de données d’images de déchets, pourrait faciliter ce processus.
Une identification visuelle rapide des matériaux
Mis au point par Ryan Grammenos et Youpeng Yu de l’University College London, ce réseau est capable d’établir des liens entre l’apparence d’un objet et les matériaux dont il est composé. « Nous identifions rapidement le matériau », déclare Ryan Grammenos.
En exploitant des techniques d’apprentissage automatique supplémentaires — notamment en n’entraînant pas certaines couches du réseau neuronal et en consacrant plutôt la puissance de calcul de l’ordinateur à des tâches plus délicates, comme l’interprétation d’objets inhabituels ou difformes —, les chercheurs ont pu améliorer davantage la capacité du logiciel à classer correctement les matériaux. Interrogé dans le cadre d’un essai simulant des conditions de terrain, le réseau neuronal a fourni la bonne réponse dans 95,4% des cas.
Choisir le bon conteneur en moins de 50 millisecondes
« Les chercheurs en vision par ordinateur parlent souvent des défis de reconnaissance ‘en conditions réelles’, et la classification des déchets en est un exemple remarquable », explique Serge Belongie de l’université de Copenhague au Danemark. « Cette étude montre des résultats prometteurs en utilisant certaines méthodes de pointe, et je peux voir ce type de technologie gagner du terrain dans une variété de contextes publics ».
L’un des collègues de Grammenos au sein de son laboratoire travaille déjà à une utilisation pratique du modèle, ayant développé un système similaire qui nécessite moins de puissance de calcul pour classer la recyclabilité d’un objet. L’objectif applicatif final de la technologie serait d’envoyer un signal rapidement pour soulever le couvercle du bon conteneur pour tout objet présenté, et ce en moins de 50 millisecondes.
Contrairement à d’autres travaux publiés dans ce domaine, le rapport d’étude fourni par les chercheurs — disponible sur le serveur de préimpression arXiv — montre tous les détails concernant la création du modèle neuronal. De plus, le code brut, rendu open-source, permet d’effectuer avec succès une classification en temps réel des déchets de recyclage en utilisant la webcam d’un ordinateur standard.