L'utilisation d'un Réseau neuronal entraîné, les outils d'IA pour la détection des défauts de surface reconnaissent une caractéristique ou un défaut qui ne peut être détecté avec les techniques traditionnelles.
PERFORMANT
Formation rapide
Moins de faux rejets
qu'avec les outils traditionnels
PRÊT À
AMÉLIORATIONS
Matériel le plus rapide
Logiciel évolutif
FACILE À UTILISER
Configuration conviviale
pour les commandes de surface
L'algorithme des outils d'IA peut être combiné avec les stations de contrôle suivantes, installées sur les sites suivants Machines d'inspection Dimac MCV.
Pour le contrôle d'éléments en relief ou en retrait sur des surfaces planes. La technologie SFS permet de reconstruire la surface tridimensionnelle d'une surface plane, en faisant ressortir les éléments en relief et en creux. Le contrôle n'est pas influencé par les taches, la non-homogénéité de la couleur de la pièce, le type ou l'aspect du revêtement de surface.
Les applications les plus intéressantes sont les rondelles, les têtes plates des vis, les pièces de monnaie, les surfaces supérieures et inférieures des écrous et les plaques de découpe fines.
L'analyse combinée des images de plusieurs caméras est organisée pour voir toute la surface latérale externe de la pièce pour détecter les bosses de filetage, les rayures sur les surfaces lisses, les fissures ouvertes, la présence de trous radiaux.
La caméra linéaire, combined with an encoded 360° rotation vous permet de reconstruire l'image complète du développement latéral des pièces à géométrie cylindrique ou similaire.
L'analyse de l'évolution de la surface latérale de la pièce peut fournir des informations de type superficiel et dimensionnel : la présence d'inhomogénéités de surface (lignes, rayures), le contrôle dimensionnel de la phase correcte entre deux éléments asymétriques de la pièce (par exemple deux trous radiaux), la présence de fissures ouvertes (comme dans l'image ci-dessus).
Les outils d'IA pour la détection des défauts de surface diffèrent des logiciels de vision traditionnels car ils ne s'appuient pas sur des règles prédéfinies. Au lieu de cela, l'algorithme d'IA calcule des variables, formant un réseau neuronal qui évalue la similarité des images pour des catégories telles que les pièces conformes et non conformes. Ce réseau détermine le pourcentage de similitude d'une nouvelle image avec des catégories spécifiques.
AI goes beyond analytical image interpretation, autonomously generating search criteria with logic not directly understandable by humans. While highly versatile and powerful, its results aren’t entirely predictable beforehand, necessitating careful field validation.
Il est essentiel de trouver des solutions efficaces et peu gourmandes en ressources informatiques. Le processus d'IA exige un temps de calcul important pour les phases de formation et de validation. Pour éviter des périodes prolongées de non-productivité de l'équipement de tri, la formation n'est pas effectuée sur l'équipement de tri. machine de triage.
Pour le confort des utilisateurs, Dimac propose des services de formation à distance sur les réseaux neuronaux.
Le logiciel de la machine intègre une procédure simple pour aider les opérateurs à capturer des images suffisantes d'échantillons conformes et défectueux.
Assurer un contrôle 100% sûr d'un défaut spécifique est souvent un défi que les techniques traditionnelles ne permettent pas de relever. Outre l'inspection visuelle humaine, l'IA est actuellement la seule solution viable. L'œil humain reste essentiel pour définir et optimiser le flux de travail de l'IA aujourd'hui et peut-être à l'avenir.
