L’IA pour classer les bouchons

Dans le cadre d’une collaboration avec DIAM Bouchage, l’institut Carnot CEA List a développé une technologie permettant de détecter les bouchons défectueux. Cette solution utilise l’intelligence artificielle pour effectuer une analyse radiographique du bouchon.

Une solution de tri automatique pour les bouchons défectueux

Comme le savent les connaisseurs en vin, il arrive qu’un vin soit bouché ou oxydé lors de l’ouverture d’une bouteille, même si le bouchon est considéré comme le choix idéal pour sa conservation. Pour qu’un vin soit conservé, le bouchon doit pouvoir laisser entrer juste assez d’oxygène pour lui permettre de mûrir et de garantir sa qualité gustative au fil du temps. Si ce n’est pas le cas, il perd sa saveur.

Or, il est impossible de savoir à l’œil nu si un bouchon est bien fermé ou s’il laisse entrer trop d’oxygène dans la bouteille. C’est dans ce contexte qu’intervient le partenariat entre l’institut Carnot CEA List et la société Diam Bouchage. L’entreprise a demandé aux chercheurs de développer une méthode automatisée et fiable de tri des bouchons fabriqués par tubage de l’écorce de chêne-liège.

L’IA pour automatiser l’outil

La tomographie à rayons X est utilisée pour produire des images du bouchon à analyser, ce qui permet de visualiser le bouchon dans son intégralité. Pour réaliser cette analyse, les chercheurs ont développé un algorithme d’apprentissage automatique adapté à la classification des bouchons.

La solution compare les caractéristiques de l’imagerie, telles que les lignes de croissance, la densité du liège ou le nombre et la répartition des lenticelles, avec les données relatives au taux de transfert d’oxygène à long terme. Ainsi, le modèle évalue automatiquement l’étanchéité du bouchon et le classe comme un bon ou un mauvais bouchon.

Les premiers tests de la plateforme montrent que 75% des bouchons sont correctement classés, et ce en quelques secondes, puisque l’outil n’analyse que deux images par bouchon. Les chercheurs poursuivent leurs recherches afin d’améliorer leur modèle avec un objectif : atteindre 100% de classification correcte, un critère obligatoire pour que leur algorithme puisse être utilisé pour le bouchage des grands vins.

Points clés

• Une méthode automatisée et fiable pour trier les bouchons fabriqués par l’écorce de chêne-liège en tube
• Un algorithme d’apprentissage automatique adapté à la classification des bouchons en quelques secondes.