Boulangerie et viennoiserie
Détecte la dérive de couleur de cuisson, les fissures, les écarts de poids de pâton, la couverture de graines et les défauts de scellage avant que les pains ne quittent l'ensacheuse.
Contrôle qualité automatisé pour pains, petits pains, viennoiseries et boulangerie emballée, sur iPhone reconditionné, à côté de ton diviseur, ta chambre de pousse, ton four et ton ensacheuse.
Une dérive de couleur de cuisson de quelques nuances entre le premier et le quatrième chariot. Une fente latérale qui passe l'inspection en bout de table mais saute aux yeux du chef de rayon en supermarché. Un pâton sous-poids qui passe le diviseur et casse la spec étiquette en MDD. Sur une ligne de boulangerie qui tourne entre 2 000 et 8 000 pièces par heure, chaque palette retournée du dépôt te coûte deux fois. Le grossiste appelle, la facture rétrofacturation arrive trois semaines plus tard, et la prochaine commande de cette MDD part chez ton concurrent. Tes opérateurs attrapent les cas évidents au refroidisseur, mais la dérive subtile de croûte qu'une caméra 4K capte sur le tapis est celle qu'un œil fatigué laisse passer après trois heures de poste. Le contrôle qualité automatisé pour la boulangerie comble cette faille, et tu n'as pas besoin d'un système de vision à six chiffres pour y arriver.
Qu'est-ce que le contrôle qualité automatisé pour la boulangerie et la viennoiserie ?
La détection IA des défauts pour la boulangerie utilise une caméra et un modèle de vision qui surveillent chaque pain et petit pain en sortie de chambre de pousse, de four, de refroidisseur et de ligne d'ensachage, et qui signalent les unités non conformes avant qu'elles n'atteignent l'expédition. Plutôt que de t'appuyer sur un opérateur en bout de table ou sur une vision à règles rigide, le modèle apprend la couleur de cuisson, le motif de mie, la géométrie de pâton et la signature de garniture de ton portefeuille de SKU, et applique un point de contrôle visuel cohérent d'un poste à l'autre, d'une vitesse de ligne à l'autre et d'un changement de recette à l'autre.
Les produits de boulangerie sont particulièrement difficiles à contrôler à la vitesse de ligne parce que la variation naturelle au sein d'une même fournée est élevée par nature, la teinte de croûte se lit différemment sur les recettes blanches, complètes et de seigle, et le pain sous-cuit qui ruine un multipack ressemble à une pièce conforme sous la lumière de boulangerie. La vision à règles construite autour d'une seule forme casse dès que tu passes à un autre SKU, à une autre garniture ou à une autre recette. L'inspection pilotée par l'IA gère ces variations parce que le modèle apprend à partir d'images de production réelles plutôt qu'à partir d'un seuil figé.
Le résultat est un point de contrôle visuel automatisé qui complète ton échantillonnage en bout de ligne et te donne un journal image pièce par pièce. Quand un retour grossiste arrive six semaines plus tard, tu peux ressortir les images de la fenêtre de production exacte et soit confirmer le défaut, soit pousser ta réponse avec preuve.
Défauts détectés sur les lignes de boulangerie et viennoiserie
Dérive de couleur de cuisson
La dérive de couleur de cuisson couvre les croûtes pâles, foncées ou inégales causées par les dérives de température du four, les changements de vitesse du tapis et les erreurs de timing d'injection vapeur. Les pains pâles cassent la spec MDD au dépôt, et les pains foncés déclenchent les réclamations consommateurs sur le goût brûlé. Les opérateurs vérifient la couleur à l'œil au refroidisseur mais ne peuvent pas regarder chaque pièce, donc les cas limites passent. Le modèle apprend la teinte de croûte conforme pour chaque SKU et signale la dérive dès que la couleur locale franchit ta tolérance, avec les images disponibles pour ajuster le four avant qu'une fournée tunnel entière ne parte hors spec.
Fissures, fentes et craquelures
Les défauts de surface incluent les fentes du dessus, les soufflures latérales et les craquelures de croûte causées par la dérive d'humidité de la chambre de pousse, les erreurs de scarification et le timing de poussée au four. Les pires offenseurs reposent au fond du chariot et passent l'inspection avant pour échouer au dépôt. Les opérateurs manuels attrapent les fentes évidentes mais ratent les craquelures fines qui se développent au refroidissement. Le modèle tient la signature visuelle d'une croûte conforme pour chaque SKU et signale fentes, soufflures et craquelures dès que le motif local s'écarte de la spec.
Écart de poids de pâton
Les erreurs de poids viennent de l'usure du piston diviseur, de la dérive d'hydratation de la fournée et des changements de vitesse pendant le poste. Les pièces sous-poids cassent la spec étiquette chez le distributeur, et les pièces sur-poids coûtent du rendement à chaque poste. Les opérateurs échantillonnent le poids sur la peseuse mais ratent la signature visuelle de la pièce sous-poids au diviseur. Le modèle apprend la silhouette de pièce conforme et signale la dérive en sortie de diviseur pour que la ligne s'ajuste avant que la chambre de pousse ne fige l'erreur.
Couverture de graines et de garnitures
Les défauts de garniture incluent la couverture de graines clairsemée, le saupoudrage d'avoine inégal et le glaçage manquant causés par les erreurs d'alimentation de la trémie de garniture, le décalage de vitesse du tapis ou l'usure de l'applicateur. Les défauts cassent la spec MDD au dépôt et ruinent l'apparence en rayon supermarché. Les opérateurs manuels vérifient le premier chariot du run mais ratent la dérive lente à la troisième heure. Le modèle tient la signature de couverture de graines pour chaque SKU et signale tout chariot qui passe sous ta spec en sortie d'applicateur de garniture.
Intégrité du scellage et défauts d'emballage
Les défauts d'emballage incluent les soudures incomplètes, le film plissé, les confusions de SKU mal étiquetées et les codes-dates bavés causés par l'usure des mâchoires de l'ensacheuse, la dérive de tension de film ou les soucis de ruban inkjet. Les soudures incomplètes échouent à la spec atmosphère modifiée et réduisent la durée de vie en rayon. Les opérateurs vérifient les soudures sur le premier sachet du run mais ne peuvent pas regarder chaque sachet. Le modèle apprend la signature de soudure conforme et signale les sachets incomplets, plissés ou mal étiquetés en sortie d'ensacheuse avant que l'encartonneuse ne les emballe.
Inclusions de corps étrangers
Les défauts d'inclusion couvrent les fragments de sachet, les amas de farine, les rebuts de diviseur et la poussière visible causés par les erreurs de manutention, la contamination d'alimentation de trémie ou l'usure au tapis. Les pires offenseurs sont visibles sur la coupe et n'apparaissent que dans la tranche du consommateur. Le modèle tient la signature visuelle d'une mie conforme et signale toute pièce montrant une inclusion à fort contraste au refroidisseur ou après tranchage, avant que l'ensacheuse ne l'emballe.
L'éclairage qui rend cela possible sur une ligne de boulangerie combine une lumière diffuse au-dessus du refroidisseur pour lire la teinte de croûte et la forme, plus une lampe annulaire à faible angle à l'ensacheuse pour lire l'intégrité du scellage et le code-date. Un iPhone Pro avec optiques macro et grand-angle gère les sept familles de défauts depuis un seul poste d'inspection par point critique. On synchronise le poste avec le codeur du convoyeur pour que les pièces signalées déclenchent une dérivation ou un blocage en aval. On dimensionne les optiques avec toi pendant l'onboarding.
Comment Enao tourne sur une ligne de boulangerie
Le poste matériel complet coûte moins de 1 000 € et se compose d'un iPhone Pro reconditionné, d'une lumière diffuse en plafond avec lampe annulaire à faible angle optionnelle pour l'inspection ensacheuse, d'un câble USB-C et d'un support qui se fixe au-dessus du diviseur, de la sortie de chambre de pousse, du refroidisseur ou de l'ensacheuse. L'intégration PLC n'est pas requise pour le premier déploiement, le poste tient dans une flight case et la ligne continue de tourner pendant l'installation.
L'onboarding se fait en autonomie. Ton équipe de ligne monte le poste, ouvre l'app Enao et commence à collecter des images de référence au prochain changement de série. Le premier jour donne 80 % de précision sans aucun étiquetage préalable, et au quatorzième jour le modèle dépasse le contrôleur manuel sur les défauts qu'il a déjà vus, en s'améliorant à chaque pièce signalée que la ligne valide ou rejette.
Chaque ligne enseigne à son propre modèle à quoi ressemblent ses formes de pâte, ses motifs de garniture et ses signatures de croûte. Quand tu passes à une autre recette ou à un autre artwork de sachet sur la même ligne, le modèle s'adapte en un seul poste. Quand tu mets en route une ligne sœur sur une famille produit similaire, le second modèle part de l'expérience du premier et l'effort marginal chute fortement.
Les pièces hors spec ne quittent plus l'encartonneuse, le rebut est journalisé au point d'inspection plutôt qu'au bureau qualité, et tes opérateurs récupèrent les heures d'attention dont ils ont besoin pour les parties du travail qui demandent encore un humain, y compris le réglage du diviseur, l'ajustement de la chambre de pousse et la gestion des réclamations clients.
Enao face au contrôle manuel et à la vision industrielle classique
Pour les producteurs de boulangerie et viennoiserie, la comparaison se resserre autour de cinq dimensions.
Délai de mise en service sur une ligne de boulangerie. — Contrôle visuel manuel : heures de formation par opérateur, main-d'œuvre récurrente. Vision industrielle classique (Oxipital, KPM Analytics, xis.ai, Viscovery) : trois à neuf mois d'intégration avec un intégrateur système, plus un jeu de règles par recette. Enao : déployé en une semaine par ton propre équipe sur un iPhone reconditionné, premier jour à 80 % de précision.
Coût matériel par ligne. — Contrôle visuel manuel : aucun coût initial, coût de main-d'œuvre récurrent. Vision industrielle classique : 40 000 à 200 000 € par ligne pour caméras industrielles, éclairage structuré et intégration. Enao : moins de 1 000 € par ligne avec un iPhone Pro reconditionné, une lampe et un support.
Gestion des nouveaux SKU, recettes et garnitures. — Contrôle visuel manuel : reformer les opérateurs pour chaque nouveau SKU. Vision industrielle classique : réécrire le jeu de règles par recette, souvent sous-traité à l'intégrateur. Enao : réapprendre au modèle les nouvelles formes, recettes et garnitures en un seul poste, sans toucher au code.
Précision de détection sur dérive de cuisson et couverture de garniture. — Contrôle visuel manuel : élevée en début de poste, baisse mesurable après trois heures. Vision industrielle classique : forte sur les contrôles dimensionnels, faible sur la dérive subtile de cuisson et la détection de couverture de garniture. Enao : apprend les signatures de croûte, garniture et forme à partir d'images de référence et tient sa précision d'un poste à l'autre et d'un run à l'autre.
Qui le pilote. — Contrôle visuel manuel : opérateur formé en bout de refroidisseur. Vision industrielle classique : intégrateur système ou ingénieur vision spécialisé. Enao : ton équipe de ligne, sans spécialiste externe.
Les distributeurs et chefs de rayon changent de fournisseur sur le coût d'une palette refusée, et le coût d'une rétrofacturation ou d'un déréférencement silencieux dépasse largement celui d'un poste d'inspection à base d'iPhone. Enao est conçu pour cet écart.
