Combiner la vision industrielle et les réseaux de neurones dans l'IIoT

Le cortex cérébral est la partie du cerveau qui traite les images. Les êtres humains ont le plus grand cortex cérébral par rapport aux autres mammifères. Cette vision supérieure est l'un des traits évolutifs qui ont donné aux humains un avantage sur les autres animaux. Les biologistes évolutionnistes tentent de percer le mystère derrière ce trait, et les chercheurs en technologie tentent de le reproduire.

Figure 1. Un système de vision industrielle dans une usine.

Les humains apprennent par l'expérience et la pratique. L'apprentissage automatique est le domaine de l'intelligence artificielle (IA) qui essaie de faire en sorte que les ordinateurs imitent la façon dont le cerveau humain apprend. La reconnaissance et le traitement d'images sont une sous-section importante du domaine. Grâce à la reconnaissance d'images, les ingénieurs peuvent classer des objets sans interaction humaine directe.

Réseaux de neurones et vision industrielle

En termes simples, la vision artificielle en conjonction avec des algorithmes ou des réseaux de neurones est la capacité des ordinateurs à voir et à agir sur les données. Les images sont transmises à l'unité de traitement de l'ordinateur au format numérique pour analyser, interpréter et agir en fonction de celles-ci. Avant cette configuration, nous devons d'abord entraîner le système à apprendre les données.

Formation des réseaux de neurones en vision industrielle

Les réseaux de neurones sont un domaine avancé de l'apprentissage automatique. Ils sont largement utilisés pour la reconnaissance d'images et d'autres tâches qui nécessitent une cognition complexe. La première étape pour construire un réseau de neurones artificiels consiste à entraîner les algorithmes informatiques avec des images.

Figure 2. Un exemple d'algorithmes d'entraînement avec des images. Image utilisée avec l'aimable autorisation de Teledyne DALSA

Les humains sont chargés d'étiqueter les images d'entrée sur la base desquelles les algorithmes apprennent. L'algorithme apprendra par lui-même à identifier les objets après avoir été entraîné sur un grand ensemble de données étiquetées. Les scientifiques des données peuvent incliner les modèles pour améliorer la vitesse d'apprentissage et d'autres paramètres. Un modèle complet avec une précision constante peut être déployé pour des applications commerciales.

Mais où récupérons-nous les données pour entraîner le modèle ?

Sources de données pour la vision industrielle

La vision artificielle couplée aux réseaux de neurones est plus complexe que la simple identification d'images. C'est aussi une cognition spatiale pour reconnaître des objets 3D (tridimensionnels). La source des programmes de vision industrielle peut être des photographies, des vidéos ou même un flux de caméra en direct. Dans de tels cas, une caméra collecte les images ou la vidéo envoyées à l'algorithme.

Il existe des algorithmes de vision industrielle qui prennent d'autres formes d'entrée. Le radar et le LiDAR peuvent suivre les objets autour du capteur. La sortie d'un tel équipement n'est pas des images, mais des coordonnées des divers objets qui l'entourent. Les algorithmes de vision industrielle peuvent également traiter ces informations pour acquérir une compréhension spatiale. Une combinaison de données LiDAR et d'images d'une caméra peut également être utilisée comme entrée dans un algorithme de vision industrielle.

La vision industrielle a un large éventail d'applications industrielles et non industrielles. Les applications vont de l'identification et de la navigation à la vision des aveugles.

Vision industrielle dans l'industrie

La vision industrielle ou la vision par ordinateur a de nombreuses applications dans l'industrie. Comme il n'en est qu'à ses balbutiements, de plus en plus d'applications industrielles sont identifiées chaque jour qui passe.

Figure 3. Un système de vision industrielle inspectant des objets dans une usine.

Certaines des applications connues incluent :

• Tri des produits
• Choix des produits
• Inspection automatisée
• Reconnaissance optique de caractères
• Identification des défauts
• Identification des couleurs
• Détection de mouvement
• Identification des modèles
• Assurance qualité
• Mouvement guidé (véhicules guidés automatisés ou AGV)
• Voitures autonomes
• Lecture de codes-barres et de codes QR
• Usines sombres

À mesure que l'utilisation de la vision industrielle augmente, le coût de mise en œuvre de telles solutions diminue et de nouvelles applications sont identifiées. Par exemple, la vision industrielle peut être utilisée en conjonction avec l'IIoT.

Sécurité

La sécurité humaine est utilisée pour patrouiller les terrains de diverses institutions. Cependant, un problème courant est la fatigue ressentie par ce personnel lorsqu'il effectue des tâches à des heures impaires. La vision industrielle avec IIoT peut vous aider.

Le flux de télévision en circuit fermé (CCTV) des locaux sécurisés peut être connecté à des algorithmes de vision industrielle. L'algorithme surveillera en permanence le flux pour les activités anormales. Une fois que des intrus ou d'autres activités anormales sont détectés, le système peut déclencher une alarme pour que les gardes humains vérifient.

Il peut également exécuter automatiquement des protocoles de sécurité tels que l'électrification de la clôture, le déploiement de pointes aux points de sortie, l'alerte de la police, etc. Toutes les communications se feront sur le réseau entre les appareils connectés à Internet pour exécuter n'importe quel protocole.

Usine chimique

Les usines chimiques sont dangereuses pour les employés humains. Il serait avantageux que les processus puissent être automatisés. Prenez, par exemple, un processus dans une usine chimique qui nécessite que le matériau arrive à ébullition avant que le chauffage ne soit éteint. Sans vision artificielle, un technicien humain doit attendre et observer le processus.

Figure 4. Une cheminée et une chaudière d'évent d'usine chimique.

Avec la vision industrielle, une caméra peut se concentrer sur la solution et un réseau neuronal formé pour détecter les furoncles peut détecter si le mélange a commencé à bouillir. Une fois que l'algorithme détecte l'ébullition dans la solution, il peut déclencher un indicateur. Celui-ci est envoyé au système informatique central via le réseau. Le système est conçu pour que la réception de ce signal déclenche le mécanisme d'arrêt du chauffage.

Dans un tel scénario, un humain n'a pas besoin d'être dans l'usine pour inhaler les vapeurs chimiques pour surveiller le processus. La vision industrielle et l'IIoT peuvent automatiser le processus complet. Dans cet exemple particulier, des capteurs infrarouges ou autres capteurs de température peuvent également être utilisés pour détecter un mélange bouillant.

Usines sombres

Les usines sombres, en tant que concept, sont l'extension de l'utilisation maximale des capacités de vision industrielle, d'automatisation et d'IIoT. Une usine sombre est une installation de fabrication où aucun opérateur humain n'est requis pour exécuter ou surveiller les opérations de l'usine. Essentiellement, l'usine n'a pas besoin d'avoir de lumière et peut donc fonctionner dans l'obscurité.

De la livraison des matières premières à l'emballage, le produit final sera entièrement automatisé. Les matières premières seront cueillies et triées avec des chariots élévateurs et des bras robotiques assistés par vision industrielle. Des mains robotiques assemblant diverses pièces utiliseront la vision industrielle pour identifier où va chaque pièce. Les AGV, qui utilisent la vision industrielle pour naviguer, gèrent le transport des matériaux au sein de l'usine.

Les produits finis sont inspectés et testés avec des robots couplés à une capacité de vision industrielle. Le tri des produits défectueux et l'emballage des produits finis utilisent également la vision industrielle.

Des applications telles que les usines sombres et les processus chimiques, pour n'en nommer que quelques-uns, peuvent bénéficier de la vision industrielle. Ses algorithmes peuvent assurer la sécurité du personnel, la sécurité des processus et améliorer l'efficacité. Pour quels types d'applications utilisez-vous la vision industrielle dans votre atelier ?