Vision Industrielle

Quelle méthode pour quel projet ?
Vision Industrielle

Des technologies de computer vision sur-mesure, dimensionnées à chaque projet de contrôle par caméra

La réussite d'un projet de vision repose bien entendu sur la puissance d'analyse des algorithmes mais aussi et surtout sur la combinaison judicieuse des différentes technologies. 

Que ce soit pour des applications de : Détection, classification et localisation de défauts ou d’anomalies - Détection d’événements - Mesure dimensionnelle - Contrôle d'aspect - Lecture de caractères et de codes... chaque projet comporte ses spécificités : typologie de défaut ou de process, niveau de précision et de résolution, seuils de conformité exigés, impératifs liés à l'outil ou l'environnement de production... Tous ces paramètres nécessitent d'être pris en compte lors du cahier des charges, de façon à pouvoir dimensionner une réponse adaptée et sur-mesure à chaque projet de computer vision.
Aussi, alors que telle application nécessitera des méthodes paramétriques, il faudra, pour telle autre, entraîner un modèle d'intelligence artificelle, et pour telle autre encore, combiner plusieurs méthodes.

Notre technologie, issue de plus de 10 ans de R&D, embarque le meilleur des technologies algorithmiques - paramétriques et IA (intelligence artificielle) de dernière génération. Nos suites logicielles AX Vision et AX IA, combinent différentes technologies et permettent la création et la mise en œuvre d’applications de traitement d’images et de mesure optique, sur-mesure.

Méthode de détection d'anomalies IA non supervisée

  • Fonctionnement : Le modèle est entraîné, uniquement à partir d'images de conformité. Il apprend à reconnaître un bouchon OK. Toutes différences avec les images d'apprentissage sont signalées comme anomalies.
  • Informations :
    • Permet la localisation, le dénombrement et le dimensionnement approxsimatifs d'une anomalie.
    • Ne permet pas la classification d’une anomalie (la reconnaître avec précision et la nommer).
  • Requis : Des pièces conformes pour l’apprentissage et quelques échantillons non conformes pour valider l’efficacité de l’application.
  • Préconisation : Méthode adaptée aux contrôles pour lesquels il n’est pas utile de nommer l’anomalie. Méthode à privilégier pour l’inspection de produits peu variables évoluant dans un environnement très stable.
  • Entraînement et déploiement en production : suite logicielle AX VISION.
Méthode de détection d'anomalies IA non supervisée
Méthode de détection d'anomalies IA non supervisée
Méthode de détection d'anomalies IA non supervisée
Détection d'anomalies sur bouchon plastique (pollution et déchirure). OK : conforme / NOK : non conforme. Les anomalies détectées sont signalées par une carte de chaleur distinguant les zones de conformité (bleu) des zones de non conformité (rouge).

Méthode dédection de défauts IA supervisée

  • Fonctionnement : Le modèle est entraîné, à partir d’images de conformité et de non conformité. Grâce à l’étiquetage de la base de données (labelisation), il apprend à reconnaître et à nommer des caractéristiques spécifiques. Seuls les défauts entraînés sont signalés.
  • Informations :
    • Permet la détection, la localisation et la classification des caractéristiques recherchées de façon très précise et plus fiable : forme, position...
    • Permet des détourages précis des défauts par Bounding box ou par Mask
    • Permet de paramétrer le seuillage de conformité pour répondre aux exigences du contrôle.
    • Ne permet pas de détecter des défauts n’ayant pas été entraînés.
  • Requis : Un lot d’échantillons contenants l’ensemble des défauts qui devront être reconnus en production.
  • Préconisation : Méthode nécessaire dès que l’on cherche à détecter quelque chose de défini et ce, avec une grande précision.
  • Entraînement : suite logicielle AX IA.
  • Déploiement en production : suite logicielle AX VISION.
Méthode dédection de défauts IA supervisée
Méthode dédection de défauts IA supervisée
Méthode dédection de défauts IA supervisée
Détection, localisation et classification de défauts sur bouchon plastique (pollution et déchirure). OK : conforme / NOK : non conforme

Méthode détection de défauts Paramétrique

  • Fonctionnement : Algorithmes paramétrés et étalonnés selon un seuillage de conformité défini par le cahier des charges.
    Seules les mesures hors tolérance sont signalées NOK
  • Informations :
    •  Permet les mesures dimensionnelles (micron, mm, m) et les mesures colorimétriques (LAB, HSV, RGB) avec précision, en valeurs absolues.
    • Permet de gérer les contrôles multiples, même à très haute cadence.
    • Ne permet pas la classification d’un défaut, ni de travailler sur des cas n’ayant pas été paramétrés.
  • Requis : Un lot d’échantillons de pièces non conformes avec indication de la valeur des défauts.
  • Préconisation : Méthode à privilégier pour des mesures dimensionnelle et colorimétrique.
  • Paramétrage et déploiement en production : suite logicielle AX VISION
Méthode détection de défauts Paramétrique
Méthode détection de défauts Paramétrique
Méthode détection de défauts Paramétrique
Détection et mesure dimensionnelle de défauts (pollution et déchirure) sur bouchon plastique. OK : conforme / NOK : non conforme au seuil de conformité défini dans le cahier des charges.

Tableau comparatif des différentes méthodes d'analyse d'image

tableau comparatif des différentes méthodes algorithmiques d'analyse d'images : IA non supervisée, IA supervisée et paramétriques

Ce site web utilise des cookies

Acceptez-vous le dépôt et la lecture de cookies afin d'analyser votre navigation et nous permettre de mesurer l'audience de notre site internet ?