Questions
Capteurs, robots et LIBS, en termes simples.
Ce que les recycleurs nous demandent le plus souvent sur le tri par capteurs, la préhension robotisée et la spectroscopie laser sur les flux de métaux.
Tri par capteurs
Quand faut-il trier par capteurs dans le recyclage ?
Le tri par capteurs devient particulièrement pertinent lorsque la séparation mécanique classique a atteint ses limites.
Les procédés mécaniques séparent efficacement les matières selon la taille, la forme, la densité ou le comportement magnétique. Mais lorsque des matières de valeur différentes partagent des propriétés physiques voisines, ces méthodes n’offrent plus la sélectivité nécessaire pour produire des fractions à forte valeur.
Le tri par capteurs ajoute une couche d’information : il identifie chaque objet à partir de ses caractéristiques visuelles, physiques ou chimiques. Il est particulièrement pertinent quand :
- la séparation mécanique n’atteint pas la pureté demandée ;
- il faut distinguer des matières aux propriétés physiques voisines ;
- il faut automatiser un tri manuel ;
- la disponibilité de la main-d’œuvre ou les conditions de travail rendent le tri à la main difficile à tenir dans la durée ;
- il faut récupérer plusieurs fractions de valeur différentes ;
- la place disponible est limitée et plusieurs étages de séparation successifs ne seraient pas réalistes.
L’objectif n’est pas de remplacer une séparation mécanique efficace, mais d’ajouter le tri par capteurs là où l’information supplémentaire crée de la valeur supplémentaire.
Pourquoi trier les métaux par capteurs ?
Une ligne de broyage sépare déjà beaucoup : l’aimant prend les ferreux, le séparateur à courants de Foucault éjecte les non-ferreux, le classificateur à air retire la fraction légère. Chacune de ces machines sépare sur une seule propriété physique. Ce qui sort au bout est un flux où cette logique n’aide plus, et seule une mesure de ce dont chaque pièce est faite permet d’aller plus loin.
Pourquoi une caméra couleur ne suffit-elle pas ?
Une caméra couleur lit la lumière renvoyée par une surface. Elle ne dit ni l’épaisseur d’une pièce, ni ce qui se trouve sous la peinture ou l’oxyde, ni les éléments dont elle est faite. Deux métaux peuvent se ressembler sous un éclairage industriel, et une carcasse en acier et un moteur électrique sont deux pièces d’acier grises tant que la transmission X ne voit pas le bobinage de cuivre à l’intérieur.
Tri par IA ou tri par capteurs : quelle différence ?
Ce ne sont pas deux technologies concurrentes.
Le secteur du recyclage parle souvent de tri par IA quand des caméras RGB classiques sont associées à de la vision par ordinateur et à des algorithmes d’apprentissage profond, et de tri par capteurs pour des technologies comme les rayons X, l’infrarouge, l’hyperspectral, le LIBS ou la XRF, qui mesurent des propriétés physiques ou chimiques précises de la matière.
En pratique, cette distinction est de plus en plus artificielle. Chez Matvision, l’IA sert à interpréter les données de plusieurs types de capteurs. Plutôt que d’appliquer l’apprentissage profond aux seules images couleur, nos modèles exploitent l’aspect, la géométrie, la densité, la réponse spectrale ou la composition élémentaire d’un objet.
Cette combinaison permet à l’IA d’apprendre sur une information plus riche, et de choisir la technologie de mesure la mieux adaptée à chaque problème de tri. La question n’est donc pas « l’IA ou les capteurs », mais : quels capteurs apportent l’information utile, et comment l’IA en tire-t-elle le plus de valeur ?
À lire : le tri intelligent piloté par l’IA, au-delà du tri par capteurs traditionnel ↗
Pourquoi combiner plusieurs capteurs et plusieurs sorties de tri ?
Parce qu’une identification fine de la matière ne vaut pleinement que si le système de tri sait agir sur cette information.
Chaque capteur apporte une information différente. L’imagerie RGB décrit l’aspect, la mesure 3D donne la géométrie, les technologies à rayons X renseignent sur la densité ou la composition élémentaire, et le LIBS identifie les éléments et les éléments d’alliage. Combiner ces signaux permet une classification bien plus fine qu’une mesure unique.
Mais la reconnaissance n’est que la moitié du problème. Un système LIBS distingue de nombreuses familles d’alliages à partir de leur composition élémentaire. Si la séparation en aval ne produit que quelques fractions, une grande part de cette capacité de classification reste inutilisée.
C’est là que le tri robotisé multisorties prend toute sa force. Plutôt que de réduire une classification riche à une décision binaire, chaque pièce part vers l’une de plusieurs fractions, en une seule étape de tri.
Matvision associe donc la reconnaissance multicapteur au tri multisorties, pour que l’intelligence gagnée côté mesure se traduise directement en matière récupérée et en valeur côté tri.
L’imagerie hyperspectrale est-elle utile pour trier les métaux ?
Oui, mais sa pertinence dépend fortement de la matière et de l’objectif de tri.
L’imagerie hyperspectrale est particulièrement efficace sur des matières comme les plastiques. Les polymères présentent des bandes d’absorption caractéristiques, liées à des liaisons moléculaires précises. Leur réponse spectrale est alors une véritable empreinte chimique, qui distingue des matières presque identiques pour une caméra couleur classique.
Les métaux se comportent autrement. Leurs spectres optiques ne présentent généralement pas ce type d’absorptions moléculaires distinctives : l’imagerie hyperspectrale ne donne donc pas automatiquement d’information directe sur la composition de l’alliage.
L’imagerie spectrale n’est pas pour autant sans intérêt sur les métaux. L’état de surface, l’oxydation, les revêtements et d’autres caractéristiques optiques restent des informations utiles pour certaines séparations. Dans ces cas, l’imagerie multispectrale devient intéressante : elle capte quelques bandes choisies au-delà du RGB, avec une architecture plus simple et plus industrielle qu’un système hyperspectral complet.
Quand il faut une information élémentaire ou de densité directe, des technologies comme le LIBS, la XRF ou la XRT discriminent mieux.
Chez Matvision, nous ne partons donc pas d’une technologie de capteur préférée. Nous partons du problème de séparation et choisissons la combinaison de capteurs qui apporte réellement une information utile sur la matière.
Robotique
Pourquoi des robots pour trier les métaux ?
Parce que le nombre de sorties ne doit pas limiter la classification. Un trieur à jets d’air sépare une cible du flux, ou quelques fractions dans les limites de sa conception mécanique. Un robot place chaque pièce identifiée dans la sortie où elle vaut le plus, et c’est ce qui permet à plusieurs nuances de quitter un flux mélangé en un seul passage.
Robots ou jets d’air : faut-il choisir ?
Non. Les deux peuvent travailler sur la même ligne : des robots sur les pièces qu’il faut placer, de l’air sur celles qu’il suffit de retirer, ou sur celles qui sont petites, rapides ou trop nombreuses pour mériter un bras. Le partage se décide pendant l’étude de performance sur votre matière.
Combien de robots faut-il sur une ligne ?
Cela suit le flux, pas un catalogue. Matvision Refine utilise un à quatre robots, dimensionnés selon le contaminant à retirer ; Matvision Grade en utilise cinq à douze, une sortie par catégorie qui vaut la peine d’être séparée. Une ligne peut démarrer avec moins de bras et grandir avec le flux.
LIBS
Qu’est-ce que le LIBS ?
La spectroscopie sur plasma induit par laser. Une impulsion laser focalisée vaporise une infime quantité de matière, la vapeur devient un plasma, et un spectromètre décompose la lumière émise par ce plasma en raies qui nomment les éléments présents au point d’impact.
Pourquoi le LIBS est-il pertinent pour trier les métaux ?
Parce qu’il atteint les éléments légers comme le magnésium, le silicium, l’aluminium, le lithium et le carbone, et c’est souvent là que se trouve la valeur d’une fraction : un aluminium 5xxx ou 6xxx est une question de magnésium et de silicium, un aluminium de fonderie ou corroyé une question de composition, un inox 304 ou 316 une question d’éléments d’alliage. Les premières impulsions retirent aussi le revêtement ou l’oxyde, et les suivantes lisent la matière en dessous.
LIBS ou XRF : lequel est le meilleur ?
Aucun des deux, car ils ne répondent pas à la même question. La XRF est forte sur les éléments d’alliage plus lourds comme le cuivre, le zinc, le nickel ou le chrome, mais son signal est la somme de tout ce qu’elle traverse, revêtement compris. Le LIBS retire la surface et atteint les éléments légers, mais il décrit un cratère de quelques centaines de micromètres et demande davantage d’étalonnage pour rester reproductible. Leurs angles morts sont opposés : le choix dépend de la séparation visée.
Où le laser tire-t-il sur la pièce ?
Là où la caméra le lui indique. L’imagerie localise chaque pièce, ses bords et ses zones visuellement distinctes, et les tirs sont placés sur ces zones plutôt que selon un motif fixe. Un seul cratère sur l’insert en cuivre d’un corps en acier se tromperait avec assurance sur la pièce ; des tirs choisis par la caméra font d’une mesure locale une preuve sur l’objet.
IA et performance
Le modèle d’IA peut-il se tromper avec assurance ?
Oui, et c’est précisément le problème d’ingénierie à résoudre. Un score de confiance n’est pas une probabilité : un classificateur classe toujours les catégories qu’il connaît, même pour une pièce qu’il n’a jamais vue. L’étalonnage, c’est-à-dire l’accord entre la confiance annoncée et la précision observée, se mesure et se corrige, et un système qui sait quand ne pas répondre vaut plus qu’un système qui répond toujours.
Comment savoir si cela fonctionnera sur ma matière ?
Nous le mesurons avant que quoi que ce soit ne soit écrit dans une offre. Une étude de performance commence avec deux big bags de votre matière : nous mesurons sa composition pièce par pièce, fixons la pureté que nous pouvons tenir face à la matière que vous perdriez avec les contaminants, et inscrivons les deux dans l’offre comme les chiffres sur lesquels nous nous engageons.
Projets et budget
Pouvez-vous construire une ligne pour un flux qui n’est pas sur votre site ?
Oui. Les six familles de la page des cas d’application sont celles que nous rencontrons le plus souvent, pas la limite de ce que les machines savent faire. Un flux en dehors devient un projet : nous mesurons votre matière, définissons la combinaison de capteurs et les sorties qu’elle justifie, et construisons la ligne autour.
La méthode ne change pas : deux big bags de matière, une étude de performance, des chiffres mesurés sur votre propre flux, puis une configuration qui a un sens économique. Ce qui change, c’est que le résultat vous est propre plutôt que pris dans un catalogue.
Travaillez-vous sur des projets de recherche et des pilotes ?
Oui, et c’est une des façons dont la technologie continue d’avancer. Matvision est née du laboratoire GeMMe de l’Université de Liège, participe à des projets de R&D collaboratifs européens, et travaille avec des équipes de recherche et des groupes industriels sur des séparations qui n’ont pas encore été démontrées.
En pratique, cela peut être une unité Matvision Sense installée sur une ligne pilote ou dans un laboratoire pour collecter des données réelles, une campagne de caractérisation sur de la matière que vous nous envoyez, ou une ligne entière construite pour un seul procédé. Les partenaires de consortium qui cherchent la partie mesure et tri d’un projet peuvent nous écrire.
Combien coûte une machine de tri ?
Le prix d’une machine de tri dépend directement de la configuration qu’exige l’application. Les principaux facteurs de coût sont le type et le nombre de capteurs, le nombre de robots, le débit demandé, et la nécessité ou non d’un convoyeur dédié ou d’une intégration mécanique particulière.
C’est pourquoi nous ne partons pas d’une configuration de machine que nous tenterions d’adapter à l’application. Nous évaluons d’abord la matière, l’objectif de tri et la valeur attendue, puis nous définissons la configuration qui a un sens économique.
Avant de recommander un investissement, nous examinons le dossier économique et le retour sur investissement attendu. Les applications présentées sur ce site correspondent à des problèmes de tri pour lesquels un cas économique viable a été identifié. Le retour sur investissement peut venir de plusieurs sources :
- Automatisation du tri manuel : moins de dépendance à la préhension à la main et aux coûts de main-d’œuvre associés.
- Qualité constante : une performance de tri stable, et moins de risque de pénalités de qualité ou de matière déclassée, en particulier quand le personnel manque.
- Capacité de production accrue : des plages de fonctionnement plus longues et moins de limites liées au tri manuel.
- Matière mieux valorisée : une séparation sur des critères qu’un opérateur évalue difficilement de façon constante, donc des fractions plus propres et plus concentrées, à plus forte valeur de marché.
- Meilleure récupération : des matières de valeur identifiées et récupérées, qui resteraient sinon dans une fraction moins payée.
Au fond, la question n’est pas seulement « combien coûte la machine ? », mais « combien de valeur supplémentaire le tri peut-il produire ? ». C’est pour cela que Matvision examine le dossier économique avant d’arrêter la configuration de la machine.
Vous ne savez pas si le tri par capteurs a un sens économique pour votre matière ou votre procédé ? Contactez notre équipe pour examiner votre application avec nos spécialistes du tri et évaluer la faisabilité technique, la valeur attendue et le retour sur investissement possible.
Travailler chez Matvision
Puis-je travailler chez Matvision ?
Matvision réunit la robotique, l’intelligence artificielle, l’électronique, la mécanique et la science des matériaux, dans une équipe assez petite pour que chacun voie ce que la machine fait de son travail. La passion, la créativité et le goût des problèmes que personne n’a encore résolus comptent autant qu’une ligne sur un diplôme, et nous tenons à ce que le travail reste un plaisir.
Si aucune ne vous correspond et que vous souhaitez mettre vos compétences au service d’une cause qui en vaut la peine, écrivez-nous avec votre CV. Un bon profil qui arrive avant que le poste existe, c’est ainsi que la plupart de cette équipe a été recrutée.