Utilisation de l’intelligence artificielle pour la vision industrielle

Icône et cerveau d’Edge Learning avec nœuds connectés sur l’image d’un atelier

Depuis que le terme « intelligence artificielle » a été inventé sur le campus du Dartmouth College en 1956, sa nomenclature a été adoptée par de nombreux domaines d’étude, depuis ses origines philosophiques jusqu’aux sciences, aux mathématiques et au-delà. Bien qu’elle existe depuis des décennies, l’intégration de l’intelligence artificielle (IA) dans la vision industrielle est relativement nouvelle. Aujourd’hui, de plus en plus de fabricants tirent parti de la puissance combinée de l’IA et de la vision industrielle pour mieux automatiser, optimiser leur efficacité et améliorer le contrôle de la qualité.

L’IA complète la vision industrielle basée sur des règles par l’analyse d’images. Lorsqu’un ordinateur (ou système de vision) reçoit une image, le logiciel d’IA compare cette image à une base de données composée de « bonnes » et de « mauvaises » images de référence et produit un résultat. Au minimum, le résultat est de type réussite/échec ou OK/pas OK, mais sa complexité peut varier en fonction des besoins. Ce processus d’apprentissage de la reconnaissance de modèles et de déduction à partir d’images de référence annotées permet aux ordinateurs de faire la différence entre les anomalies acceptables et inacceptables des objets inspectés.

De plus, les solutions de vision industrielle intégrant la technologie de l’IA peuvent utiliser le traitement du langage naturel pour lire et interpréter les étiquettes sur les images, par rapport aux approches basées sur des règles qui nécessitent une programmation approfondie et une expertise technique importante. Cela permet à un plus grand nombre d’utilisateurs de tirer parti de l’IA pour l’automatisation industrielle. Deux technologies de pointe dans le domaine de l’IA - Edge Learning et Deep Learning - permettent de simplifier davantage l’automatisation de tâches hautement variables et de résoudre des tâches trop compliquées et trop longues à programmer avec des algorithmes basés sur des règles.

L’Edge Learning : sous-ensemble de l’IA dans lequel le traitement a lieu directement sur l’appareil ou « en périphérie » de l’endroit d’où proviennent les données, à l’aide d’un ensemble d’algorithmes pré-entraînés. La technologie est simple à configurer, utilisant des ensembles d'images plus petits, avec des périodes d’entraînement et de validation plus courtes que les solutions traditionnelles basées sur le Deep Learning.

Le Deep Learning : capable de traiter des ensembles d’images vastes et détaillés, le Deep Learning est conçu pour automatiser les applications complexes ou fortement personnalisées. Cette technologie permet aux utilisateurs d’analyser rapidement et efficacement de vastes ensembles d’images, de détecter des défauts subtils et de fournir des résultats précis.



Recommandés Cognex Produits

ACCÉDEZ AU SUPPORT ET AUX FORMATIONS POUR VOS PRODUITS ET BIEN PLUS

Rejoindre MyCognex