OKMesures et règles
Lorsque le défaut peut être décrit par des règles : mesures, présence, lecture de caractères. Rapide, stable et facile à expliquer.
Accueil / Vision industrielle / Deep learning
Vision industrielle · intelligence artificielle
Le deep learning en inspection : là où la vision classique ne suffit pas
Certains défauts ne peuvent pas être décrits par des règles : une soudure avec des plis, une surface avec des reflets, un produit naturel qui n’est jamais deux fois le même. Pour ceux-là, nous utilisons le deep learning, des réseaux de neurones entraînés sur vos propres produits et intégrés à la ligne.
Notre approche
Vision classique, deep learning ou les deux
Tout ne nécessite pas l’intelligence artificielle. Dans chaque cas, nous étudions quelle technique offre la fiabilité dont vous avez besoin et nous vous le disons avant de signer, y compris ce qui ne peut pas être garanti.
Défauts difficiles
Pour ce qui varie d’un emballage à l’autre : soudures, plis, reflets, surfaces, matériaux ou produits naturels et très variables.
Le procédé, en chiffres
Histogrammes et tendances de chaque mesure pour savoir si le procédé se dérègle, avant le premier rejet.
Un cas réel
Scellage du fond, surveillé par deep learning
Avec notre logiciel Nadir, nous détectons par deep learning les problèmes de scellage au fond d’emballages en carton, et les statistiques du procédé anticipent les dérives avant qu’elles ne deviennent des défauts.
- Réseaux de neurones entraînés avec vos emballages conformes et défectueux
- Moyenne, dispersion et courbe de Gauss de chaque mesure
- Alarme de dérive, avant le premier rejet
- Photo de chaque rejet et alerte instantanée aux personnes de votre choix
Notre méthode
De l’échantillon à la ligne
Le deep learning fait partie de notre intelligence artificielle appliquée : des outils concrets, mesurés à ce qu’ils améliorent sur la ligne.
Avec vos produits, gratuitement
Vous nous envoyez des pièces bonnes et mauvaises, et nous vous disons si le défaut est détectable en ligne, avec quelle technique et quelle fiabilité attendre.
Un réseau pour votre produit
Quelques dizaines de pièces bonnes et mauvaises suffisent pour commencer l’entraînement. S’il n’y a pas assez de données, nous vous le disons.
Intégré et mesuré
Le modèle travaille sur la ligne comme un outil de plus de la recette, avec la photo et le motif de chaque rejet.
Questions fréquentes
Ce que l’on nous demande souvent
Quand le deep learning est-il nécessaire pour une inspection ?
Lorsque le défaut ne peut pas être décrit par des règles : soudures, surfaces, plis, reflets ou produits naturels et très variables. Si le défaut est mesurable, la vision classique est plus simple et plus stable.
Combien d’images faut-il pour commencer ?
Pas toujours beaucoup : quelques dizaines de pièces bonnes et mauvaises suffisent pour commencer l’entraînement. Nous vous disons honnêtement s’il y a assez de données ou ce qui manque.
Mes images sortent-elles de l’entreprise ?
C’est vous qui décidez. Nous pouvons travailler avec des modèles qui tournent dans vos locaux ou avec des services cloud sous contrat, et nous vous l’expliquons avant de commencer.
Peut-on le combiner avec la vision classique ?
Oui, et c’est le cas le plus courant : les règles pour ce qui se mesure et le deep learning pour ce qui varie, dans la même inspection.
Essai de faisabilité gratuit
Votre défaut ne se laisse pas décrire par des règles ?
Envoyez-nous des échantillons conformes et défectueux. Nous vous disons quelle technique fonctionne avec votre produit et quelle fiabilité attendre.