Intégration de la vision machine avec les réseaux de neurones pour l'IIoT industriel avancé

Le cortex cérébral est la partie du cerveau qui traite les images. Les êtres humains ont le cortex cérébral le plus grand comparé aux autres mammifères. Cette vision supérieure est l'un des traits évolutifs qui a 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.

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 les cerveaux humains apprennent. La reconnaissance et le traitement d'images sont une sous-section importante du domaine. En utilisant la reconnaissance d'images, les ingénieurs peuvent classer des objets sans interaction humaine directe.

Réseaux de neurones et vision machine

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

Entraînement des réseaux de neurones dans la vision machine

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 nécessitant une cognition complexe. La première étape pour construire un réseau de neurones artificiel est d'entraîner les algorithmes informatiques avec des images.

Les humains sont chargés d'étiqueter les images d'entrée sur lesquelles 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 cohérente peut être déployé pour des applications commerciales.

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

Sources de données pour la vision machine

La vision machine couplée avec les réseaux de neurones est plus complexe que simplement identifier des images. C'est aussi une cognition spatiale pour reconnaître des objets 3D (tridimensionnels). La source pour les programmes de vision machine peut être des photographies, de la vidéo, ou même un flux de caméra en direct. Dans de tels cas, une caméra collecte les images ou la vidéo fournies à l'algorithme.

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

La vision machine a une large gamme d'applications industrielles et non-industrielles. Les applications vont de l'identification et la navigation à donner la vision aux aveugles.

Vision machine dans l'industrie

La vision machine ou vision par ordinateur a beaucoup d'applications dans l'industrie. Comme elle est encore à un stade naissant, de plus en plus d'applications industrielles sont identifiées chaque jour.

Quelques-unes des applications connues incluent :

• Tri des produits
• Prélèvement des produits
• Inspection automatisée
• Reconnaissance optique de caractères
• Identification des défauts
• Identification des couleurs
• Détection de mouvement
• Identification des motifs
• Assurance qualité
• Mouvement guidé (véhicules à guidage automatique, ou AGV)
• Automobiles autonomes
• Lecture de codes-barres et QR codes
• Usines sombres (dark factories)

À mesure que l'utilisation de la vision machine augmente, le coût d'implémentation de telles solutions diminue, et de nouvelles applications sont identifiées. Par exemple, la vision machine 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 vécue par un tel personnel pendant l'exécution de tâches à des heures inhabituelles. La vision machine avec l'IIoT peut aider.

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

Il peut également exécuter automatiquement des protocoles de sécurité comme électrifier la clôture, déployer des pointes aux points de sortie, alerter la police, etc. Toute la communication se fera sur le réseau entre dispositifs connectés à Internet pour exécuter tout protocole.

Usine chimique

Les usines chimiques sont dangereuses pour les employés humains d'y travailler. Il serait bénéfique si les processus peuvent 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 coupé. Sans vision machine, un technicien humain doit attendre et observer le processus.

Avec la vision machine, une caméra peut se concentrer sur la solution, et un réseau de neurones entraîné à détecter l'ébullition peut détecter si le mélange a commencé à bouillir. Une fois que l'algorithme détecte l'ébullition dans la solution, il peut déclencher un drapeau. Cela est envoyé au système informatique central sur le réseau. Le système est conçu de sorte que la réception de ce signal déclenchera le mécanisme pour couper le chauffage.

Dans un tel scénario, un humain n'a pas à être dans l'usine à inhaler les fumées chimiques pour surveiller le processus. La vision machine et l'IIoT peuvent automatiser le processus complet. Dans cet exemple particulier, des capteurs de détection de température infrarouge ou autres peuvent également être utilisés pour détecter un mélange en ébullition.

Usines sombres (Dark Factories)

Les usines sombres, comme concept, sont l'extension de l'utilisation de la vision machine, de l'automatisation et des capacités IIoT au maximum. Une usine sombre est une installation de fabrication où aucun opérateur humain n'est requis pour faire fonctionner ou surveiller les opérations d'usine. En essence, l'usine n'a pas besoin d'avoir de lumières, et donc, peut fonctionner dans le noir.

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

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

Des applications telles que les usines sombres et les processus chimiques, pour n'en nommer que quelques-unes, peuvent bénéficier de la vision machine. Ses algorithmes peuvent garder le personnel en sécurité, les processus en sécurité et améliorer l'efficacité. Quels types d'applications utilisez-vous la vision machine pour sur votre atelier ?