La performance d'un projet de contrôle par vision industrielle ne dépend pas seulement de la puissance des algorithmes. Elle tient surtout à la bonne combinaison de technologies.
Détection, classification et localisation de défauts ou d'anomalies, détection d'événements, mesure dimensionnelle, contrôle d'aspect, lecture de caractères et de codes : chaque application a ses propres contraintes. Nature des défauts ou du phénomène observé, précision et résolution attendues, seuils de conformité, conditions d'acquisition sur ligne de production ou en laboratoire… Ces paramètres sont définis dès le cahier des charges : ils déterminent les méthodes à mettre en œuvre pour dimensionner une réponse sur-mesure à chaque projet de computer vision.
APREX s'appuie sur plus de 15 ans de R&D en algorithmes paramétriques et en intelligence artificielle. Notre suite logicielle AX, notamment AX VISION et AX IA, permet de concevoir et de déployer des applications de traitement d'images et de mesure optique sur-mesure.
En vision industrielle comme en computer vision appliquée à la R&D, trois familles d’algorithmes permettent d’analyser des images. L’IA non supervisée apprend uniquement à partir d’images de référence et signale tout écart. L’IA supervisée reconnaît et nomme ce sur quoi elle a été entraînée. La méthode paramétrique mesure et compare à des seuils chiffrés. Le bon choix dépend d’une question simple : faut-il signaler, classifier ou mesurer ? Souvent, la réponse combine plusieurs méthodes.
Principe : le modèle est entraîné à partir d'images conformes et non conformes. Grâce à l'étiquetage de la base de données (labellisation), il apprend à reconnaître et à nommer des caractéristiques précises. Seuls les défauts entraînés sont signalés.
|
Critère |
IA non supervisée |
IA supervisée |
Méthode paramétrique |
|---|---|---|---|
|
Apprend à partir de |
Images conformes uniquement |
Images conformes et non conformes étiquetées |
Paramètres et seuils du cahier des charges |
|
Ce qui est signalé |
Tout écart aux images conformes |
Uniquement les défauts entraînés |
Uniquement les mesures hors tolérance |
|
Nomme le défaut |
Non |
Oui |
Non |
|
Détecte un défaut imprévu |
Oui |
Non |
Non |
|
Précision |
Localisation et dimensionnement approximatifs |
Détourage précis (bounding box ou masque) |
Mesure en valeurs absolues (micron à mètre; LAB, HSV, RGB) |
|
Échantillons nécessaires |
Pièces conformes + quelques non conformes pour valider |
Lot couvrant tous les défauts à reconnaître |
Pièces non conformes avec la valeur de chaque défaut |
|
À privilégier pour |
Produits peu variables, environnement stable, défaut à signaler sans le nommer |
Défaut défini à détecter avec une grande précision |
Mesures dimensionnelles et colorimétriques, très haute cadence |
|
Avec quels logiciels AX |
AX VISION : entrainement et déploiement semi-automatisé / AX IA : entrainement de modèles |
AX IA : annotation des données et entrainement des modèles / AX VISION : déploiement en production dans une application de vision |
AX VISION |