• Contatto vendite Cognex: 02 30578196

  • Contatti
Blog Banner del piccolo Dataman Cognex e obiettivo da vicino

Blog Cognex

Come In-Sight 2800 semplifica l’automazione della visione

Sistema di visione In-Sight 2800 e interfaccia software EasyBuilder

In-Sight 2800 abbina il meglio del machine learning e della visione tradizionale basata su regole in un sistema di visione completamente integrato. Grazie ad algoritmi pre-addestrati, In-Sight 2800 può essere rapidamente e facilmente adottato in qualsiasi contesto industriale per automatizzare il rilevamento degli errori.

Il sistema è concepito per essere utilizzato da operatori di produzione e automazione per risolvere problematiche di automazione di fabbrica complesse, senza bisogno di conoscenze di deep learning o di visione artificiale. Un tecnico è in grado di attivare In-Sight 2800, così che possa riconoscere e classificare i difetti entro pochi minuti. E, a differenze di altri sistemi di visione, è in grado di farlo con un numero illimitato di classi, così da svolgere anche le operazioni di categorizzazione e selezione più avanzate.

In-Sight 2800 consente ad aziende di ogni dimensione di semplificare l'integrazione, di soddisfare gli specifici requisiti applicativi e di ottenere una più elevata qualità dei prodotti grazie ad una:

  1. Facilità d’uso elevata
  2. Funzionalità multiclasse 
  3. Funzionalità di aree multiple di interesse 

1. L'elevata facilità d'uso consente di soddisfare qualsiasi livello di competenza e di velocizzare l'implementazione

La visione artificiale e il deep learning sono noti per la loro alta capacità e, di rimando, per la complessità di una efficace implementazione. Tuttavia, i recenti progressi nella factory automation, come ad esempio In-Sight 2800, hanno portato alla creazione di una serie di strumenti di semplicissima usabilità.

In-Sight 2800 è stato progettato per essere semplice da configurare, senza bisogno di una programmazione avanzata. L'addestramento del sistema alla risoluzione di un problema è del tutto simile a quello di un nuovo addetto alla linea. Il tecnico mostra esempi con le necessarie distinzioni, e l' edge learning incorporato è in grado di eseguire rapidamente le stesse distinzioni.. 

L’edge learning è un sottoinsieme del deep learning in cui l’elaborazione avviene direttamente sul dispositivo utilizzando un insieme di algoritmi pre-addestrati. La tecnologia è semplice da impostare, richiede meno tempo e meno immagini per l’addestramento, rispetto alle soluzioni più tradizionali basate sul deep learning. Nelle soluzioni tradizionali, l’automazione di diverse applicazioni di classificazione può richiedere vari giorni o settimane, oltre che centinaia di immagini e ore di analisi da parte di esperti nella visione e nel deep learning. Per contro, l'implementazione degli strumenti di edge learning di In-Sight 2800 richiede pochi minuti, una manciata di immagini di addestramento e l'attenzione di un tecnico che comprende il problema da risolvere, ma che non ha necessariamente conoscenze specifiche di visione o di deep learning.

2. La funzionalità multiclasse prende in esame un’ampia gamma di mansioni

Una caratteristica fondamentale dell'edge learning è la sua capacità di separare rapidamente e in modo affidabile le parti in categorie, dopo essere stato addestrato su immagini etichettate di quelle parti nelle categorie designate. Un’applicazione comune di questa funzione è la classificazione delle parti accettabili e non, quali OK/NG. 

Gli utenti addestrano gli strumenti di classificazione dell’edge learning fornendo immagini di parti accettabili e non. Non occorre contrassegnare o definire cosa rende una parte non accettabile. Lo strumento valuta invece quali variazioni in una parte sono significative per effettuare una determinazione, ignorando al contempo le variazioni che non influiscono sulla classificazione. Gli strumenti di edge learning, integrati in In-Sight 2800, sono anche in grado di gestire classificazioni molto più complesse di una decisione OK/NG binaria.

Con la crescente customizzazione di massa, i produttori spesso tengono a magazzino molte varianti di ogni pezzo. Ad esempio, ruote per automobili di lusso possono essere disponibili in decine di SKU con leggere differenze di modello, colore e finitura. Un ispettore umano può impiegare fino a un minuto per distinguere alcune di esse. Il tempo richiesto per completare questa attività è giustificato dal potenziale risultato che si otterrebbe se non lo si facesse. – installare una ruota diversa da quella ordinata, può causare insoddisfazione del cliente e la perdita di futuri busienss.

Dopo l'addestramento con pochi esempi di ogni design di ruota di lusso, l'edge learning è in grado di scegliere in modo affidabile la ruota giusta o di confermare che lo stile previsto è stato montato sul veicolo. La capacità di definire classificazioni multiple consente di risolvere un numero più elevato di problemi di factory automation.

3. La funzionalità di aree di interesse multiple (Region Of Interest, ROI) si concentra sulle caratteristiche essenziali

Per perfezionare un'applicazione di ispezione, un tecnico di linea può utilizzare la propria conoscenza delle significative zone variabili del pezzo per definire aree di interesse specifiche, chiamate regioni di interesse (ROI). Grazie a un’interfaccia intuitiva, è possibile configurare facilmente le applicazioni in In-Sight 2800 utilizzando noti strumenti di clic-and-drag. Un drag definisce un box, un altro lo sposta. Il box può essere bloccato su caratteristiche invarianti della parte.

La definizione del ROI è una parte standard della visione artificiale, ma il suo utilizzo richiede spesso una certa esperienza.. In-Sight 2800 facilita l'applicazione anche a chi non ha esperienza specifica di strumenti di visione. La potenza dei suoi strumenti di visione consente di definire un numero qualsiasi di ROI, ognuno dei quali può identificare un numero qualsiasi di classi.. 

Ciò semplifica l’esecuzione della verifica dell’assemblaggio, in caso di assemblaggi complessi con molte configurazioni differenti e parti variabili, come i circuiti stampati (Printed Circuit Board, PCB). In precedenza queste problematiche richiedevano un’enorme mole di lavoro per stabilire quali caratteristiche verificare per confermare l’installazione della parte corretta, e programmare successivamente il sistema di visione per esaminarle. Gli strumenti di edge learning di In-Sight eseguono queste determinazioni in modo autonomo, così da consentire al tecnico di concentrarsi su attività a valore aggiunto più alto, come l’ottimizzazione delle operazioni.

Multi-region of interest inspection of PCB

Machine learning facile da usare con una flessibilità senza precedenti

Sviluppati grazie ad anni di esperienza nella factory automantion, gli strumenti di visione Cognex sono specificamente focalizzati sui fabbisogni delle operazioni di linea. Il vantaggio di questa ben collaudata tecnologia diventa sempre più evidente man mano che gli errori diventano più impercettibili e difficili da rilevare.. 

Ad esempio, un capsulatore rotante può sbagliare la filettatura, danneggiare o lasciare uno spazio vuoto durante la tappatura di una bottiglia. Molti sistemi sono in grado di rilevare facilmente grandi errori visibili. La differenza emerge quando il gap è quasi impercettibile. Altri sistemi possono non rilevare un errore di questo tipo, causando potenziali perdite o contaminazioni. Grazie alla combinazione di edge learning e strumenti di visione artificiale mirati, In-Sight 2800 classificherà i difetti quasi impercettibili come inaccettabili.

Facile da usare, addestrabile con poche immagini, capace di operazioni multiclasse e multi-ROI, il sistema di visione In-Sight 2800 sta trasformando la factory automation.

Altri post su

OTTIENI L’ACCESSO AD ASSISTENZA E FORMAZIONE IN MERITO AI PRODOTTI E MOLTO ALTRO ANCORA

Entra a far parte di MyCognex

AVETE DELLE DOMANDE?

I rappresentanti Cognex sono disponibili in tutto il mondo per supportarvi nelle vostre necessità di lettura dei codici a barre industriali

CONTATTI