Inspection visuelle IA pour l'agroalimentaire : étiquettes, scellés et remplissage
Les défauts d'étiquette et de scellé dominent la queue des rappels liés au packaging dans les données de la FDA sur l'agroalimentaire. Ce sont précisément les défauts qu'un système de vision à règles fixes manque à la cadence ligne. L'inspection visuelle IA réécrit la catégorie en silence.
L'agroalimentaire et les boissons sont restés prudents face à l'IA en ligne, et pour de bonnes raisons. Les coûts de rappel sont vertigineux, l'arrêt de ligne se chiffre à la minute, et le parc installé d'AOI à règles fixes est massif. Ce qui a changé en 2025, c'est que le matériel grand public encaisse désormais les lignes à haut BPM, jusqu'à 600 bouteilles par minute, et plus seulement les armoires industrielles dédiées.
Défauts d'étiquette
Trois familles de défauts d'étiquettes dominent les rappels. Le décalage de l'étiquette principale sur la mauvaise bouteille, la dérive de lisibilité du code lot quand la tête jet d'encre se bouche au cours du poste, et l'envoi du mauvais visuel quand la ligne change de marque.
Chacun est un cas difficile pour l'AOI à règles. Le décalage dérive de plusieurs centaines de millimètres pendant le poste à mesure que les bobines d'étiquettes s'étirent. La lisibilité du jet d'encre est un motif visuel qui se dégrade par paliers. Le mauvais visuel est une tâche de reconnaissance, pas une tolérance géométrique.
Les modèles IA apprennent ces motifs à partir de quelques milliers de prises de vue bonnes et mauvaises labellisées et tiennent leur calibration tout le poste. Plus important, ils gèrent un nouveau SKU avec un réentraînement de cinq minutes, pas une mise à jour de recette de deux heures.
Défauts de scellé
Les scellés par induction sur les pots de beurre de cacahuète, les petits pots pour bébé et les aliments pharma ont des exigences réglementaires serrées. Les scellés incomplets laissent passer l'air. Les plis sur les pochettes de café produisent des fuites lentes qui ne déclenchent pas un test de gonflement avant des semaines, mais font perdre des mois de durée de conservation.
L'inspection IA capte les deux à la cadence ligne parce que le modèle apprend la géométrie correcte du scellé par SKU, pas une boîte de tolérance. Plis ou scellés incomplets remontent en alerte d'anomalie élevée dans la même fenêtre de 30 millisecondes que le produit passe sous la caméra.
Défauts de remplissage
Le sous-remplissage est un risque marketing. Le sur-remplissage est un risque coût. La casse de contenant en ligne est un risque d'arrêt.
Les trois apparaissent dans les données caméra de manière différente. Le niveau de remplissage est un problème de détection de bord. La casse de contenant est un problème d'anomalie, parce qu'une bouteille fissurée ne ressemble à aucune bouteille saine d'une façon qu'une règle puisse énumérer entièrement. Une seule caméra avec deux modèles tournant en parallèle gère les trois sur les lignes que nous avons déployées.
Ce que 600 BPM impose au choix de la caméra
Six cents bouteilles par minute, c'est dix bouteilles par seconde. Chaque bouteille a environ 100 millisecondes dans la zone d'inspection avant de sortir du cadre. L'inférence, la décision et le déclenchement de la barrière de rejet doivent tous tenir dans cette fenêtre.
Le calcul edge moderne sur matériel grand public encaisse l'inférence de 50 millisecondes confortablement. Cela laisse 50 millisecondes pour la capture caméra et le contrôle de la barrière de rejet. Les caméras industrielles gardent l'avantage sur la synchronisation sub-milliseconde quand plusieurs caméras par bouteille sont nécessaires, mais les stations à caméra unique ont atteint la parité.
Ce que l'IA apporte que l'AOI à règles n'apporte pas
Trois choses précises. Zéro temps de programmation pour un nouveau SKU, parce que le modèle apprend depuis des images plutôt qu'un jeu de règles. Un meilleur rappel sur les défauts qui se trouvent dans l'écart entre classes (un code lot bavé n'est ni manquant ni mal formé, il est dégradé). Et un taux de faux positifs plus bas, qui dans une usine alimentaire se traduit directement par moins de produits valides envoyés au rebut.
Enao Vision livre des boîtiers en inox de qualité alimentaire autour d'iPhones pour les applications étiquette, scellé et remplissage. Sur nos déploiements, le gain d'OEE est en général visible dans les premiers postes, et les sites sans Ethernet filaire tournent sur un hotspot 5G optionnel. La valeur n'est pas la caméra ; c'est la vitesse d'onboarding d'un nouveau SKU et le rappel qui n'a pas lieu.
La catégorie bouge. L'AOI à règles fixes gardera sa place sur les lignes mono-SKU monolithiques. Toute ligne d'embouteillage ou de packaging qui change de format plus d'une fois par poste est candidate à l'inspection IA, et les 71 % de rappels liés au packaging sont la raison pour laquelle ce basculement arrive maintenant.
Tu fais tourner une ligne d'embouteillage, d'étiquetage ou de scellage et tu veux comparer ? D'autres équipes qui composent avec les contraintes de plus de 300 BPM traînent dans notre communauté.