5 inspections rendues possibles grâce à l’imagerie couleur et au Deep Learning

Pas loin de 30 % des applications de VisionPro Deep Learning, le logiciel d’inspection basé sur le Deep Learning pour PC de Cognex, nécessitent l’imagerie couleur. Cela s’explique par le fait que la couleur est une caractéristique distinctive importante dans de nombreuses applications de vérification de l’assemblage et de détection des défauts.

Lorsque nous avons lancé l’In-Sight D900 au printemps 2020, nous savions qu’il s’agissait d’un produit unique en son genre : une caméra intelligente In-Sight avec une technologie de Deep Learning intégrée. Nous savions aussi qu’il était possible d’améliorer le produit simplement en discutant avec nos clients et en prenant en compte leurs retours.

Alors que les modèles initiaux de l’In-Sight D900 pouvaient produire uniquement des images monochromes, l’In-Sight D900 Color a permis à Cognex de poursuivre sa mission qui consiste à élargir la gamme et l’entendue des inspections en ligne qui peuvent désormais être automatisées.

Voici cinq inspections possibles ainsi que les raisons pour lesquelles l’imagerie couleur est un composant essentiel de l’inspection.

Détection des particules étrangères

Imaginez une usine d’emballage de cacahuètes. Sur un convoyeur défilent des cacahuètes salées grillées au miel. Ces dernières sont inspectées pour s’assurer qu’elles respectent les normes de l’entreprise afin qu’elles puissent être mises sur le marché. La dernière chose qu’une usine de ce type souhaite est qu’une particule étrangère indésirable se glisse dans la production lors de la phase d’inspection, ce qui pourrait arriver si un petit morceau de gant d’un inspecteur venait à se déchirer pendant l’inspection. Ce petit morceau de gant en latex violet serait presque impossible à détecter sous une montagne de cacahuètes avec un système de vision monochrome.

Vérification de la mise en kit

Les kits assemblés, par exemple une trousse médicale qui contient des seringues, des pansements et d’autres fournitures, sont probablement composés d’objets similaires en apparence qui sont en fait très différents. Si un kit médical contient des seringues avec différents médicaments, par exemple un vaccin contre la grippe, de l’adrénaline, etc., les seringues elles-mêmes peuvent suivre un code couleur pour indiquer leur différence. Un système de vision monochrome ne le remarquerait pourtant pas. Seule une image en couleur peut aider à garantir que les pièces d’aspect similaire mais différentes sont bien présentes dans le kit.

Inspection des capteurs d’aide au stationnement arrière

La plupart des voitures modernes sont dotées de caméras pour aider les conducteurs à se garer ou à faire marche arrière, ces dernières étant considérées comme un équipement de sécurité standard. Ces caméras fonctionnent grâce à des capteurs intégrés dans le pare-chocs, les fabricants doivent donc s’assurer que les capteurs sont d’une couleur parfaitement identique à celle du pare-chocs. De nombreux fabricants automobiles ont plus de 25 couleurs de capteur, notamment différentes teintes d’une même couleur. C’est une inspection complexe pour plusieurs raisons, mais une chose est sûre, elle nécessite impérativement de recourir au Deep Learning et à l’imagerie couleur.

Inspection blanc sur blanc des bouteilles

Dans le secteur des biens de consommation conditionnés comme dans celui de l’agroalimentaire, les fabricants sont amenés, à un moment ou à un autre, à inspecter un produit liquide de la même couleur que la bouteille dans laquelle il se trouve. Sans une image couleur, le système d’inspection est susceptible de ne pas détecter les déversements de liquide car ce dernier se confond avec son contenant.

Pizzas surgelées

Tout le monde aime la pizza. Même la pizza surgelée. Et en particulier celle au pepperoni. Mais personne ne veut une pizza au pepperoni avec des morceaux de champignons. Lors de l’inspection des différentes variétés de pizzas surgelées sur le convoyeur, une image en noir et blanc ne permettrait pas de déterminer si la bonne garniture a été ajoutée, ni si des ingrédients indésirables ont été ajoutés accidentellement. L’imagerie couleur permet donc aux inspecteurs de pizzas surgelées de vérifier que la pizza au pepperoni en est bien une, et qu’elle ne contient pas de poivrons rouges, d’oignons, de salami ou tout autre ingrédient indésirable.

Bien sûr, ce n’est que la partie visible de l’iceberg, car bien d’autres inspections peuvent profiter de l’association de l’imagerie couleur et du Deep Learning. Si vous êtes intéressé par la prise en main d’un projet basé sur le Deep Learning, consultez notre eBook ci-dessous.