La valeur de l'inspection visuelle basée sur l'IA en 2020

Depuis plus d'une décennie, les fabricants se sont tournés vers des solutions automatisées pour améliorer leurs résultats. L'automatisation et la vision artificielle sont désormais augmentées et même remplacées par l'IA. Voici la valeur de l'inspection visuelle basée sur l'IA en 2020.

Valeur de l'inspection visuelle basée sur l'IA

Être remplacé par l'IA est particulièrement vrai lorsqu'il s'agit d'inspection visuelle. L'utilisation de la technologie d'inspection visuelle basée sur l'IA transforme la capacité de la fabrication à améliorer les opérations commerciales.

L'inspection visuelle basée sur l'IA repose sur deux des principaux atouts de l'IA :la vision par ordinateur et l'apprentissage en profondeur. Chaque système d'IA est construit avec la capacité de base de percevoir son environnement (vision par ordinateur) et d'agir sur ces perceptions (apprentissage en profondeur).

Grâce à l'apprentissage en profondeur, l'IA s'adapte à une gamme d'environnements, ce qui la rend utile dans une multitude d'industries. Il a un potentiel illimité et peut être développé rapidement pour répondre aux besoins d'un fabricant.

Concept d'inspection visuelle basée sur l'IA

Des yeux humains bien entraînés peuvent détecter des défauts. Un système de vision basé sur l'IA bien entraîné peut faire la même chose, mais avec une plus grande efficacité. Comme un œil humain, les systèmes de vision basés sur l'IA capturent une image et l'envoient à un « cerveau » central pour traitement.

Comme un cerveau humain, un « cerveau » d'IA donne un sens détaillé à l'image en la comparant à ses connaissances existantes.

Les systèmes de vision basés sur l'IA sont constitués de deux composants intégrés. Un dispositif de détection agit comme un « œil », tandis qu'un algorithme d'apprentissage en profondeur agit comme un « cerveau ». Le système intégré imite avec succès la capacité œil-cerveau humain à interpréter les images.

Les systèmes de vision basés sur l'IA sont plus efficaces que les yeux humains car le « cerveau » de l'IA stocke une plus grande quantité d'informations.

Une puissance de calcul robuste peut analyser les données disponibles à des vitesses rapides. Le système peut classer les objets dans les photos et les vidéos et effectuer des tâches de perception visuelle complexes.

Les systèmes de vision basés sur l'IA peuvent rechercher des images et des légendes, détecter des objets et classer les multimédias.

Grâce au traitement visuel basé sur l'apprentissage en profondeur, les systèmes d'inspection visuelle basés sur l'IA peuvent percevoir les défauts cosmétiques et détecter les défauts sur des surfaces générales ou conceptuelles (mobidev dot biz).

Avantages de l'inspection visuelle basée sur l'IA

1. Implémentation rapide

Les systèmes automatisés vieux de plusieurs décennies dépendent de bibliothèques de défauts, de listes d'exceptions et de filtres complexes. Le temps qu'il faut pour accumuler ces informations, les nettoyer pour plus de précision et les ré-implémenter diminue son efficacité. Cela gaspille également du travail.

L'IA et l'apprentissage en profondeur ne nécessitent pas de programmation prolongée ni d'algorithmes fastidieux. Les systèmes d'inspection visuelle basés sur l'IA peuvent être construits par plusieurs ingénieurs qualité et un ensemble de données d'images de formation. Le système apprend rapidement et s'intègre sur plusieurs semaines.

2. Analyse et contrôle qualité améliorés

Les fabricants peuvent utiliser l'IA pour documenter les résultats des inspections et évaluer la qualité des produits. Certaines mesures globales d'initiative d'amélioration des processus qui peuvent être suivies avec succès et corrélées avec des données de vision concrètes incluent :

• traiter des recettes
• différences d'équipement
• fournisseurs de composants
• emplacement de l'usine

De plus, les images et les résultats d'inspection peuvent également être suivis et documentés. Ces initiatives évitent les défaillances futures, ce qui permet d'économiser du temps et des coûts de production supplémentaires. L'application d'une vision artificielle basée sur l'apprentissage en profondeur dans toutes les initiatives et inspections aide les fabricants à reconnaître et à corriger les défauts de manière précoce.

3. Réduction des coûts de main-d'œuvre

Les solutions d'IA ont des taux de cohérence plus élevés que la plupart des inspecteurs humains experts. Les inspecteurs humains doivent être formés et ne sont capables de maintenir une concentration élevée que pendant 15 à 20 minutes à la fois. Les coûts de main-d'œuvre sont engagés chaque année et la rotation du personnel est un problème. Pour ces raisons, les inspections visuelles basées sur l'IA sont plus rentables que le travail manuel.

Cas d'utilisation

L'IA augmente la compétitivité des fabricants dans tous les secteurs. Voici des cas d'utilisation récents de l'industrie aéronautique, du secteur de la fabrication de semi-conducteurs et des sciences biologiques.

Alibaba s'est levé pour relever les défis de la santé créés par le coronavirus. Le système de reconnaissance visuelle basé sur l'apprentissage en profondeur d'Alibaba est capable de détecter le coronavirus dans les tomodensitogrammes thoraciques avec un taux de précision de 96%. Le système a accédé à 5 000 cas de COVID-19 et peut fournir un diagnostic en 20 secondes. De plus, le système peut différencier les images de pneumonie virale des images de coronavirus.

Les laboratoires Fujitsu ont mis en place un système de reconnaissance d'images dans l'usine Fujitsu d'Oyama. Le système garantit que les pièces sont produites à des niveaux de qualité optimaux en supervisant le processus d'assemblage. Le système a connu un tel succès que Fujitsu l'a mis en œuvre sur l'ensemble des sites de production de l'entreprise.

Airbus a introduit un système d'inspection d'avions automatisé basé sur des drones en 2018. Le système a amélioré la qualité des inspections et réduit les temps d'arrêt des avions.

GlobalFoundries est un leader dans la fabrication de semi-conducteurs. L'entreprise a conçu un système d'inspection visuelle qui détecte les défauts dans les images d'un microscope électronique à balayage (MEB). Le système détecte les défauts dans une carte de plaquettes, ce qui permet ensuite de déterminer les performances du dispositif semi-conducteur.

Les cas d'utilisation énumérés ci-dessus révèlent à quel point l'IA est capable d'automatiser de nombreux aspects de nos vies. Bien que la vision de l'IA ne reproduise jamais la vision humaine, la technologie continue de classer les informations et de progresser d'une manière que les yeux et le cerveau humains ne peuvent pas. Et seuls les humains pourraient envisager comment utiliser cette technologie pour obtenir des avantages.