Qu'est-ce que la vision industrielle ?

Regarder simplement un processus de production a longtemps été un défi pour les fabricants. Il est impossible d'avoir des yeux humains sur la production 24h/24 et 7j/7. Mais la vision par ordinateur (CV) permet à un ordinateur de voir et de comprendre de la même manière que les humains et de « surveiller » continuellement les opérations. Avec les systèmes de vision industrielle qui utilisent des CV et des analyses basées sur l'image, la fabrication et les applications pratiques, telles que l'inspection, le contrôle des processus, la sécurité et le guidage des robots, sont automatisées et transformées. Les convoyeurs, robots et autres machines qui observent la vision artificielle peuvent enregistrer ce qu'ils voient et partager ces données avec les personnes, les processus et les autres équipements et outils nécessaires à des opérations sûres et efficaces.

La gamme d'applications et la valeur que la vision artificielle offre aux organisations entraînent une plus grande adoption. Recherche Grand View prévoit que le marché, évalué à $12,29 milliards en 2020, augmentera à un TCAC de 6,9% jusqu'en 2028.

De nouvelles implémentations montrent également que les entreprises voient également des avantages à combiner l'intelligence artificielle (IA) avec CV pour créer des systèmes de vision artificielle IA qui non seulement classent ce qu'ils voient, mais qui deviennent également plus intelligents au fil du temps et peuvent même prendre des décisions de sorte qu'une fois les workflows ou interventions manuels peut devenir automatisé.

Comment fonctionne la vision artificielle par IA

Pour qu'un système de vision artificielle puisse voir, la technologie doit être conçue pour passer par quatre étapes de base :

  • Capture (acquisition de données)

Les systèmes de vision artificielle collectent des données à partir de capteurs, de caméras ou d'autres appareils et créent une sortie numérique de ce qu'ils voient du monde physique. Les données peuvent inclure des détails granulaires, tels que la couleur, la luminosité, l'intensité et la diffusion de la lumière, qui aident les systèmes intelligents à apprendre à comprendre ce qu'ils voient dans toutes les conditions.

  • Prétraitement

L'étape suivante consiste à transformer les données d'images ou de vidéos afin qu'elles puissent être traitées. Cette étape comprend la modification des données au format numérique, mais peut également impliquer la modification des caractéristiques de l'image, telles que la suppression du bruit, la modification de l'échelle de l'image ou l'extraction de caractéristiques spécifiques telles que les lignes, les bords, les points ou les textures. 

  • Traitement

Une fois les données correctement formatées, le système intelligent identifie des modèles, tels que des objets dans une image ou une vidéo, un mouvement d'une image à l'autre ou des détails d'une scène. Le système classe ces modèles et détails et les suit à mesure que les processus se répètent. Les développeurs peuvent créer des systèmes de vision artificielle IA qui comptent les éléments, confirment la position et l'orientation des pièces dans un assemblage, mesurent les éléments, etc.

  • Agir (post-traitement)

Enfin, les systèmes de vision artificielle IA peuvent utiliser des données traitées pour prendre des décisions ou entreprendre des actions. Par exemple, le système peut déterminer qu'un traitement supplémentaire est nécessaire. Ou cela pourrait déclencher une réponse, comme l'arrêt d'un véhicule autonome si un employé se met en travers de son chemin ou l'arrêt d'un convoyeur lorsqu'une pièce mal assemblée pourrait causer des dommages si elle passe à la phase de production suivante.

En règle générale, les systèmes de vision artificielle IA offrent la plus grande valeur lorsqu'ils font partie d'un système holistique plutôt que de fonctionner de manière indépendante. Les informations issues de l'analyse des données de vision artificielle de l'IA peuvent bénéficier davantage que le système de convoyage ou le véhicule autonome. Les données de ces systèmes peuvent également éclairer les décisions en matière de production, d'inventaire, d'achat et d'autres domaines d'une organisation - tant qu'il existe un moyen de partager des données avec eux. Par conséquent, il est plus avantageux d'utiliser une solution indépendante du fournisseur qui comble plus facilement le fossé entre la technologie de l'information et la technologie opérationnelle (IT/OT) de manière sécurisée et efficace.

Là où la vision industrielle apporte de la valeur

Bien que la vision artificielle par IA soit loin d'avoir atteint le point de saturation dans la fabrication, il existe des cas d'utilisation communément acceptés. L'un des plus répandus est la détection d'objets. La vision artificielle par IA peut localiser des objets dans une image ou une vidéo et les organiser ou les classer. Les entreprises peuvent utiliser un système conçu pour la détection d'objets pour identifier les boîtes et suivre leur emplacement dans un centre de distribution ou appliquer les exigences de sécurité en détectant si les personnes portent des casques ou d'autres équipements de protection dans les zones dangereuses. Les systèmes d'IA peuvent utiliser les données que ces systèmes collectent pour alerter les employés ou les responsables sur le terrain qu'un colis a été égaré ou leur refuser l'entrée dans une zone dangereuse s'ils ne portent pas d'équipement de sécurité.

Les cas supplémentaires de vision industrielle incluent :

  • Véhicules autonomes

Les caméras qui offrent une vue à 360 degrés autour d'un véhicule autonome capturent les données dont il a besoin pour rester dans une voie, détecter les objets sur son chemin et comprendre les panneaux de signalisation et les signaux. Ensuite, l'IA utilise les données pour permettre au véhicule de réagir rapidement à ces données.

  • Robotique

Les systèmes de vision artificielle donnent aux robots des yeux, leur permettant d'estimer des distances, de lire des codes-barres ou du texte via la reconnaissance optique de caractères (OCR) et de reconnaître des objets.

  • Inspection automatisée des marchandises en masse

L'automatisation des processus QA/QC avec la vision artificielle IA peut augmenter la précision - et finalement la qualité - avec des systèmes qui fonctionnent aussi précisément et uniformément à la fin d'un quart de travail qu'au début, contrairement à la plupart des inspecteurs humains. De plus, l'inspection automatisée peut inspecter même les moindres détails avec rapidité et efficacité et libérer les inspecteurs des tâches répétitives afin qu'ils puissent se concentrer sur l'analyse des causes profondes ou d'autres tâches de plus grande valeur.

  • Suivi de mouvement d'objets et de personnes

La vision artificielle par IA peut également suivre les objets lorsqu'ils se déplacent dans un processus ou les personnes lorsqu'elles se déplacent dans une zone, alertant le personnel des goulots d'étranglement potentiels ou des situations dangereuses.

Comment Edge Computing renforce la vision artificielle

Dans la plupart des cas d'utilisation de la vision artificielle par IA, les données en temps réel sont essentielles. Par exemple, si le système est conçu pour verrouiller une porte si un danger est détecté ou pour arrêter la production si des dommages matériels sont imminents, même la plus petite latence que créerait l'envoi de données vers le cloud est inacceptable.

L'edge computing rapproche le traitement d'images ou de vidéos de la source de données afin que l'IA puisse utiliser les données instantanément. Le maintien du traitement à la périphérie résout également les problèmes de bande passante qui peuvent survenir lorsque de gros volumes de données transitent vers le cloud. De plus, il peut surmonter les problèmes de confidentialité et de conformité des données, car vous pouvez limiter la quantité de données qui voyagent en dehors de votre réseau.

Même si le traitement des données peut avoir lieu à la périphérie, vous souhaitez toujours bénéficier des avantages du partage des données de la vision artificielle IA avec votre système central. ADLINK propose une gamme complète de solutions, notamment :

  • La série Solutions de vision industrielle ADLINK AI incluent la caméra intelligente tout-en-un pour un déploiement facile et flexible, et un système de vision IA multicanal pour répondre à tous les types de scénarios d'application.
  • La série Kit de développement logiciel ADLINK EVA (Edge Vision Analytics) fournit des valeurs ajoutées à la vision basée sur l'IA en offrant un environnement sans code/à faible code, des codes de référence et des plugins prêts à l'emploi, et la compatibilité du matériel hétérogène, ce qui facilite le développement de l'application de vision AI pour les utilisateurs.
  • La série Vision industrielle ADLINK offre une gamme complète de produits, couvrant presque toutes les interfaces d'image populaires, de l'analogique, HDMI à USB3 Vision. Avec un succès client établi, les produits de vision industrielle ADLINK ont connecté plus de 500 000 unités de caméras dans le monde.
  • La série Plateforme ADLINK Edge est une solution simple à mettre en œuvre et indépendante des fournisseurs qui vous permet de déployer la vision artificielle dans le cadre d'un écosystème informatique complet et efficace.
  • La rivière de données ADLINK s'étend sur l'ensemble du réseau pour permettre aux données de circuler quand et où elles sont nécessaires via ce système évolutif.

La technologie de vision industrielle peut offrir à votre exploitation des avantages, notamment une plus grande précision, un contrôle qualité, une efficacité et la possibilité pour les travailleurs humains de se concentrer sur des tâches de grande valeur. Pour concrétiser votre vision d'une opération plus compétitive et rentable grâce aux solutions de vision industrielle, visitez notre Fabrication intelligente et l’ Appareils de vision artificielle IA pages pour en savoir plus.

Kevin Hsu
Kevin Hsu

Manager, ADLINK IoT Solutions and Technology, Edge Vision Product Management Dept.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.