Avec IDS NXT, IDS a conçu un écosystème de vision IA constitué de composants matériels et logiciels qui, outre l'apprentissage automatique, reproduit de manière intuitive le flux de travail complet de l'application. Les solutions deviennent ainsi réalisables en économisant du temps et de l'argent.

Vision IA dans le cloud

Le studio de vision IA IDS lighthouse permet de faire ses premiers pas avec la vision IA, de tester la pertinence des méthodes IA pour ses propres applications, mais aussi de créer des applications de vision avec lesquelles les caméras IDS NXT résolvent des tâches complexes. Pour cela, il n'est pas nécessaire de suivre une formation ou de mettre en place un environnement de développement. Cela permet de commencer facilement, y compris l'exécution et la mise en service d'un système individuel de vision IA. Pour cela, toute la programmation est cachée derrière des interfaces et des outils faciles à comprendre, qui couvrent toutes les phases du développement d'une vision IA.

Plus d'aides pour un étiquetage rapide

Dès le lancement du projet, un assistant d'application (Use Case Assistant) avec une sorte de mode Interview aide à identifier les tâches, à choisir les méthodes d'IA nécessaires et à préparer un projet d'application de vision adapté. Pour ceux qui souhaitent une approche plus personnalisée, l'éditeur basé sur des blocs permet d'assembler des séquences de processus individuelles à partir de blocs de fonctions prédéfinis par glisser-déposer, sans avoir à se familiariser avec la programmation spécifique à la plateforme ou la syntaxe particulière d'un langage de programmation. Cela ouvre la voie à une plus grande flexibilité dans la description des applications et rend en même temps les processus facilement compréhensibles.

L'éditeur basé sur des blocs permet de créer des applications entièrement personnalisées avec traitement IA dans des applications de vision sans avoir à connaître la syntaxe d'un langage de programmation textuel particulier.
L'éditeur basé sur des blocs permet de créer des applications entièrement personnalisées avec traitement IA dans des applications de vision sans avoir à connaître la syntaxe d'un langage de programmation textuel particulier.

Gestionnaire de données inclus

À l'avenir, le studio de vision IA continuera également à aider l'utilisateur dans la préparation des données d'apprentissage. Grâce à un système automatique d'étiquetage, les données d'images importées et les contenus spécifiques avec ROI peuvent être organisés plus rapidement en ensembles de données avec des étiquettes appropriées. Cela permettra d'élargir les ensembles de données avec des contenus d'images et d'améliorer ainsi constamment les réseaux par un apprentissage continu.

Moins de données, plus de confiance

La mise à disposition de données suffisantes et en nombre équilibré pour toutes les classes à former est souvent laborieuse. Comme les cas d'erreur peuvent justement se présenter sous toutes les formes possibles, il existe souvent un déséquilibre entre les BONNES et les MAUVAISES pièces. Il est donc  important de proposer des solutions qui se contentent de moins de données d'apprentissage lors de la préparation. Ainsi, en plus de la classification et de la reconnaissance d'objets, les utilisateurs profiteront à l'avenir de la détection d'anomalies, qui identifiera tous les cas d'erreurs connus et inconnus qui se situent en dehors des écarts normaux d'une BONNE pièce. Pour cela, relativement peu de données d'apprentissage sont nécessaires par rapport aux autres méthodes IA. En résumé, tout ce qu'un être humain remarquerait s'il passait un certain temps à étudier l'aspect « typique » des objets peut également être identifié par un système d'IA avec détection d'anomalies. La détection d'anomalies est donc un autre outil utile pour soutenir les contrôles qualité, en réduisant les contrôles visuels tout en détectant et en évitant les erreurs à un stade précoce du processus de production.

La détection d'anomalies identifie à la fois les anomalies connues et inconnues (non apprises) qui s'écartent de l'apparence « typique » de l'objet appris.
La détection d'anomalies identifie à la fois les anomalies connues et inconnues (non apprises) qui s'écartent de l'apparence « typique » de l'objet appris.

IA compréhensible

Pour une meilleure traçabilité, il existe notamment une visualisation par carte de chaleur de l'attention de l'IA directement dans le studio de vision IA. Pour ce faire, l'apprentissage utilise des modèles de réseau spéciaux qui génèrent une sorte d'image thermique lors de l'évaluation des ensembles de données de test. Elle met en évidence les zones de l'image qui reçoivent le plus d'attention de la part du réseau neuronal, ce qui influence les conclusions et les performances. Des images d'apprentissage incorrectes ou trop peu représentatives peuvent également sensibiliser l'IA à des caractéristiques non souhaitées. Même une étiquette de produit apprise par inadvertance peut fausser les résultats. La cause d'un apprentissage « erroné » de ce type s'appelle le biais de données.

Cela contribue à réduire les réticences à l'égard des décisions basées sur l'IA et à augmenter l'acceptation dans l'environnement industriel.

Les « cartes d'attention » (Attention Maps) visualisent l'attention d'un réseau neuronal sur des contenus d'image spécifiques, comme un biais de données déclenché par une étiquette de produit dans les images d'entraînement.
Les « cartes d'attention » (Attention Maps) visualisent l'attention d'un réseau neuronal sur des contenus d'image spécifiques, comme un biais de données déclenché par une étiquette de produit dans les images d'entraînement.

Perspectives

IDS développe en permanence son système d'IA en mettant particulièrement l'accent sur le confort d'utilisation et le gain de temps. L'IA pourra ainsi être utilisée plus rapidement à grande échelle, y compris dans les PME. Côté matériel, la famille de caméras IDS NXT est également renforcée par une plateforme matérielle plus performante, capable d'exécuter les réseaux neuronaux beaucoup plus rapidement et de permettre ainsi la vision IA dans les applications à cadence élevée. Mais ce qui aide le plus à la diffusion de la vision IA, ce sont les entreprises qui ont déjà mis en œuvre des projets de vision IA avec succès et qui peuvent en parler à d'autres.