Vision à IA dans le cadre d’une surveillance dans les environnements industriels et de fabrication

Dans les environnements industriels et de fabrication traditionnels, le contrôle de la sécurité de la main-d’œuvre, l’amélioration de l’efficacité des opérateurs et le contrôle de la qualité étaient des tâches physiques.

Par Chia-Wei Yang, Director, Business and Product Center, IoT Solution and Technology Business Unit, ADLINK.

Aujourd’hui, les technologies de vision industrielle basées sur l’intelligence artificielle (IA) remplacent bon nombre de ces opérations inefficaces et à forte intensité de main-d’œuvre pour une fiabilité, une sécurité et une efficacité accrues. Cet article explique comment, en lançant des caméras intelligentes à IA, il est possible d’améliorer encore les performances puisque les données utilisées pour renforcer la vision à IA proviennent de la caméra elle-même.

Vision industrielle à IA
En 2020, la taille du marché de la vision industrielle à IA pour la fabrication et les environnements industriels était de 4,1 milliards de dollars, qui, selon un rapport d’IoT Analytics, devrait atteindre 15,2 milliards de dollars d’ici 2025. Cela représente un taux de croissance annuel composé (TCAC) de 30 %, contre 6,5 % pour les déploiements traditionnels de vision industrielle. Ce TCAC élevé se justifie par le fait que la prochaine génération de vision artificielle Edge AI en temps réel ne se limite pas au cadre de l’assurance qualité et de l’inspection de produits.

La sécurité de la main-d’œuvre est une priorité absolue dans le secteur de la fabrication et de l’industrie, et les caméras intelligentes à IA permettent d’automatiser la surveillance et l’inspection dans ces environnements. Il est indispensable de garantir la protection de l main-d’œuvre, des prestataires et des autres opérateurs tiers qui travaillent dans des environnements potentiellement dangereux, tels que des équipements mécaniques dangereux ou des matières à risques. La détection des comportements et des positions (POSE) génère des informations qui indiquent si les opérateurs de machines sont en danger, s’ils respectent les procédures opérationnelles standard (POS) ou s’ils travaillent de manière à améliorer la productivité et l’efficacité. Enfin, l’inspection optique automatisée (AOI) augmente la vitesse et la précision du contrôle de la qualité, même pour les produits difficiles à observer, tels que les lentilles de contact.

L’IA au service de la sécurité du personnel
Les accidents mortels en milieu industriel sont monnaie courante dans le monde. Lorsqu’ils évaluent la sécurité de la main-d’œuvre, les sites doivent également tenir compte des blessures non mortelles survenant dans le cadre du travail. Au-delà du traumatisme psychologique, il y a souvent une dimension financière à prendre en compte.

Les sites industriels et de fabrication utilisent traditionnellement la surveillance humaine et des barrières immatérielles pour assurer la sécurité de la main-d’œuvre. Cependant, les responsables humains, qui ne peuvent ni être partout ni tout voir, ne sont pas infaillibles et les barrières immatérielles de sécurité ont des limites inhérentes.

Géorepérage
Dans les usines intelligentes modernes, les personnes travaillent souvent dans des zones potentiellement dangereuses avec des équipements dangereux, tels que des bras robotisés. Les barrières immatérielles de sécurité protègent le personnel contre les blessures en créant un écran de détection qui protège les points d’accès et les périmètres des machines. Cependant, elles occupent beaucoup d’espace au sol, sont difficiles à déployer et manquent de flexibilité. Dans certains cas, le temps de réponse limité de la barrière immatérielle de sécurité peut être source des problèmes supplémentaires.

Les solutions classiques de vision industrielle utilisent des caméras IP et des modules d’intelligence artificielle qui sont adaptables et faciles à déployer, mais qui souffrent d’un temps de latence considérable et ne sont donc pas adaptées aux situations nécessitant une réponse instantanée.



Illustration 1 : Les barrières immatérielles de sécurité occupent beaucoup d’espace au sol, sont difficiles à déployer et manquent de flexibilité ; certaines sont par ailleurs limitées en termes de réactivité. Les caméras intelligentes à IA minimisent ces délais, réduisent les besoins en matière d’espace et de bande passante, et sont faciles à déployer et à entretenir.

Une caméra intelligente à IA tout-en-un, comme la série NEON-2000 d’ADLINK, peut résoudre ce problème de latence. Elle capture les images et conduit toutes les opérations liées à l’IA avant d’envoyer les résultats et les instructions aux équipements connexes, par exemple un bras robotique [voir figure 1]. Par rapport aux barrières immatérielles et aux implémentations classiques de vision industrielle, l’utilisation d’une caméra intelligente tout-en-un minimise les délais, réduit les besoins en espace et en bande passante, et est facile à installer et à entretenir.

L’intelligence artificielle de la vision industrielle en temps réel offre des avantages supplémentaires pour renforcer la sécurité du personnel en alertant les utilisateurs s’ils pénètrent dans une zone dangereuse et en enregistrant ces informations à des fins de recyclage. Une fois ces données à partir d’événements survenus enregistrées, elles peuvent être utiles à l’avenir. Par exemple, si un membre du personnel s’approche d’une zone dangereuse, au lieu que le bras robotique s’arrête complètement, il pourrait entrer dans une boucle de processus de sécurité fonctionnelle. De telles routines améliorent non seulement la sécurité de la main-d’œuvre, mais aussi la productivité de l’usine.

Faire le plein intelligemment
Lorsqu’un camion-citerne arrive dans une usine de fabrication, il apporte des problèmes de sécurité éventuels multiples qui peuvent être facilement résolus par une vision intelligente à IA. Tout d’abord, le camion peut s’emballer si le frein n’est pas serré correctement ou s’il est défectueux. L’apprentissage du système de vision artificielle à IA pour surveiller les mouvements du camion lui permet de déclencher une alarme immédiatement en cas de changement de statut.

Les installations doivent également tenir compte de l’emplacement des opérateurs pendant le processus de ravitaillement, car il existe différents types de violation du zonage. Il est essentiel de s’assurer que tout le personnel sur le site a conscience des risques pour sa propre sécurité. Par exemple, il est nécessaire de placer des cônes de signalisation aux quatre coins du périmètre du camion et de s’assurer que l’opérateur qui fait le plein porte l’EPI adéquat ; la vision intelligente à IA peut effectuer tous ces contrôles de sécurité pour confirmer que les procédures sont parfaitement respectées [voir figure 2].



Illustration 2 : Bien que les responsables puissent être présents pour renforcer les mesures de sécurité, ce n’est pas toujours possible. Si une personne pénètre dans une zone dangereuse, la vision artificielle intelligente à IA peut déclencher une alarme immédiatement.

Les alertes instantanées du système de vision artificielle à IA peuvent avertir les opérateurs en cas de non-respect de la sécurité et éviter ainsi des blessures. Cela permet également de responsabiliser les membres du personnel : si quelqu’un pénètre dans une zone dangereuse sans l’EPI adéquat, les images enregistrées peuvent signaler les erreurs et sensibiliser la main-d’œuvre afin d’éviter de nouvelles erreurs.

Détection des POSE
Pour l’industrie manufacturière, le « temps de cycle » est un indice de performance critique pour l’efficacité de la production. Il correspond au temps qu’une équipe passe à produire un article jusqu’à ce que le produit soit prêt à être expédié. La surveillance du comportement et de la position du personnel grâce à la technologie des caméras intelligentes à IA permet de faire respecter les procédures opérationnelles normalisées et d’améliorer l’efficacité de la main-d’œuvre, réduisant ainsi la durée des cycles.



Illustration 3 : La détection des POSE sur une ligne de fabrication électronique peut contribuer à augmenter la productivité, ainsi qu’à améliorer l’équilibre entre les commandes, les quantités et les lignes.

La détection des POSE à partir de vidéo en direct joue un rôle essentiel, car elle permet de superposer du contenu et des informations numériques au monde analogique. POSE décrit les comportements et les positions du corps à l’aide d’un réseau de points de repère, par exemple au niveau de la main, du coude ou de l’épaule.

La vision artificielle à IA permet aux opérateurs et à la main-d’œuvre en usine de se concentrer sur la façon dont les postures physiques affectent leur travail. Les données des POSE constituent un excellent outil de formation pour guider les opérateurs sur l’endroit où ils doivent placer leurs bras et leurs mains afin de travailler de manière plus ergonomique et plus efficace ; elles améliorent par ailleurs leur posture, ce qui constitue un autre avantage essentiel [voir figure 3].

Le suivi de la présence d’un opérateur à son poste de travail sur la ligne de production permet également d’automatiser et de vérifier les feuilles de présence. L’assurance qu’ils respectent activement les procédures opérationnelles normalisées, assurer le contrôle de la qualité et l’équilibrage des lignes.

L’AOI intelligente à IA
L’inspection manuelle de la qualité des produits coûte du temps, manque de cohérence et peut finalement créer des goulots d’étranglement dans la chaîne de production. La vision industrielle à AOI (inspection optique automatique) conventionnelle peut détecter les défauts évidents plus rapidement que le personnel chargé du contrôle de la qualité, grâce à sa précision et à son efficacité exceptionnelles. Cependant, lorsqu’un défaut est difficile à détecter, comme un défaut sur une lentille de contact par exemple, ces systèmes de vision industrielle touchent leurs limites en termes de précision et de cohérence.

Tandis que la plupart des fabricants testent leurs produits par prélèvements aléatoires pour détecter les défauts, cela n’est pas possible sur les chaînes de production de lentilles de contact, car chaque lentille doit être inspectée individuellement. Le personnel responsable du contrôle de la qualité ne peut inspecter que 4 000 lentilles par équipe, ce qui crée des goulots d’étranglement dans la ligne de production. En outre, le signalement de faux positifs et les produits défectueux manqués sont inévitables.

Les lentilles de contact étant transparentes, la mise en œuvre de la détection par vision artificielle a toujours été un défi pour l’industrie. L’AOI conventionnelle s’appuie sur des algorithmes géométriques fixes pour identifier les défauts, mais l’acquisition d’images de qualité à partir d’objets transparents est complexe, ce qui se traduit par des performances de détection inacceptables.

La collecte de données à l’aide de caméras intelligentes à IA pour former les algorithmes d’IA et itérer sur les gains de performance d’inspection offre une solution plus favorable. Le système intelligent à IA peut identifier les défauts les plus courants, y compris les bavures, les bulles, les rebords, les particules, les rayures, etc. [voir figure 4], et tenir des registres d’inspection à la disposition des clients.



Illustration 4 : L’AOI intelligente à IA peut détecter les défauts les plus infimes sur les lentilles de contact transparentes, ce qui améliore considérablement les taux d’inspection par rapport aux processus de contrôle de qualité manuels utilisés auparavant.

Chaque caméra intelligente à IA peut inspecter 50 fois plus de lentilles qu’une inspection visuelle manuelle, avec une précision accrue de 30 % à 95 %.

Conclusion
Les fabricants qui exploitent les données robustes et en temps réel des technologies de vision artificielle peuvent augmenter le temps de fonctionnement, la maintenance préventive, la productivité et la sécurité du personnel, ainsi que de nombreux autres avantages sur leur lieu de travail.

Les applications de vision artificielle à IA mises en évidence dans cet article nécessitent des algorithmes d’apprentissage profond. Les experts en logiciels qui développent des algorithmes d’IA ont besoin d’une plateforme intelligente et fiable pour exécuter l’inférence des modèles d’IA. Les caméras intelligentes à AI avec le logiciel Edge Vision Analytics (EVA) préinstallé permettent de résoudre de nombreux problèmes communs aux systèmes de vision à AI classiques, d’améliorer la compatibilité, d’accélérer la configuration et de minimiser les problèmes de maintenance.

Pour déployer avec succès un projet de vision à IA, les ingénieurs peuvent mettre jusqu’à 12 semaines pour mettre en place un PoC (proof of concept). Un certain temps est nécessaire pour surmonter la courbe d’apprentissage liée au choix de caméras optimisées et du moteur d’inférence de l’IA, au recyclage des modèles d’IA et à l’optimisation des flux vidéo. Toutefois, le logiciel EVA simplifie toutes ces étapes grâce à sa structure pipeline et abat jusqu’à 2 semaines de mise en place, ce qui constitue un excellent point de départ pour lancer le projet de vision à IA.

www.adlinktech.com

  Demander plus d’information…