« Notre entreprise a décidé de lancer il y a 3 ans une étude afin d’évaluer la faisabilité d’améliorer davantage l’inspection de nos pots car le bris de verre est un risque majeur pour nos consommateurs. Nous avons choisi ATM pour développer un premier prototype en utilisant entre autres le deep learning.
Après 2 années de travail en commun et de mise au point, nous avons à présent une nouvelle génération de machines qui inspectent toutes les zones des pots et qui atteignent des résultats de détection (et de faux-rejets) remarquables surtout quand il s’agit de corps étrangers dont la forme n’est pas strictement sphérique (comme une bille), mais un bris de verre, y compris près des parois (et sans l’usage de masques).
L’inspection RX, couplée au deep learning répond ainsi parfaitement à nos exigences en termes de qualité et de sécurité alimentaire. »
PS, PYA, FB, JMO - DT Andros