Le Deep Learning accessible et facile à utiliser avec l’outil de détection des anomalies de SICK.

Publié par

Compatible avec toute la gamme de capteurs de vision 2D InspectorP6xx, il permet aux utilisateurs de maîtriser facilement les applications complexes avec des défauts imprévisibles telles que l’inspection des surfaces, des jointures, des colles, des soudures et des outils de moulage par injection.

SICK annonce l’activation de son outil de détection d’anomalies, facile d’utilisation, au sein de l’ensemble d’outils « Intelligent Inspection », qui fait partie de la SICK Nova SensorApp. Compatible avec toute la gamme de capteurs de vision 2D InspectorP6xx, cela permet aux utilisateurs de maîtriser facilement les applications complexes avec des défauts imprévisibles telles que : l’inspection des surfaces, des jointures, des colles, des soudures et des outils de moulage par injection. En particulier là où elles pouvaient auparavant défier l’automatisation en utilisant des systèmes de vision basés sur des règles.

Grâce à l’avantage de former une solution basée sur des exemples réels au lieu d’établir des règles, l’utilisateur est maintenant en mesure de maîtriser de nouvelles applications qu’il n’était pas possible de résoudre auparavant. Il peut également utiliser des outils de vision traditionnels basés sur des règles et le deep learning pour résoudre l’application, et ainsi bénéficier des avantages de deux mondes en même temps.

Processus intuitif de résolution des demandes sur le dispositif

Grâce à l’outil de détection des anomalies, les utilisateurs peuvent effectuer toutes les étapes, telles que la collecte d’images, l’étiquetage, l’entraînement, l’évaluation et, enfin et surtout, l’exécution, directement sur l’appareil, ce qui permet de résoudre rapidement et facilement les applications.

« Comme le processus complet se fait uniquement sur les capteurs de vision SICK InspectorP6xx, l’utilisateur économise du temps et des efforts dans le processus de résolution de l’application », explique Anders Gibeck, chef de produit vision industrielle 2D chez SICK. « Vous pouvez donc automatiser des inspections de vision complexes pour un coût de propriété beaucoup plus faible. Vous pouvez envisager d’automatiser les inspections de défauts de produits ou de marchandises qui se sont avérées trop difficiles auparavant. Vous êtes guidé jusqu’à une solution simple grâce à l’approche de formation d’image basée sur des exemples et à l’interface facile à utiliser. Si nécessaire, SICK propose également des services pour accompagner les clients tout au long du processus de faisabilité, de mise en service et de formation du modèle deep learning. »

Les utilisateurs peuvent tester l’adéquation de l’outil de détection d’anomalies alimenté par le deep learning pour leur application spécifique avant d’acheter la licence supplémentaire requise pour l’utiliser en mode production. Ils peuvent également utiliser des outils de vision traditionnels basés sur des règles en même temps que le deep learning pour résoudre l’application.

Les développeurs travaillant dans l’AppSpace de SICK peuvent économiser du temps et des efforts de codage en se connectant à la boîte à outils de vision industrielle Nova de SICK pour personnaliser ou créer leurs propres SensorApps.

Moins d’images nécessaires et carte thermique

Grâce à l’outil de détection des anomalies, les utilisateurs peuvent entraîner leur solution en se basant uniquement sur de bonnes images de référence. Cela est particulièrement avantageux lorsque seuls quelques mauvais échantillons sont disponibles pendant le processus de résolution de l’application. En outre, l’outil de détection des anomalies indique à l’aide d’une carte thermique où se trouve le défaut dans l’image, ce qui fait gagner du temps à l’ingénieur qualité.

Extension sans faille à l’inspection de la qualité

L’ensemble d’outils Intelligent Inspection de SICK est disponible comme une extension transparente de l’ensemble d’outils d’inspection de la qualité dans SICK Nova SensorApp, préinstallé sur toutes les caméras InspectorP6xx. En combinant la vision artificielle traditionnelle pour l’inspection de la qualité avec une puissante capacité étendue de Deep Learning, Intelligent Inspection ouvre aux utilisateurs des possibilités d’automatiser des inspections difficiles qui n’étaient pas possibles auparavant.

Fredrik Nilsson, responsable de la Business Unit Machine Vision chez SICK, explique : « En étendant l’ensemble des outils d’Intelligent Inspection avec des capacités de détection d’anomalies à toutes les caméras InspectorP6xx, SICK a permis aux utilisateurs de sélectionner le meilleur capteur de vision pour la tâche d’inspection, puis d’ajouter facilement des inspections complexes par vision avec intelligence artificielle.

SICK est l’un des principaux fabricants de capteurs destinés à l’automatisation des sites de production, des procédés et des systèmes logistiques. Figurant parmi les leaders du marché, SICK propose des capteurs et des solutions pour les applications industrielles qui constituent une base idéale pour la gestion sûre et efficace des processus, la protection des personnes contre les accidents et la prévention des dommages environnementaux. Fondée en 1946, la société SICK s’appuie sur un réseau mondial de plus de 50 filiales et participations et de nombreuses agences. En 2016, SICK employait plus de 8 000 personnes à travers le monde et a enregistré un chiffre d’affaires total de près de 1,4 milliard d’euros. En France, la filiale est présente depuis 1972 sur tout le territoire à travers 3 agences régionales à Paris, Lyon et Nantes. Elle propose l’ensemble du portefeuille produits SICK, allant des capteurs aux solutions systèmes en passant par la formation et les prestations de services et de maintenance.

SICK S.A.R.L.
ZI Paris Est
21 Boulevard de Beaubourg
77184 Emerainville France
Adam Alexa
Phone : +33 1 64 62 35 44
alexa.adam@sick.fr

SICK S.A.R.L.
ZI Paris Est
21 Boulevard de Beaubourg
77184 Emerainville France
Petitjean Alice
Phone : +33 1 64 62 35 71
alice.petitjean@sick.fr

Votre commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l’aide de votre compte WordPress.com. Déconnexion /  Changer )

Image Twitter

Vous commentez à l’aide de votre compte Twitter. Déconnexion /  Changer )

Photo Facebook

Vous commentez à l’aide de votre compte Facebook. Déconnexion /  Changer )

Connexion à %s