Comment In-Sight 2800 simplifie l’automatisation par la vision
In-Sight 2800 combine le meilleur de l’apprentissage machine et la vision traditionnelle basée sur des règles dans un système de vision entièrement intégré. En exploitant des algorithmes préentraînés, In-Sight 2800 peut être déployé rapidement et facilement dans n’importe quel environnement industriel pour automatiser la détection des erreurs.
Le système est destiné à être utilisé par des ingénieurs de ligne et automaticiens pour résoudre des problèmes de taille liés à l’automatisation industrielle, sans nécessiter aucune connaissance en Deep Learning ou en vision industrielle. Un ingénieur peut activer le système In-Sight 2800 pour qu’il reconnaisse et classe les défauts en quelques minutes. Et contrairement à d’autres systèmes de vision, il peut le faire avec un nombre illimité de catégories, ce qui permet d’accomplir des tâches de catégorisation et de tri encore plus avancées.
In-Sight 2800 permet aux fabricants de toutes tailles de rationaliser l’intégration, de répondre précisément aux exigences de l’application et de parvenir à une qualité optimale du produit grâce aux éléments suivants :
- Grande facilité d’utilisation
- Fonctionnalité de classification multiple
- Définition de plusieurs zones d’intérêt
1. La grande facilité d’utilisation vise tous les niveaux de compétence et accélère le déploiement
La vision industrielle et le Deep Learning ont la réputation d’être extrêmement performants et par conséquent difficiles à déployer efficacement. Cependant, les récentes avancées dans la technologie de l’automatisation industrielle, comme In-Sight 2800, ont conduit à la création d’un ensemble d’outils qui n’ont jamais été aussi faciles à utiliser.
In-Sight 2800 est conçu pour permettre une configuration aisée, sans programmation avancée requise. Entraîner le système à résoudre un problème est une tâche très similaire à celle d’entraîner un nouvel employé vigilant sur la ligne. L’ingénieur indique des exemples avec des distinctions à effectuer et l’apprentissage à la périphérie embarqué permet d’effectuer rapidement les mêmes distinctions.
L’apprentissage à la périphérie est un sous-ensemble du Deep Learning dans lequel le traitement a lieu directement sur l’appareil à l’aide d’un ensemble d’algorithmes préentraînés. La technologie est simple à configurer, nécessitant moins de temps et moins d’images pour l’entraînement que les solutions plus traditionnelles basées sur le Deep Learning. Avec les solutions traditionnelles, l’automatisation de nombreuses applications de classification peut prendre des jours voire des semaines et nécessiter des centaines d’images et des heures d’analyse pour les experts expérimentés en vision industrielle et en Deep Learning. En revanche, le déploiement des outils d’apprentissage en périphérie d’In-Sight 2800 ne prend que quelques minutes, nécessite quelques images de formation ainsi que l’attention d’un ingénieur qui comprend le problème qu’il doit résoudre, sans disposer nécessairement de connaissances spécifiques en vision industrielle ou en Deep Learning.
2. La fonctionnalité de classification multiple répond à un large éventail de tâches
Sa capacité à séparer rapidement et en toute fiabilité des pièces en catégories, après un entraînement sur des images étiquetées de ces pièces dans les catégories désignées, constitue une compétence clé de l’apprentissage en périphérie. Classer des pièces acceptables et inacceptables comme BONNES/MAUVAISES est une application courante de cette fonctionnalité.
Les utilisateurs s’entraînent aux outils de classification d’apprentissage en périphérie en fournissant des images de pièces acceptables et inacceptables. Nul besoin de marquer ou de définir ce qui rend une pièce inacceptable. Au lieu de quoi, l’outil définit lui-même quelles variations d’une pièce sont significatives pour statuer, tout en ignorant les variations qui n’impactent pas la classification. Les outils d’apprentissage en périphérie intégrés à In-Sight 2800 peuvent également gérer des classifications bien plus complexes qu’une décision binaire BONNE/MAUVAISE.
Avec l’augmentation de la personnalisation massive, les fabricants stockent souvent plusieurs variantes de chaque pièce. Par exemple, pour les roues d’automobiles de luxe, il existe toutes sortes de références articles avec de légères différences en termes de motif, couleur et finition. Un inspecteur humain peut mettre une minute entière à en distinguer certaines. Le temps nécessaire pour accomplir cette tâche est justifié par le résultat éventuel de ne pas le faire, – installer une roue différente de celle commandée, qui peut se traduire par un client non satisfait et une perte d’activité commerciale future.
Après un entraînement avec quelques exemples seulement de chaque conception de roue de luxe, l’apprentissage en périphérie permet de choisir la roue appropriée en toute fiabilité ou de confirmer que le style indiqué est bien installé sur le véhicule. La capacité à définir plusieurs classifications est liée à la capacité à résoudre un plus grand nombre de problèmes liés à l’automatisation industrielle.
3. La fonctionnalité Plusieurs zones d’intérêt est axée sur des caractéristiques essentielles
Pour affiner une application d’inspection, un ingénieur de ligne peut utiliser ses connaissances de ce que représentent les zones variables significatives sur la pièce afin de définir des domaines d’intérêt spécifiques, appelés zones d’intérêt. Par le biais d’une interface intuitive, la configuration d’applications sur In-Sight 2800 est simple grâce à des outils familiers comme « glisser–déposer ». Un « glisser » définit une case, un autre la déplace. La case peut être bloquée sur des caractéristiques invariables de la pièce.
La définition de zone d’intérêt est une pièce standard de la vision industrielle, mais son utilisation nécessite souvent une certaine expertise. In-Sight 2800 facilite l’application pour une personne sans expérience avec un outil de vision spécifique. Et la puissance de ses outils de vision signifie qu’un nombre quelconque de ces zones d’intérêt peut être défini et que chacune de ces zones d’intérêt peut identifier un certain nombre de catégories.
Ce processus facilite la vérification d’assemblages complexes avec de nombreuses configurations différentes et des pièces variables, par exemple les cartes de circuit imprimé. Auparavant, ces problèmes nécessitaient un travail considérable pour décider des fonctionnalités à contrôler afin de confirmer que la bonne pièce avait été installée, puis programmer le système vision pour l’évaluation de ces fonctionnalités. Les outils d’apprentissage en périphérie d’In-Sight effectuent ces déterminations de façon autonome ; l’ingénieur peut ainsi se concentrer sur des activités à forte valeur ajoutée, telles que l’optimisation de ses opérations.
Apprentissage automatique facile à utiliser avec une flexibilité incomparable
Développés avec des années d’expérience dans l’automatisation industrielle, les outils de vision Cognex sont spécifiquement axés sur les exigences d’opérations en ligne. L’avantage de cette technologie éprouvée prend tout son sens car les erreurs deviennent plus subtiles et plus difficiles à détecter.
Par exemple, une capsuleuse rotative peut mal visser, être endommagée, laissant un espace lors du capsulage d’une bouteille De nombreux systèmes peuvent facilement détecter des défauts de taille et donc visibles. La différence s’observe lorsque l’espace est presque imperceptible. D’autres systèmes peuvent négliger un tel défaut, entraînant d’éventuelles fuites ou contaminations. En combinant des outils d’apprentissage en périphérie et de vision industrielle ciblée, In-Sight 2800 classe ces défauts presque invisibles comme étant inacceptables.
Facile à utiliser, pouvant être entraîné à l’aide de quelques images, capable d’effectuer des opérations à classification multiple et à zones d’intérêt multiples, le système In-Sight 2800 transforme l’automatisation industrielle.
