Inspection intelligente
L'inspection visuelle de fin de ligne entièrement automatisée par IA permet d'effectuer des contrôles complexes
Les fabricants sont très exigeants en matière d'équipements de production : ils doivent fonctionner de manière irréprochable et être rentables, avec la cadence la plus élevée possible, produire une qualité zéro défaut et être très flexibles. Cependant, les contrôles qualité classiques présentent souvent des lacunes en termes de fiabilité, de flexibilité et de taux de détection. Ils sont également relativement coûteux. Si le contrôle qualité ne peut être effectué que par l'œil humain, il risque également de devenir très fastidieux, épuisant et donc imprécis. Plus la situation de contrôle est complexe, plus l'assurance qualité est difficile, mais le potentiel d'économies est d'autant plus important.
Application
L'utilisation de caméras-industrielles pour l'inspection visuelle est souvent un premier pas vers l'automatisation. Si l'on y ajoute l'intelligence artificielle, un test d'auto-apprentissage, autonome à 100 %, est possible. L'exemple de l'inspection de fin de ligne d'assemblages complexes avec de multiples caractéristiques d'inspection montre comment l'intelligence artificielle peut maîtriser des situations exigeantes. La société autrichienne Nordfels GmbH a développé à cette fin une machine automatique et auto-apprenante pour l'inspection visuelle à 100 % d'assemblages ou d'agrégats de toute sorte. Ce « Deep Learning Inspector » se compose d'un robot à bras articulé, d'un logiciel intelligent et d'une caméra-industrielle GigE Vision d'IDS.
Le système l'utilise pour examiner, par exemple, les moteurs à combustion, les unités de transmission ou les pompes à incendie, ainsi que les groupes motopropulseurs électriques, les systèmes de batteries des véhicules électriques ou d'autres composants du monde de l'e-mobilité. Tout ce qui se compose de divers accessoires, câbles ou flexibles, et dont l'intégralité et la justesse doivent être vérifiées, est inspecté. Il s'agit souvent de composants compliqués comportant de nombreuses pièces individuelles en filigrane. Les pièces assemblées manuellement et présentant de nombreuses caractéristiques entraînent d'innombrables possibilités d'erreurs qui doivent être enregistrées. Aucun problème pour le Deep Learning Inspector, qui identifie et évalue de manière fiable une grande variété d'échantillons avec plus de 50 paramètres différents. Et ce, même si d'une part il existe des possibilités ambiguës concernant la situation de la pièce correcte, c'est-à-dire que l'article remplit suffisamment de critères différents pour être qualifié « OK ». D'autre part, il détecte à nouveau les mauvaises pièces, même s'il n'y a pas de schéma d'erreur clair pour cela.
L'apprentissage s'effectue au moyen d'images qui montrent des situations concrètes OK et des situations NOK. Une IA est formée à partir du jeu d'images correspondant. Des inspections complexes peuvent même être exécutées de manière entièrement automatique et à la vitesse de l'éclair avec cette IA. Le système se développe en permanence avec de nouvelles images. Pour simplifier le processus de formation des algorithmes d'apprentissage profond, le système est doté d'une interface utilisateur conviviale. Autre avantage : pour chaque produit, la documentation image est automatiquement créée avant la livraison.
En principe, une unité de contrôle se compose toujours d'une caméra avec éclairage, montée sur un bras de robot. Avec cette unité, chaque caractéristique est alors abordée, photographiée et évalué automatiquement grâce à l'apprentissage machine.
Dans la pratique cependant, plusieurs unités de contrôle (unités main-œil) sont également utilisées au sein d'une machine d'inspection. À partir de deux unités, diverses fonctions de travail en équipe peuvent être utilisées pour permettre une coopération entre les unités. Avec la fonction « Dark-Field Teamwork », une unité robot-caméra-éclairage est responsable uniquement de l'éclairage de l'autre unité, tandis que la seconde unité robot-caméra-éclairage capture les images. Cette fonction est utile lorsqu'une caractéristique peut être mieux mise en évidence par une lumière latérale qu'avec l'éclairage incident diffus, standard sur chaque unité de contrôle.
Un autre exemple de coopération possible est la fonction « Free-Sight Teamwork ». Dans ce cas, une unité robotisée aide l'autre en utilisant une petite tige pour maintenir sur le côté tout câble ou flexible de l'échantillon, susceptible de trouver dans le champ de vision de l'autre unité de caméra. La deuxième unité robot-caméra peut ainsi capturer les images sans perturbation.
Grâce à ce système intelligent et flexible, les inspections de fin de ligne, qui ne sont actuellement souvent réalisées que dans des situations de travail laborieuses et épuisantes, peuvent être automatisées de façon pérenne.
Caméra
Une caméra GigE Vision d'IDS est utilisée par système. Outre l'interface, les facteurs décisifs dans le choix du modèle de caméra ont été, pour Nordfels, la taille et le capteur. La GV-5890SE est dotée d'un capteur CMOS à obturateur roulant (Rolling Shutter) IMX226. Le capteur de 12 mégapixels (4000 x 3000 px, taille de pixel 1,85 µm) de la série STARVIS de Sony présente une photosensibilité exceptionnelle avec un faible bruit et une fréquence de 10 images/s en pleine résolution. L'alimentation électrique via Ethernet permet un fonctionnement par câble unique jusqu'à 100 mètres. Grâce à la technologie BSI (« back-side-illumination ») du capteur, la caméra est idéale pour les tâches exigeant des résultats parfaits même dans des conditions de faible luminosité, de sorte que l'inspecteur de fin de ligne obtient de bons résultats même sans la fonction « Dark-Field Teamwork » mentionnée ci-dessus.
L'unité de contrôle photographie et évalue caractéristique par caractéristique (photos : Zeidler G):
« La caméra uEye est utilisée de manière très polyvalente. De nombreuses caractéristiques peuvent être vérifiées avec des images classiques en niveaux de gris, telles qu'on les connait dans le traitement d'images industriel. Mais il existe aussi des caractéristiques où l'information de couleur joue un rôle important. Les photos sont alors déclenchées en mode couleur. De plus, une unité de caméra présente des couleurs d'éclairage différentes, de sorte qu'il est toujours possible de créer des conditions optimales pour l'acquisition d'images », explique Edmund Jenner-Braunschmied. La lecture OCR et la lecture de codes, comme les codes 2D ou matriciels, sont également possibles avec cette structure. La reconnaissance OCR s'effectue également avec un apprentissage profond, tandis que la lecture de code a lieu avec un traitement d'images classique.
Perspectives
Le marché du traitement de l'image, notamment en relation avec la robotique, connaît une croissance inéluctable dans les secteurs les plus variés. La société Nordfels est également confrontée à cette tendance. « Qu'il s'agisse de machines de manutention ou d'inspection, les combinaisons et les applications possibles sont multiples », confirme M. Jenner. À cela s'ajoutent les nouvelles possibilités offertes par l'apprentissage profond et l'apprentissage machine. « Il en résulte un terrain de jeu technique qui offre des possibilités quasi infinies, mais qui exige également une grande expertise et des compétences multidisciplinaires pour développer des systèmes qui sont finalement faciles à utiliser en production et qui fonctionnent avec la plus grande fiabilité de processus. » Les intégrateurs de systèmes innovants et les constructeurs de machines tels que Nordfels et les fabricants de caméras d'avenir comme IDS font également face à ces défis.
Caméra GigE Vision de la gamme uEye SE
- Interface : GigE
- Modèle : GV-5890SE-C-HQ
- Type de capteur : CMOS
- Fabricant : Sony
- Fréquence d'image : 10,0 images par seconde
- Résolution : 4000 x 3000 / 12 mégapixels
- Obturateur : Obturateur roulant (Rolling Shutter)
- Format de capteur : 1/1.7"
- Dimensions : 34,0 mm x 44,0 mm x 47,0 mm
- Poids : 105 g
- Connecteur : GigE RJ45, vissable
- Utilisations : traitement d'image industriel, techniques médicales (et automatisation des laboratoires), technologie de mesure, industrie alimentaire, inspection de bandes continues
Client
Nordfels GmbH est un constructeur de machines professionnel, qui répond à toutes les exigences de l'industrie 4.0, selon notre devise : « Plus la tâche est complexe, plus le défi est beau ». La société accompagne ses clients dans le domaine de l'automatisation basée sur la robotique et la mécatronique les plus modernes - de la définition d'une idée à la création de machines spéciales efficaces aux fonctionnalités complexes dans les domaines de l'usinage, de la reconnaissance des pièces, de l'inspection et du contrôle, du tri et du conditionnement ainsi que de l'assemblage et du montage.
https://www.nordfels.com
