Come In-Sight 2800 semplifica l’automazione della visione

In-Sight 2800 combina il meglio della tecnologia dell’intelligenza artificiale (IA) e degli strumenti tradizionali basati su regole in un sistema di visione integrato totalmente. Grazie a un insieme di algoritmi pre-addestrati, basati sull’IA, In-Sight 2800 può essere rapidamente e facilmente adottato in qualsiasi contesto industriale per automatizzare il rilevamento degli errori.

Il sistema è concepito per essere utilizzato da operatori di produzione e tecnici dell’automazione per risolvere problematiche complesse relative all’automazione di fabbrica, senza bisogno di conoscenze dell’IA o della visione artificiale. Un tecnico è in grado di attivare In-Sight 2800, così che possa riconoscere e classificare i difetti entro pochi minuti. E, a differenze di altri sistemi di visione, è in grado di farlo con un numero illimitato di classi, così da svolgere anche le operazioni di categorizzazione e selezione più avanzate.

In-Sight 2800 consente ad aziende di ogni dimensione di semplificare l'integrazione, di soddisfare gli specifici requisiti applicativi e di ottenere una più elevata qualità dei prodotti grazie ad una:

• Grande facilità d’uso
• Funzionalità multiclasse
• Capacità per più regioni di interesse 

1. L’estrema facilità d’uso si adatta a tutti i livelli di competenze e accelera l’implementazione

La visione artificiale e l’IA sono noti sia per la loro estrema capacità sia per la complessità corrispondente di un’implementazione efficace. Tuttavia i progressi nell’automazione di fabbrica, come ad esempio In-Sight 2800, hanno portato alla creazione di una serie di strumenti di semplicissima usabilità.

In-Sight 2800 è stato progettato per essere semplice da configurare, senza bisogno di una programmazione avanzata. L’addestramento del sistema alla risoluzione di un problema è del tutto simile a quello di un nuovo addetto alla linea. Il tecnico mostra esempi con le necessarie distinzioni, e l’edge learning incorporato è in grado di eseguire rapidamente le stesse distinzioni.

L’edge learning è un sottoinsieme dell’IA in cui l’elaborazione avviene direttamente sul dispositivo, o “sul bordo” utilizzando un insieme di algoritmi pre-elaborati. La tecnologia è semplice da impostare, richiede meno tempo e meno immagini per l’addestramento, rispetto alle soluzioni più tradizionali basate sul deep learning. Nelle soluzioni tradizionali, l’automazione di diverse applicazioni di classificazione può richiedere vari giorni o settimane, oltre che centinaia di immagini e ore di analisi da parte di esperti nella visione e nell’IA. Per contro, l’implementazione degli strumenti di edge learning sull’In-Sight 2800 richiede pochi minuti, una manciata di immagini di addestramento e l’attenzione di un tecnico che comprende il problema da risolvere, ma che non ha necessariamente conoscenze specifiche di visione o di IA.

2. La funzionalità multiclasse abbraccia un’ampia gamma di mansioni

Una caratteristica fondamentale dell’edge learning è la sua capacità di separare rapidamente e in modo affidabile le parti in categorie, dopo essere stato addestrato su immagini etichettate di quelle parti nelle categorie designate. Un’applicazione comune di questa funzione è la classificazione delle parti accettabili e non, quali OK/NG.

Gli utenti addestrano gli strumenti di classificazione dell’edge learning fornendo immagini di parti accettabili e non. Non occorre contrassegnare o definire cosa rende una parte non accettabile. Lo strumento valuta invece quali variazioni in una parte sono significative per effettuare una determinazione, ignorando al contempo le variazioni che non influiscono sulla classificazione. Gli strumenti di edge learning, integrati in In-Sight 2800, sono anche in grado di gestire classificazioni molto più complesse di una decisione OK/NG binaria.

Con la crescente personalizzazione di massa, i produttori spesso tengono a magazzino molte varianti di ogni pezzo. Ad esempio, ruote per automobili di lusso possono essere disponibili in decine di SKU con leggere differenze di modello, colore e finitura. Un ispettore umano può impiegare fino a un minuto per distinguere alcune di esse. Il tempo necessario per completare questa attività è giustificato dal potenziale risultato che si otterrebbe se non lo si facesse: installare una ruota diversa da quella ordinata può causare insoddisfazione del cliente e la perdita di affari futuri.

Dopo l’addestramento con pochi esempi di ogni design di ruota di lusso, l’edge learning è in grado di scegliere in modo affidabile la ruota giusta o di confermare che lo stile previsto è stato montato sul veicolo. La capacità di definire classificazioni multiple consente di risolvere un numero più elevato di problemi di automazione di fabbrica.

3. La funzionalità di regioni di interesse multiple (Region Of Interest, ROI) si concentra sulle caratteristiche essenziali

Per perfezionare un’applicazione di ispezione, un tecnico di linea può utilizzare la propria conoscenza delle significative zone variabili del pezzo per definire regioni di interesse specifiche, chiamate regioni di interesse (ROI). Grazie a un’interfaccia intuitiva, è possibile configurare facilmente le applicazioni in In-Sight 2800 utilizzando noti strumenti di clic-and-drag. Un drag definisce un box, un altro lo sposta. Il box può essere bloccato su caratteristiche invarianti della parte.

La definizione del ROI è una parte standard della visione artificiale, ma il suo utilizzo richiede spesso una certa esperienza.. In-Sight 2800 facilita l’applicazione anche a chi non ha esperienza specifica di strumenti di visione. La potenza dei suoi strumenti di visione consente di definire un numero qualsiasi di ROI, ognuno dei quali può identificare un numero qualsiasi di classi..

Ciò semplifica l’esecuzione della verifica del montaggio, in caso di assemblaggi complessi con molte configurazioni differenti e parti variabili, come i circuiti stampati (Printed Circuit Board, PCB). In precedenza queste problematiche richiedevano un’enorme mole di lavoro per stabilire quali caratteristiche verificare per confermare l’installazione della parte corretta, e programmare successivamente il sistema di visione per esaminarle. Gli strumenti di edge learning di In-Sight 2800 eseguono queste determinazioni in modo autonomo, così da consentire al tecnico di concentrarsi su attività a valore aggiunto più alto, come l’ottimizzazione delle operazioni.

L’IA di facile usabilità con una flessibilità ineguagliabile

Sviluppati grazie ad anni di esperienza nell’automazione di fabbrica, gli strumenti di visione Cognex sono specificamente focalizzati sui fabbisogni delle operazioni di linea. Il vantaggio di questa ben collaudata tecnologia diventa sempre più evidente man mano che gli errori diventano più impercettibili e difficili da rilevare..

Ad esempio, un capsulatore rotante può sbagliare la filettatura, danneggiare o lasciare uno spazio vuoto durante la tappatura di una bottiglia. Molti sistemi sono in grado di rilevare facilmente grandi errori visibili. La differenza emerge quando il gap è quasi impercettibile. Altri sistemi possono non rilevare un errore di questo tipo, causando potenziali perdite o contaminazioni. Grazie alla combinazione di edge learning e strumenti di visione artificiale mirati, In-Sight 2800 classificherà i difetti quasi impercettibili come inaccettabili.

Facile da usare, addestrabile con poche immagini, capace di operazioni multiclasse e multi-ROI, il sistema di visione In-Sight 2800 sta trasformando l’automazione di fabbrica.