Couche 1 : la vision artificielle
2 à 4 caméras haute résolution capturent le contenant sous tous les angles dès son insertion. Un modèle de vision (généralement entraîné par apprentissage profond) extrait : silhouette, couleur dominante, présence d'étiquette, présence éventuelle de déformation. Ces données alimentent l'arbre de décision en moins de 200 ms.
Couche 2 : la lecture code-barres
Un scanner laser ou linéaire lit le code-barres EAN (8 ou 13 chiffres). La RVM interroge alors sa base locale (mise à jour quotidiennement via IoT) ou la base nationale du système de consigne. Si le produit n'est pas dans la base, il est refusé.
Couche 3 : la spectroscopie NIR
Un capteur infrarouge (Near-InfraRed, 800–2 500 nm) analyse la signature spectrale de la matière. Cela permet de différencier PET / PEHD / PP / PS / verre / aluminium avec une précision >99 %. Indispensable pour éviter les fraudes (contenant non consigné déguisé).
Couche 4 : la pesée différentielle
Une balance intégrée mesure le poids du contenant avant et pendant l'opération. Cela confirme que la bouteille est vide (ou contient un fond résiduel acceptable) et empêche d'introduire des objets lourds.
L'apport de l'IA
Les modèles récents (Tomra T-9, Envipco Optima 2024+) intègrent un module IA qui combine les 4 couches et apprend en continu des cas d'erreur remontés par le réseau. Le taux d'erreur descend ainsi sous 1 %.