Pour les fabricants, les systèmes de contrôle de la qualité ont longtemps reposé sur l’inspection visuelle. Les systèmes traditionnels de vision artificielle ne peuvent pas distinguer tous les types de défauts, présentant de fortes variations entre des pièces parfois très similaires. L’exploitation de la puissance de l’Intelligence Artificielle et du Deep Learning permet de résoudre ce problème, en fournissant des résultats de détection de haute précision. Contrairement aux systèmes de vision artificielle utilisant la technologie de vision par ordinateur exploitée par des algorithmes basés sur des règles, les systèmes de vision industrielle alimentés par un logiciel de Deep Learning détectent les défauts sur la base de données d’apprentissage. L’IA pilotée par les données permet une inspection automatisée des défauts avec plus de souplesse et de précision, tout en réduisant les coûts de maintenance.
Revenons dans cet article sur l’expérience d’un de nos utilisateurs industriels.
Quels enjeux ?
Dans ce cas concret, le client était un constructeur d’équipements visuels robotisés. Il prévoyait de combiner ses bras robotiques avec une capacité d’Intelligence Artificielle et ainsi détecter des défauts tels que des bulles d’air et des fissures parmi les produits émaillés.
La technologie traditionnelle de vision par ordinateur se heurtait à des limites : elle ne pouvait pas distinguer les différents types de défauts sur des pièces de produits similaires qui n’avaient que des différences très légères. Elle n’était pas assez flexible pour mettre à jour le système d’inspection des défauts existant afin de reconnaître de nouveaux types de défauts. Pour tirer parti de la technologie d’IA pour l’inspection visuelle des défauts en temps réel, le système nécessitait une puissance de calcul importante à la périphérie et une grande capacité de stockage, pour stocker un nombre important d’images capturées sur plusieurs chaînes de production, ainsi qu’une bande passante suffisante pour assurer la transmission des données.
La solution Edge computing AIR-300 pour une Inférence AI en temps réel
La solution Edge Computing AIR-300 Advantech a parfaitement répondu aux exigences de notre client. Après que le bras robotique ait identifié avec précision l’emplacement de la coupe thermique et l’ait saisie pour une photographie à 360 degrés, les images capturées ont été envoyées à l’AIR-300 pour une inférence en temps réel pour un contrôle qualité instantané.
L’inférence IA en temps réel et le calcul haute performance ont été effectués sur l’AIR-300 localement avec son processeur Intel Xeon/ Core i3/i5/i7 et 1x PCIex16 pour la prise en charge des cartes graphiques haute performance. En ce qui concerne les entrées/sorties et le volume de stockage des données, l’AIR-300 est équipé de 4 ports GbE, de 4 ports RS-232/422/485 et pouvait supporter jusqu’à 20 To de capacité de données avec un disque dur SATA III, offrant une bande passante et une capacité de stockage complète pour répondre aux besoins des applications.
La solution Edge Computing IR-300 était déjà équipé d’une alimentation électrique intégrée de 850W, les utilisateurs n’avaient donc pas besoin d’ajouter une alimentation électrique externe.
L’AIR-300 peut également être utilisé comme serveur d’entraînement local lorsque le système d’inspection des défauts doit être mis à jour pour inspecter de nouveaux produits. Le système de vision intégré renvoie les images capturées à l’AIR-300 pour une nouvelle formation sur le modèle IA. Par exemple, les types de défauts trouvés dans un gobelet sont probablement différents de ceux d’un sac en papier. Pour passer d’un système d’inspection de défauts par IA à l’inspection de sacs en papier, il suffit de préparer des ensembles de données de formation sur les types de défauts des sacs en papier, de recycler les nouveaux modèles d’IA sur l’AIR-300, puis de déployer le modèle formé sur l’AIR-300. Grâce à la capacité de recyclage de l’IA, la mise à jour du système d’inspection des défauts ne nécessite plus l’assistance d’ingénieurs professionnels coûteux.
