Dans le monde de l'IdO, un concepteur peut innover grâce à des technologies complémentaires. Cet article d'Andreas Burghart, responsable de la technologie de l'IdO chez Digi International, vous permet de découvrir combien l'Internet industriel des objets (IIdO) ou médical pousse à l'émergence de la prochaine génération d'innovations.
Comment l'apprentissage automatique (ML, Machine Learning) et la vision industrielle (MV, Machine Vision) changent notre monde
Les techniques d'apprentissage automatique peuvent être appliquées à une vaste gamme de tâches de traitement ou de classification des images de vision industrielle. Et, grâce à l'échelle d'adoption actuelle de ces applications, il devient rapidement rentable d'ajouter des fonctions ML et MV à un ensemble de plus en plus étendu et varié de produits IdO.
Les systèmes de vision industrielle utilisent généralement des capteurs numériques dans des modules de caméras industrielles où les images sont traitées et analysées. Utilisées conjointement à l'apprentissage automatique, les applications de vision industrielle sont capables d'effectuer des tâches complexes avec fiabilité et cohérence.
Dans les applications de soins de santé, elles peuvent surveiller des patients ou détecter des anomalies dans les images radiologiques, améliorant ainsi la qualité des soins ou sauvant même des vies.
Dans un environnement industriel, elles sont capables de prendre en charge des inspections de contrôle qualité de nombreux articles identiques sur un tapis roulant sans risque d'erreur ou de fatigue. En réalité, la vision industrielle offre des économies et des avantages en termes de contrôle qualité dans la plupart des processus de production de masse exigeant une surveillance visuelle.
Avantages économiques de l'apprentissage automatique combiné à la vision industrielle
Si les avantages de combiner apprentissage automatique et vision industrielle sont nombreux, les plus importants sont ceux qui génèrent d'authentiques améliorations opérationnelles et ont un impact sur la rentabilité.
- • Produits de meilleure qualité : inspection, mesure, évaluation et vérification de l'assemblage.
- • Productivité accrue : les tâches répétitives et courantes peuvent être effectuées de manière rapide et automatique, permettant aux employés de se consacrer à des tâches de plus grande valeur ajoutée.
- • Coûts réduits : l'ajout de fonctions de vision industrielle (MV) à un équipement permet d'améliorer ses performances et sa durée de vie. Dans un environnement industriel, les systèmes MV occupent également moins de place que les opérateurs humains et n'exigent pas le même niveau de sécurité.
Pourquoi calculer en périphérie ?
Les applications ML/MV fonctionnent en temps réel. Avec l'informatique en périphérie, les applications peuvent travailler plus près du site où la production se déroule effectivement. L'informatique en périphérie est très avantageuse dans les situations où la bande passante ou la latence sont des contraintes, comme dans un site de production où des dizaines d'articles défilant sur un tapis roulant sont inspectés chaque minute par un système ML/MV.
Avantages de l'informatique en périphérie en termes de performance
Les efforts de calcul d'aujourd'hui s'orientent vers la périphérie pour de considérables progrès en matière d'efficacité et de performance, notamment ici :
- • Latence réduite : l'informatique en périphérie offre des temps de réponse plus rapides sans va-et-vient des données avec le serveur.
- • Capacité d'opérer hors ligne : dans le cas d'une interruption des communications, le système peut collecter, stocker et traiter les données de manière autonome.
- • Coûts réduits : les coûts de gestion du réseau sont réduits car le flux des données l'est aussi.
- • Consommation d'énergie réduite : les appareils IdO alimentés par batterie consomment moins d'énergie car ils envoient moins de données.
Des outils et des logiciels pour des mises en œuvre réussies
La création d'une solution d'apprentissage automatique n'est pas une mince affaire. Le choix du matériel, des outils de développement et des composants logiciels pour le traitement d'images basé sur l'apprentissage automatique en périphérie sont essentiels à la réussite de la mise en œuvre.
Au-Zone Technologies offre un kit de développement de systèmes d'imagerie basés sur l'apprentissage automatique pour appareils incorporés contraints en performance. Les moteurs d'inférence de la société prennent en charge les cœurs MCU, CPU et GPU avec un format standard de flux de travail et de modèle qui assure la flexibilité et la portabilité entre les plateformes. Le système sur module (SOM) Digit ConnectCore® 8X contient des processeurs MCU, CPU et GPU, qui permettent au moteur d'inférence de s'exécuter sur n'importe laquelle de ces ressources.
Voir les produits connexes
Voir les produits connexes
Voir les produits connexes
Voir les produits connexes
Voir les produits connexes
Voir les produits connexes
Voir les produits connexes
Voir les produits connexes
