Dans le cadre d’une collaboration avec DIAM Bouchage, l’institut Carnot CEA List a développé une technologie permettant de détecter les bouchons de liège défectueux. Cette solution utilise l’intelligence artificielle pour réaliser une analyse du liège par rayons X.
Une solution de tri automatique des bouchons de liège défectueux
Les fins connaisseurs de vin le savent, il arrive qu’un vin soit bouchonné ou oxydé à l’ouverture d’une bouteille, même si le bouchon de liège est considéré comme le choix idéal pour le conserver. Pour qu’un vin puisse être préservé, il faut que le bouchon puisse laisser passer juste ce qu’il faut d’oxygène afin de pouvoir le laisser maturer et garantir une qualité gustative dans le temps. Si ce n’est pas le cas, il perd sa saveur.
Toutefois, il est impossible de savoir à l’œil nu si un bouchon de liège est correctement étanche ou s’il laisse passer beaucoup 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. Cette dernière a sollicité les chercheurs afin qu’ils puissent mettre au point une méthode de tri automatisé et fiable des bouchons de liège issus du tubage d’une écorce de chêne-liège.
L’intelligence artificielle pour automatiser l’outil
La tomographie par rayons X est utilisée pour produire des images du bouchon de liège à analyser, ainsi, le bouchon peut être visualisé dans sa totalité. Pour réaliser cette analyse, les chercheurs ont élaboré un algorithme de machine learning adapté à la classification du liège.
La solution compare les caractéristiques obtenues par imagerie comme les lignes de croissance, la densité du liège ou le nombre et la distribution de lenticelles, avec des données sur le taux de transfert d’oxygènes effectués sur le long terme. Ainsi, le modèle apprécie automatiquement l’étanchéité du liège et le classe comme bouchon de qualité ou non.
Les premiers tests de la plateforme attestent que 75% des bouchons sont correctement classifiés, et ce, en quelques secondes, l’outil n’analysant que deux images par bouchon. Les chercheurs poursuivent leurs recherches afin d’améliorer leur modèle avec un objectif : atteindre 100% de bonne classification, un critère obligatoire pour que leur algorithme soit utilisé pour boucher de grands vins.
