Comprendre l’outil Red High Detail Mode pour la segmentation des défauts

Le logiciel VisionPro Deep Learning de Cognex intègre un nouveau paramétrage pour les inspections par vision industrielle qui exigent une précision extrême, appelé Red High Detail Mode.

Ce mode de détection avancé a été conçu pour les cas d’utilisation très spécifiques qui nécessitent une analyse plus rigoureuse afin de segmenter les défauts. Quel que soit le secteur ou le type de défaut, l’outil Red High Detail Mode garantit une segmentation précise, un traitement plus rapide et des produits de qualité supérieure.

Présentation des outils basés sur le Deep Learning 
Pour appréhender la fonctionnalité Red High Detail Mode, il faut dans un premier temps s’intéresser aux quatre principaux outils de VisionPro Deep Learning. Ces outils utilisent les réseaux neuronaux profonds pour reconnaître les formes, les composants et les anomalies dans les images acquises par les caméras de vision industrielle de Cognex : 

• Red Analyze : détection des anomalies et des défauts dans les images. L’outil Red High Detail Mode est un paramétrage de l’architecture de cet outil.
• Green Classify : classification d’une image ou de parties d’une image dans un certain nombre de catégories. Souvent, les défauts sont classés selon leur type (imperfection, fissures et rayures, par exemple).
• Blue Locate : localisation de pièces ou composants dans une image. 
• Blue Read : reconnaissance optique avancée des caractères dans l’image.

Les développeurs qui utilisent VisionPro Deep Learning peuvent combiner une partie ou l’ensemble de ces outils. Cela vaut notamment pour les outils Red Analyze et Green Classify. Par exemple, l’outil Red Analyze peut identifier une anomalie tandis que l’outil Green Classify peut déterminer le type de défaut.  

Le mode Hautement détaillé faisant partie de l’outil Green Classify depuis un certain temps, cet article s’intéressera à la nouvelle version intégrée à l’outil Red Analyze.

Fonctionnement de l’outil Red Analyze 
Lorsqu’une caméra Cognex acquiert une image pour inspecter une pièce en production, VisionPro Deep Learning doit déterminer si l’image réussit ou échoue à l’inspection.

Pour ce faire, l’outil Red Analyze analyse les caractéristiques, les objets ou les composants présents dans l’image. VisionPro Deep Learning utilise un réseau neuronal pour donner une note (réussite ou échec) aux images en s’appuyant sur un ensemble d’images d’apprentissage prédéfinies. 

Le processus se déroule comme suit : le développeur de l’application de vision industrielle alimente le réseau neuronal avec une série d’images. Généralement, une moitié de cette série est composée d’images d’apprentissage, tandis que l’autre moitié comprend des images de validation. Le réseau neuronal compare les images d’apprentissage à la « vérité terrain » représentée par les images de validation. Pendant la phase d’apprentissage de l’outil, le réseau neuronal apprend à déchiffrer les éléments qui différencient les bonnes images des mauvaises.  

L’outil Red Analyze a deux modes de fonctionnement : 

• Mode non supervisé des images exemptes de défauts sont utilisées pour entraîner le réseau neuronal. Les détails de l’image qui ne rentrent pas dans la catégorie « acceptable » sont signalés comme une anomalie. 
• Mode supervisé les développeurs doivent identifier les segments spécifiques dans une image pour entraîner le réseau neuronal. Ce dernier analyse l’image pour détecter les défauts spécifiques.  

Le mode supervisé intègre deux modes secondaires : 

1. Ciblé qui offre des performances élevées et un temps d’apprentissage court.  
2. Hautement détaillé qui offre une précision inégalée grâce à son algorithme complet.

La segmentation Red High Detail est donc une fonctionnalité accessible via le mode supervisé de l’outil Red Analyze.

Définir à quel moment la segmentation hautement détaillée est utile
La segmentation en mode ciblé de VisionPro Deep Learning est une fonctionnalité extrêmement précise et flexible. Le réseau neuronal peut intégrer de nouvelles images et commencer à fournir des résultats en seulement quelques minutes. Le mode ciblé se prête davantage aux applications simples, tandis que le mode hautement détaillé est mieux adapté aux tâches plus complexes.

La segmentation hautement détaillée nécessite un réseau neuronal avec une architecture plus complexe. Cela implique bien évidemment de trouver un compromis entre temps et précision. Grâce à l’outil Red High Detail Mode, quelques heures suffisent pour entraîner le réseau. Les développeurs d’applications doivent donc utiliser le temps de traitement supplémentaire à leur disposition de façon stratégique.

Gagner du temps avec l’outil Red High Detail Mode
L’étiquetage des images et des segments est généralement l’une des tâches les plus chronophages lors du développement d’une application de vision industrielle dans VisionPro Deep Learning. Les développeurs doivent étiqueter plusieurs segments dans des dizaines d’images. Il peut être nécessaire de masquer les arrière-plans des images et d’acquérir des images des objets sous différents angles pour capturer tout ce que le réseau neuronal a besoin de voir.

Heureusement, l’étiquetage n’a besoin d’être effectué qu’une seule fois. Les développeurs n’ont qu’à copier les étiquettes s’ils envisagent d’utiliser différents outils pour leur application, comme les modes Ciblés et Hautement détaillé. En n’ayant pas besoin d’étiqueter à nouveau les images, les développeurs gagnent du temps et peuvent déployer leur application plus rapidement.

Par ailleurs, les développeurs peuvent combiner les modes Ciblé et Hautement détaillé dans une même application. Cela leur permet de réserver la segmentation hautement détaillée aux cas de figure où elle sera la plus utile. L’outil Red High Detail Mode est généralement bien adapté aux modèles d’inspection à deux niveaux, où les pièces en production qui échouent au test hautement détaillé sont redirigées vers des inspecteurs humains qui déterminent si elles sont conformes ou défectueuses.

Détecter les défauts subtils et mener une analyse prédictive précise
Les développeurs utilisant la vision industrielle ont l’habitude de mettre au point des applications avec une grande précision et des limites de tolérance strictes. L’outil Red High Detail Mode aide ces développeurs à atteindre le niveau de précision requis pour les applications les plus exigeantes.

Il s’avère idéal pour les applications qui nécessitent de détecter des défauts complexes et de prédire précisément la forme/taille de ces défauts. Cette précision de l’ordre du pixel est importante pour les secteurs de pointe, tels que l’électronique grand public, les semi-conducteurs et l’automobile. Par exemple, un fabricant de semi-conducteurs peut avoir besoin de détecter de minuscules défauts qui risqueraient d’entraîner la surchauffe du microprocesseur. Autre exemple : une usine de transformation des aliments a besoin de détecter les signes indiquant la présence de moisissure ou un déversement des produits réfrigérés.

Les algorithmes basés sur le Deep Learning, comme ceux intégrés à l’outil Red High Detail Mode, extrapolent un sens à partir des nombreuses formes de pixels. Par ailleurs, les pièces en production présentent souvent des différences subtiles qui ne nuisent pas à leur qualité, à leur performance, ni à leur durabilité. Les applications basées sur l’apprentissage automatique peuvent être configurées pour tenir compte de ces différences.

Ceci étant, un réseau ne doit pas être entraîné avec une précision telle qu’il risque de rejeter toutes les pièces qu’il inspecte. L’idée est plutôt que le réseau neuronal soit nuancé dans ses jugements, à l’instar des humains, grâce à un vaste ensemble de données à partir duquel il aura appris de nombreuses variations subtiles.

Répondre aux besoins des applications de diagnostic complexes avec VisionPro Deep Learning
Grâce au logiciel VisionPro Deep Learning, les développeurs ont à leur disposition un vaste ensemble d’outils (Red Analyze, Green Classify, Blue Locate et Blue Read) pour répondre aux exigences les plus rigoureuses de leurs applications. Parmi ces outils figure le Red High Detail Mode, une fonctionnalité intégrée à l’outil Red Analyze qui assure la segmentation des défauts avec une précision de l’ordre du pixel. Elle permet ainsi de détecter et d’évaluer les défauts complexes, tels que les imperfections, les fissures, les rayures et d’autres types d’anomalies sur les produits manufacturés. L’outil apprend de façon fiable l’apparence des défauts et parvient à les prédire sur des images sur lesquelles il n’a pas été entraîné, avec une précision de l’ordre du pixel. Tout comme les autres outils, le Red High Detail Mode met la puissance des inspections basées sur le Deep Learning à la disposition des fabricants de tous les secteurs. Leurs systèmes d’inspection parviennent alors à prendre des décisions en combinant des capacités de raisonnement anthropomorphes et la vitesse d’une machine. Le résultat ? Des temps de traitement plus courts et une meilleure qualité.