L’IA démultiplie les possibilités de la vision

Non seulement le deep learning – ou apprentissage « en profondeur » – rend l’analyse automatique des images moins dépendante de leur variabilité, mais il accélère la configuration des applications et met la vision industrielle à la portée des personnes non expertes.

Les produits alimentaires ont ceci de particulier dans l’ensemble des fabrications industrielles qu’ils peuvent se présenter sous des formes, couleurs ou aspects relativement divers sans que l’on puisse pour autant parler de défaut. Dans ce secteur, s’il est facile à un œil humain exercé de faire le tri entre ce qui est conforme aux attentes et ce qui ne l’est pas, ça l’est beaucoup moins pour un système de vision industrielle… À moins de le doter d’une certaine forme d’intelligence. «Les outils de vision figurent parmi les équipements qui ont le plus à gagner de l’intelligence artificielle (IA) du fait de la complexité des données à traiter», estime à ce propos Olivier Rambaldelli, chargé de marketing/communication pour B&R Automation (groupe ABB).

Intelligence embarquée
Le grand changement pour les utilisateurs de caméras intelligentes (gamme Smart Camerachez B&R), explique-il, c’est que l’analyse deep learning (apprentissage «en profondeur»), mise à profit entre autres pour la reconnaissance optique des caractères (OCR), est embarquée dans la caméra elle-même et non dans un PC annexe, ce qui simplifie les architectures et la collecte des informations.
«À cela s’ajoute une remarquable simplicité de la maintenance : les éléments d’éclairage et les systèmes optiques sont calibrés avant expédition et le remplacement d’une caméra ne nécessite aucun réglage sur site puisque l’automate prend en charge automatiquement l’adaptation du firmware d’origine en fonction des composants en présence. C’est un système plug-and-run», précise le chargé de marketing/communication.
Pour Olivier Rambaldelli, le contrôle du dispositif d’éclairage compte d’ailleurs autant dans le résultat final que la performance de l’algorithme. C’est pourquoi le porte-parole de l’entreprise met en avant le caractère «intégré» des solutions de vision proposées par B&R, qui permet une synchronisation «à la microseconde près» entre la partie vision et les automates, entraînements… Avec des captures d’images possibles sur des objets transportés à plus de 200 km/h dans certains cas !

Programmation simplifiée
Carole Besnard, chef de produits Vision chez Bizerba Luceo, vante elle aussi les mérites de l’IA pour les applications OCR (relecture de DLC, numéro de lot…) disponibles avec les gammes LabelSecure (inspection d’étiquettes) et PackSecure (inspection d’étiquettes + contrôle de l’intégrité des emballages) de ce fournisseur: «pour notre clientèle, le gros avantage du deep learning ne réside pas tant dans l’amélioration de la performance que dans l’accélération de la phase de paramétrage des critères de détection pour les personnes en charge de leur mise au point», considère-t-elle.

Si l’IA n’est pas généralisée dans l’offre Vision de Bizerba Luceo, elle y est néanmoins de plus en plus présente. Par exemple au sein du système SealSecure basic G2dédié à la détection de contaminants organiques à l’intérieur des cordons de soudure de barquettes operculées avec un film transparent ou opaque. «Nous avons développé une nouvelle technologie optique ainsi qu’un apprentissage qui permettent au SealSecure basic G2 de s’affranchir des variations de transmission de la lumière dans le plastique et par conséquent de remplir sa fonction quelles que soient les couleurs du film et de la barquette», indique Carole Besnard. L’apprentissage porte en l’occurrence sur la longueur d’onde permettant d’optimiser la qualité de l’image et donc l’efficience du contrôle pour chaque type de barquette dans le cadre d’une ligne multiformats.

Prise en compte de la variabilité
« L’apport de l’IA dans la vision industrielle est d’autant plus consistant que la variabilité des images, s’agissant du contraste, de la position des objets, etc., est plus grande», insiste pour sa part Laëtitia Garnier, responsable produits chez Sick. Selon elle, c’est dans ces cas complexes, aux limites des possibilités de traitement des outils de vision traditionnels, qu’il devient intéressant de créer ce qu’on appelle un réseau neuronal, c’est-à-dire une structure informatique pourvue d’une capacité d’analyse équivalente, voire supérieure à celle d’une expertise humaine dans la même situation. Car c’est toujours l’humain qui apprend à la caméra au travers de la création de ce réseau neuronal, souligne la responsable produits. «Mais grâce à l’IA, nul besoin de confier la programmation de la caméra à un expert en vision ou à un intégrateur !» Pour l’apprentissage, il suffit en effet à l’utilisateur d’enregistrer un certain nombre d’images «bonnes» – pour une simple détection d’anomalies –, ou bien représentatives des différentes situations envisageables afin de les classer. Le réseau neuronal – de type «outil de classification» dans le second cas – sera alors créé automatiquement puis appliqué par la caméra qui deviendra ainsi capable de prendre des décisions seule, avec un indice de confiance fonction de la similitude entre la situation captée et les images ayant servi à la création du réseau. «Sachant que le réseau pourra éventuellement être amélioré par la suite grâce à des images supplémentaires si des erreurs sont constatées, ajoute Laëtitia Garnier. Par ailleurs, dans les cas compliqués, qui nécessitent l’interprétation d’un grand nombre d’images, les utilisateurs ont l’opportunité de passer par notre service cloud dStudio avant d’injecter le réseau neuronal dans l’électronique embarquée».

Licence exigée
Dernière caméra en date chez Sick, l’Inspector83x (5 mégapixels) intègre un processeur à quatre cœurs qui la rend à même de réaliser jusqu’à 15 inspections par seconde. Comme pour tous les modèles de la gamme Inspector, les fonctionnalités IA sont natives dans la caméra mais ne peuvent être activées que par l’acquisition d’une licence.
«Avant de se décider, le client peut en évaluer gratuitement la pertinence pour son application durant une période (renouvelable) de deux heures, largement suffisante pour créer et tester son réseau neuronal prototype s’il le souhaite». Tout en se félicitant de la «flexibilité» de cette formule, Laëtitia Garnier ne doute pas que l’IA représente l’avenir de la vision industrielle. D’autant qu’apparaissent déjà des couplages extrêmement prometteurs avec la robotique, notamment pour les opérations de picking…