« Classification prudente »
Avec l’augmentation des flux de déchets, le tri industriel est devenu un enjeu majeur. Le principal défi consiste à minimiser les erreurs de tri afin d’éviter une dégradation importante de la qualité du produit recyclé final conduisant à une recyclabilité médiocre de matériaux de seconde vie. Dans cette thèse, nous disposons de données fournies par une technologie optique dans un contexte industriel (société Pellenc ST). Cette technologie est munie d’une caméra moyen infra-rouge capable de fournir des informations quel que soit la teinte des plastiques (les caméras précédentes n’étaient pas adaptées aux plastiques sombres et noirs). Cependant, même avec les technologies d’acquisition les plus récentes basées sur l’imagerie spectrale, la reconnaissance des plastiques reste une tâche difficile pour certains types de plastique.
En effet, la présence, d’une part de l’incertitude sur la nature du matériau liée à des variabilités des mesures comme le vieillissement des plastiques, l’hygroscopie de surface, l’addition d‘anti-UV opacifiants (noirs de carbone), etc. associée à la présence, d’autre part, d’imprécision due à l’incomplétude de l’information, i.e. absence de certaines caractéristiques, font obstacle à l’utilisation des algorithmes classiques de classification.
Au-delà de l’étape de reconnaissance, le projet s’intéresse à la phase de tri : dans quel bac le fragment doit-il être envoyé compte tenu de l’information imprécise et incertaine sur la nature de ce fragment de plastique d’une part, des objectifs et des contraintes du processus de tri d’autre part.
Par ailleurs, des seuils d’impuretés sont fixés pour chaque bac.
Dans ce travail de thèse nous proposons une approche de tri adaptée aux données imparfaites comme celles obtenues dans le contexte industriel de la société Pellenc ST. L’approche proposée se compose de deux phases : une phase de classification et une phase de tri. Pour la phase de classification, nous avons proposé un algorithme de classification prudente dans le cadre des fonctions de croyance basée sur : 1) une re-labellisation partielle automatique des exemples d’apprentissage « difficiles », 2) la construction d’une fonction de masse comme information sur le type de plastique et 3) une règle de décision où le décideur pourrait introduire ses contraintes de prudence et de précision. Concernant la phase de tri, nous avons posé un problème d’optimisation dans le cadre des fonctions de croyance pour choisir le bac approprié pour un fragment donné. Ce problème consiste à minimiser la quantité de fragments rejetés (perdus pour le recyclage), maximiser le gain, i.e., pureté des plastiques chers, tout en respectant des contraintes sur les proportions d’impuretés. Les expérimentations que nous avons menées sur le tri de plastiques montrent le gain en qualité de produit recyclé que notre approche prudente apporte en comparaison d’approches déterministes ou probabilistes.
En effet, la présence, d’une part de l’incertitude sur la nature du matériau liée à des variabilités des mesures comme le vieillissement des plastiques, l’hygroscopie de surface, l’addition d‘anti-UV opacifiants (noirs de carbone), etc. associée à la présence, d’autre part, d’imprécision due à l’incomplétude de l’information, i.e. absence de certaines caractéristiques, font obstacle à l’utilisation des algorithmes classiques de classification.
Au-delà de l’étape de reconnaissance, le projet s’intéresse à la phase de tri : dans quel bac le fragment doit-il être envoyé compte tenu de l’information imprécise et incertaine sur la nature de ce fragment de plastique d’une part, des objectifs et des contraintes du processus de tri d’autre part.
Par ailleurs, des seuils d’impuretés sont fixés pour chaque bac.
Dans ce travail de thèse nous proposons une approche de tri adaptée aux données imparfaites comme celles obtenues dans le contexte industriel de la société Pellenc ST. L’approche proposée se compose de deux phases : une phase de classification et une phase de tri. Pour la phase de classification, nous avons proposé un algorithme de classification prudente dans le cadre des fonctions de croyance basée sur : 1) une re-labellisation partielle automatique des exemples d’apprentissage « difficiles », 2) la construction d’une fonction de masse comme information sur le type de plastique et 3) une règle de décision où le décideur pourrait introduire ses contraintes de prudence et de précision. Concernant la phase de tri, nous avons posé un problème d’optimisation dans le cadre des fonctions de croyance pour choisir le bac approprié pour un fragment donné. Ce problème consiste à minimiser la quantité de fragments rejetés (perdus pour le recyclage), maximiser le gain, i.e., pureté des plastiques chers, tout en respectant des contraintes sur les proportions d’impuretés. Les expérimentations que nous avons menées sur le tri de plastiques montrent le gain en qualité de produit recyclé que notre approche prudente apporte en comparaison d’approches déterministes ou probabilistes.