Sfide per la visione industriale

Gli algoritmi basati su regole hanno difficoltà a programmare ispezioni complesse che comportano deviazioni e difetti imprevedibili

I tradizionali sistemi di visione industriale sono affidabili con componenti uniformi e ben fabbricati. Svolgono un filtraggio passo passo e hanno algoritmi basati su regole più convenienti dell'ispezione umana. Tuttavia, gli algoritmi diventano difficili da programmare mano a mano che le eccezioni e le librerie di difetti crescono.

I sistemi di visione industriale tollerano una certa variabilità nell'aspetto di un componente dovuta a:

Incrostazioni
Rotazione
Distorsione della posa

Tuttavia, texture complesse della superfice e problemi di qualità dell'immagine introducono seri problemi di ispezione. I sistemi di visione industriale faticano ad apprezzare le variazioni e le diversità tra componenti esteticamente molto simili. Le anomalie "funzionali", che compromettono l'utilità del componente, sono sempre rifiutate, mentre quelle cosmetiche dipendono dalle esigenze e dalle preferenze del produttore. Il problema è che per un sistema di visione industriale è difficile fare una distinzione tra questi difetti.

Assemblaggio del cablaggio della carrozzeria di un veicolo

Alcune ispezioni di visione industriale tradizionali, come la verifica dell'assemblaggio finale, sono notoriamente difficili da programmare a causa delle numerose variabili che possono risultare difficili da isolare per una macchina, come ad esempio:

Illuminazione
Variazioni di colore
Curvatura
Campo visivo

Per ispezioni complesse che comportano deviazioni e difetti imprevedibili, che possono essere troppo complicati da programmare e sottoporre a manutenzione, il software basato sul deep learning offre un'alternativa eccellente.