Inspection par vision industrielle :outils du métier

L'inspection en cours de processus automatisée des pièces et des produits a été exécutée avec succès à l'aide des technologies de vision industrielle pendant des décennies dans une multitude d'applications diverses pour presque tous les processus industriels et de fabrication. Bien qu'il n'existe pas de chiffres précis, il est plausible d'affirmer que les tâches d'inspection dominent probablement le paysage des applications de vision industrielle. Pourtant, de nouvelles technologies et logiciels de vision industrielle continuent d'émerger qui améliorent encore la proposition de valeur et la facilité de mise en œuvre de l'inspection automatisée. La clé du succès pour les utilisateurs finaux est de comprendre à la fois les outils du métier matures et nouveaux et comment ces outils peuvent être mis en œuvre au mieux.

Présentation de l'inspection

La variété des tâches liées à l'inspection dans les processus d'automatisation rend difficile l'étiquetage de chaque cas d'utilisation possible. En général, certaines des catégories importantes incluent la vérification de l'assemblage, la présence/l'absence de caractéristiques, la détection des défauts (sous de nombreuses formes) et l'identification et la différenciation des produits. Dans tous les cas, il est important de se rappeler que la vision industrielle peut être un élément essentiel des concepts de big data et d'Industrie 4.0.

Lors de la mise en œuvre de l'inspection par vision industrielle pour l'automatisation industrielle, la proposition de valeur la plus importante réside peut-être dans la manière dont les résultats de l'inspection peuvent être utilisés. Plus qu'un simple contrôler la qualité, les informations obtenues par l'inspection par vision industrielle peuvent être vitales pour améliorer l'efficacité du processus au sens large et ainsi contribuer à réduire les coûts globaux de production et d'automatisation.

Imagerie — La base de chaque application réussie

Il faut toujours répéter que quel que soit le cas d'utilisation ou la méthode d'analyse, une image de qualité est la base essentielle de tout projet de vision industrielle. Une image de qualité est définie comme une image qui a la résolution et le contraste corrects pour mettre en évidence les caractéristiques (objets, pièces, défauts) d'intérêt dans le champ de vision souhaité. Une spécification de conception appropriée implique le composant d'imagerie lui-même ainsi que les composants connexes et requis, y compris l'éclairage et l'optique.

Pour de nombreuses applications d'inspection qui utilisent une conception d'imagerie appropriée, les niveaux de gris 2D restent la technologie la plus largement utilisée. Les progrès en termes de vitesse et de résolution des capteurs et des caméras permettent davantage de cas d'utilisation qui auraient pu être auparavant irréalisables ou trop complexes pour être pratiques. Avec la disponibilité de caméras avec des résolutions de capteur de 12 MPixels à 50 MPixels et plus, la détection de fonctionnalités plus petites dans des champs de vision plus larges devient à la fois plus facile et moins coûteuse. Bientôt, l'acquisition d'images à 5-10 MPixels peut être considérée comme standard au lieu d'une haute résolution.

Les caméras intelligentes, une technologie de base de la vision industrielle, continuent de profiter de la croissance des tâches d'inspection et présentent régulièrement des résolutions plus élevées et un traitement plus rapide. En outre, il y a eu des développements importants dans les architectures de caméras standard, qui intègrent un traitement embarqué utilisant des FPGA et d'autres plates-formes informatiques. Ces composants sont bien adaptés aux applications d'inspection qui peuvent être mises à l'échelle pour plusieurs installations en double afin de tirer parti des coûts réduits associés pour certains de ces types de composants.

Au-delà des images 2D et en niveaux de gris

Les composants de vision artificielle qui capturent les informations 3D d'une scène sont très facilement disponibles avec une variété de méthodologies d'imagerie et de techniques de mise en œuvre. Les images 3D fournissent une représentation topographique de la géométrie de la surface d'un objet, tandis que l'imagerie 2D capture une image du contraste (niveaux de gris ou couleur) trouvé sur la surface plane d'un objet. Les données 3D permettent ou améliorent les tâches d'inspection impliquant des caractéristiques ou des défauts avec plus de structure géométrique que de contraste. L'utilisation de systèmes 3D est devenue considérablement plus facile et, comme pour leurs homologues 2D, la résolution, la vitesse et la précision continuent de s'étendre.

Comme indiqué, de nombreuses applications d'inspection par vision industrielle utilisent des caméras qui fournissent une image en niveaux de gris d'un objet (également appelée monochromatique, car il s'agit d'une image sans couleur, ou essentiellement d'une seule couleur ). Certaines applications, cependant, peuvent bénéficier ou doivent s'appuyer sur des images en couleur pour fournir les informations nécessaires à l'analyse. Des caméras standard sont facilement disponibles pour la vision industrielle qui capture une image RVB (rouge, vert, bleu). Lorsqu'ils sont correctement intégrés, ces composants peuvent améliorer la fiabilité de l'analyse des caractéristiques où la couleur fait partie des caractéristiques déterminantes de l'objet ou du défaut. Alors que la plupart des caméras couleur sur le marché utilisent un système de filtrage sur le capteur (filtre Bayer), des composants de caméra avancés sont également disponibles qui divisent optiquement l'image entrante en trois canaux plein format (généralement RVB) pour une meilleure résolution et différenciation des couleurs.

Imager au-delà du visible

Bien qu'elle ne soit pas nouvelle mais plus largement disponible ces dernières années, une technique d'imagerie couleur encore plus puissante appelée imagerie hyperspectrale, et son imagerie multispectrale relative proche, peuvent produire des couleurs plus discrètes et granulaires Analyse. Ces caméras collectent plusieurs - parfois des centaines - d'images d'une même scène, chacune avec une bande passante étroite différente d'informations spectrales de la scène. Ce type de composant, avec un logiciel de classification spécialisé, peut exécuter l'inspection spectrale des matériaux ou même détecter la composition chimique. De nombreuses industries telles que l'alimentation, la pharmacie et le recyclage bénéficient de ce type de capacité d'inspection.

En développant davantage l'imagerie couleur, nous trouvons des composants qui peuvent créer des images en utilisant un éclairage non visible et même de l'énergie thermique. D'un point de vue générique, cela peut être décrit comme une imagerie infrarouge (IR). Les applications qui imagent le proche infrarouge (NIR), l'infrarouge à ondes courtes (SWIR) et l'IR à ondes longues (imagerie thermique) fournissent des vues d'objets qui ne sont pas visibles dans les longueurs d'onde visibles. Cette capacité peut être utilisée à bon escient dans de nombreuses applications d'inspection allant de la détection de la détérioration dans les aliments à la détection à travers des récipients en plastique opaques en passant par la confirmation des niveaux de remplissage.

Implémentation de l'inspection plus facile

Les algorithmes et les outils logiciels utilisés avec les tâches d'inspection par vision industrielle sont assez matures et fiables. Dans l'ensemble, lorsque l'on travaille avec une image fiable, de nombreuses tâches d'inspection sont simples à mettre en œuvre. De nouvelles technologies ont émergé qui ont le potentiel d'être ajoutées aux outils de vision industrielle existants pour fournir des capacités supplémentaires et différentes approches de traitement.

La plus médiatisée de ces technologies est l'apprentissage en profondeur. L'apprentissage en profondeur pour la vision industrielle est spécifiquement ciblé et bien adapté aux applications d'inspection et est appliqué avec succès à un nombre croissant d'applications d'inspection dans la vision industrielle. Mais la conception, la configuration et l'intégration d'applications à l'aide de l'apprentissage en profondeur nécessitent une approche de mise en œuvre complètement différente de celle utilisée pour les projets de vision industrielle traditionnels.

Les techniques d'implémentation de vision industrielle dites traditionnelles impliquent la création d'un ensemble de règles sur un objet cible qui sont exécutées à l'aide d'algorithmes qui renvoient des informations spécifiques sur l'objet ou la scène. L'apprentissage en profondeur est formé avec de nombreuses images représentatives contenant des exemples de pièces ou d'objets bons et défectueux. Ce n'est cependant pas une solution miracle pour toutes les applications d'inspection. Le besoin de collecter de nombreuses images avant de pouvoir prédire le niveau de succès qui pourrait être atteint peut être fastidieux pour certaines applications, et la maintenance continue du système et de ses classifications peut ne pas convenir à un cas d'utilisation spécifique.

L'avenir de l'inspection par vision industrielle

Avec une demande croissante de qualité, de fabrication intelligente et de collecte de données, la mise en œuvre de la technologie de vision industrielle pour les applications d'inspection continue de croître. Les capacités des composants et logiciels avancés pour l'inspection généreront certainement des cas d'utilisation supplémentaires et apporteront une valeur supplémentaire à l'avenir.