Buse de nettoyage intelligente avec IA
Dans le cadre de ce projet, un ensemble de données a été créé et un réseau de neurones a été entraîné pour déterminer le degré de contamination et le niveau d'eau dans une canalisation d'égout à partir de l'image en temps réel d'une caméra
Fiche signalétique
- Départements participants Technique et informatique
- Institut(s) Institute for Human Centered Engineering (HUCE)
- Unité(s) de recherche HUCE / Laboratoire de perception informatique et réalité virtuelle
- Organisation d'encouragement Innosuisse
- Durée (prévue) 24.09.2025 - 23.03.2026
- Direction du projet Prof. Marcus Hudritsch
- Partenaire WinCan AG
- Mots-clés Nettoyage des égouts, intelligence artificielle basée sur l'image, infrastructures, maintenance, économies d'énergie
Situation
Les buses de rinçage nettoient les canalisations d'égouts à l'aide d'eau à haute pression. L'opérateur n'a aucune visibilité pendant ce processus, ce qui entraîne une forte consommation d'énergie et d'eau. C'est pourquoi des efforts sont déployés pour développer de nouvelles buses de rinçage équipées de caméras, permettant un inventaire simultané de l'ensemble de la canalisation pendant le nettoyage.
Approche
Les étapes de développement suivantes ont été réalisées : - Un jeu de données contenant les valeurs de référence des niveaux de pollution et d'eau a été créé. - Le réseau de neurones convolutif MobileNetV2 de Google a été adapté aux deux variables de régression et entraîné sur le jeu de données. - Le modèle entraîné a été reconverti pour TensorFlow Lite afin de pouvoir fonctionner sur la caméra basée sur l'architecture ARM.
Résultat
Le modèle a atteint un temps d'inférence inférieur à 50 ms sur la caméra et peut donc déterminer les deux valeurs 20 fois par seconde. La qualité sur l'ensemble de test est supérieure à 90 %.
Perspectives
Cette étude de faisabilité a démontré qu'il est possible de déterminer en temps réel le degré de pollution et le niveau d'eau dans un égout à l'aide d'une caméra.
