Deep learning, visione industriale e ispezione umana a confronto
Il deep learning è flessibile e robusto
Da decenni i sistemi di visione industriale insegnano ai computer a svolgere ispezioni per rilevare difetti, contaminazioni, imperfezioni funzionali e altre irregolarità nei prodotti finiti. L'ispezione visiva umana prevale, tuttavia, in situazioni che richiedono l'apprendimento tramite l'esempio e la rilevazione di deviazioni accettabili rispetto al controllo. La visione industriale, al contrario, ha la velocità e la solidità che solo un sistema computerizzato può avere.
- Scarica: Whitepaper sul deep learning per l'automazione dello stabilimento
- Richiedi una dimostrazione prodotto
La visione industriale eccelle nella misurazione quantitativa in un contesto strutturato, grazie alla velocità, alla precisione e alla ripetibilità. Un sistema di visione industriale realizzato con la giusta risoluzione e ottica delle telecamere può ispezionare facilmente i dettagli di oggetti troppo piccoli per essere visti dall'occhio umano, con maggiore affidabilità e meno errori. Sulla linea di produzione, i sistemi di visione industriale possono ispezionare centinaia e perfino migliaia di componenti al minuto in modo affidabile e ripetibile, superando di gran lunga le capacità umane.
A differenza dei sistemi di visione industriale, gli uomini sono abili a distinguere tra difetti cosmetici e funzionali, oltre che ad apprezzare variazioni di aspetto che possono compromettere la qualità. Benché abbiano una velocità di elaborazione delle informazioni limitata, gli esseri umani sono in grado di concettualizzare e generalizzare in modo straordinario. Gli esseri umani riescono ad imparare dall'esempio e a capire se le piccole anomalie tra i componenti siano importanti. La visione umana è pertanto, in molti casi, la scelta migliore per interpretare la qualità di una situazione complessa e non strutturata, soprattutto in presenza di piccoli difetti non prevedibili.
La tecnologia di deep learning utilizza reti neurali che simulano l’intelligenza umana al fine di distinguere anomalie, componenti e caratteri, tollerando al contempo variazioni naturali in modelli complessi. In questo modo, il deep learning combina la flessibilità dell'ispezione visiva umana alla velocità e alla solidità di un sistema computerizzato.
Contenuto correlato
Per ulteriori informazioni sui prodotti Cognex: