Défis de la vision industrielle
Les algorithmes basés sur les règles ont du mal à programmer des inspections complexes impliquant des écarts et défauts imprévisibles
Les systèmes de vision industrielle classiques sont performants avec les pièces uniformes bien fabriquées. Ils utilisent des algorithmes basés sur les règles de filtrage étape par étape, plus économiques que l'inspection humaine. Toutefois, les algorithmes deviennent difficiles à programmer, avec l'augmentation des bibliothèques de défauts et d'exceptions.
- Téléchargez : Guide Le deep learning pour l'automatisation industrielle
- Demander une démonstration produit
- Échelle
- Rotation
- Distorsion de position
Néanmoins, les textures de surface complexes et les problèmes de qualité d'image présentent d'importants défis d'inspection. Les systèmes de vision industrielle ont du mal à déterminer la variabilité et l'écart entre des pièces visuellement très semblables. Les anomalies fonctionnelles, qui affectent l'usage d'une pièce, sont presque toujours une cause de rejet, tandis que les anomalies esthétiques peuvent ne pas l'être, selon les besoins et les préférences du fabricant. Le plus problématique est que ces défauts sont difficiles à distinguer par un système de vision classique.
- Éclairage
- Variations de couleur
- Profil
- Champ de vision
Un logiciel basé sur le deep learning offre une excellente alternative pour les inspections complexes impliquant des écarts et défauts imprévisibles, qui peuvent être trop compliquées à programmer et gérer.
Produit connexe
- Comparaison du deep learning avec la vision industrielle et l'inspection humaine
- Le choix entre la vision industrielle et le deep learning
Pour plus d'informations sur les produits Cognex :
