Les fabricants de divers secteurs sont confrontés à des défis liés à l’embauche et à la fidélisation d’une main-d’œuvre qualifiée, au rythme des innovations technologiques et à la satisfaction des attentes accrues en matière de rapidité et de précision.
Pour les acteurs de l’industrie automobile, la durabilité, la numérisation des opérations et de la chaîne d’approvisionnement, les attentes accrues en matière de sécurité et la demande de personnalisation sont également des priorités.
Zebra est récent Étude de vision de l’écosystème automobile indique que 73 % des décideurs du secteur pensent que leur entreprise sera désavantagée par rapport à la concurrence si elle n’adopte pas davantage de technologies numériques, le « développement de l’expertise logicielle » étant cité comme l’une des cinq principales priorités d’investissement. Une récente McKinsey rapport est d’accord, affirmant que les développements récents de la robotique, de l’IA et de l’apprentissage automatique nous ont mis à l’aube d’une nouvelle ère d’automatisation.
Une innovation technologique clé qui gagne en importance est le logiciel de reconnaissance optique de caractères (OCR) d’apprentissage en profondeur. Selon l’étude automobile de Zebra, la vision artificielle industrielle devrait voir une augmentation de 83 % de son utilisation d’ici 2027 (24 % à 44 %), selon les décideurs des fabricants d’équipements d’origine (OEM) interrogés.
La combinaison de l’apprentissage en profondeur et de l’OCR répond au besoin de solutions rapides, précises et fiables pour les contrôles de conformité, de qualité et de présence dans les industries manufacturières. Les responsables des opérations dans les secteurs de l’automobile, de la pharmacie, de l’électronique et de l’alimentation et des boissons ont le plus à gagner avec l’OCR d’apprentissage en profondeur.
Fabrication intelligente
La vision artificielle et l’OCR d’apprentissage en profondeur permettent une fabrication intelligente qui Gartner définit comme l’orchestration des processus physiques et numériques au sein des usines et dans d’autres fonctions de la chaîne d’approvisionnement. Celles-ci transforment la façon dont les personnes, les processus et la technologie fonctionnent pour fournir les informations nécessaires pour influer sur la qualité, l’efficacité, le coût et l’agilité des décisions. En d’autres termes, cultiver l’automatisation via l’apprentissage en profondeur et l’OCR permet de tirer le meilleur parti du matériel, des logiciels et des personnes.
Mais réussir l’inspection OCR peut s’avérer difficile. Les polices stylisées, les caractères flous, déformés ou masqués, les surfaces réfléchissantes et les arrière-plans complexes et non uniformes peuvent rendre impossible l’obtention de résultats stables à l’aide des techniques OCR traditionnelles.
Cependant, il existe de nouveaux outils sur le marché qui offrent une OCR d’apprentissage en profondeur de qualité industrielle et sont livrés avec des réseaux de neurones prêts à l’emploi pré-formés à l’aide de milliers d’échantillons d’images différents. Cette nouvelle gamme peut fournir des niveaux de précision élevés dès la sortie de la boîte, même lorsqu’il s’agit de cas très difficiles.
Dans un environnement de fabrication automobile, cela signifie qu’une solution OCR d’apprentissage en profondeur peut lire avec précision les numéros de série imprimés, en relief, mats et métalliques estampillés sur les batteries, les pneus, les pièces et les accessoires pour s’assurer qu’ils correspondent au numéro d’identification du véhicule (VIN) du modèle de voiture correct. Ces solutions peuvent également gérer une gamme de styles et de tailles de polices, des environnements d’éclairage et de fabrication changeants et « difficiles ».
L’OCR d’apprentissage en profondeur peut également être utilisé dans le cadre d’une vision artificielle plus large solution. Par exemple, dans un environnement de fabrication automobile, une solution de vision industrielle peut être déployée pour la présence/absence, la qualité et la conformité pour l’inspection des broches de connecteur, le revêtement conforme sur les cartes de circuits imprimés, l’inspection des adhésifs, le faisceau de câbles, la batterie électrique et la polarité, et l’assemblage général vérification.
Dans ces scénarios, les solutions de vision industrielle déployées à l’aide des mêmes caméras de vision industrielle et de la même plate-forme logicielle unificatrice peuvent inspecter les éléments à une vitesse beaucoup plus rapide, signalant les défauts et erreurs suspects à un ingénieur pour examiner et décider s’il s’agit d’un défaut ou non et passer à autre chose.
Le fait de réinjecter la décision de révision dans le réseau neuronal aide à maintenir active l’entrée d’apprentissage continu – pour développer et améliorer davantage le modèle. Il optimise l’efficacité et supprime une tâche manuelle importante mais fastidieuse pour les ingénieurs.
La valeur croissante de l’apprentissage en profondeur
La rapidité et la précision de l’apprentissage en profondeur lui permettent d’aider considérablement les ingénieurs, en garantissant la qualité de la fabrication, en contrôlant les coûts de production et en améliorant la satisfaction des clients. Cependant, la facilité d’utilisation est tout aussi précieuse, et c’est là que logiciel OCR d’apprentissage en profondeur brille. Il s’agit d’une application facile à mettre en œuvre et à utiliser et qui peut être déployée en quelques étapes simples, le tout sans avoir besoin d’expertise en vision industrielle.
Ensemble, des solutions plus accessibles de vision artificielle et d’apprentissage en profondeur OCR ouvrent de nouvelles possibilités pour les professionnels et les ingénieurs de l’imagerie industrielle de penser et d’agir davantage comme des scientifiques des données. Ce développement est nécessaire et bienvenu, face à la vitesse, au volume et à la variété sans cesse croissants des données et aux niveaux plus élevés de vitesse, de sécurité et de précision attendus.
Vous pouvez atteindre à moi ou la vision artificielle plus large équipe pour de plus amples discussions.
A propos de l’auteur
Rudolf Schambeck est Senior Channel and Market Development Manager, Machine Vision, Allemagne chez Zebra Technologies où il travaille depuis 2021. Avant de rejoindre Zebra, il a passé cinq ans dans la société de vision industrielle Cognex en tant qu’ingénieur commercial, développement commercial et gestionnaire de compte. rôles axés sur le B2B et l’automobile. Avant Cognex, Rudolf a travaillé pour Intercontec Produkt GmbH et Irlbacher Blickpunkt Glas GmbH en tant qu’ingénieur commercial B2B et OEM, responsable de compte et commercial.
