Inspection visuelle automatisée

L’inspection visuelle automatisée est un ensemble de techniques permettant de détecter et de classer les défauts des produits fabriqués. L’inspection visuelle moderne utilise des algorithmes de Machine Learning et de Deep Learning pour faciliter et améliorer les processus d’assurance qualité.

La détection personnalisée des défauts doit localiser avec précision les défauts dans une image donnée et les classer en catégories. Il est généralement possible de détecter des défauts de différentes tailles avec des modèles de Deep Learning supervisé de pointe tels que les derniers algorithmes YOLO (You Only Look Once). Les modèles les plus performants caractérisent et localisent les défauts en temps réel.

Vous pouvez utiliser des méthodes de détection d’anomalies avec du Deep Learning pour déterminer si l’image d’un produit fabriqué est normale ou anormale. Vous pouvez également obtenir des résultats précis et interprétables avec la localisation d’anomalies. Cette méthode permet de visualiser les défauts sur une carte d’anomalies.

Le modèle de détection spécifique à sélectionner pour automatiser votre tâche d’inspection visuelle dépend de plusieurs facteurs, notamment : la quantité de données d’apprentissage disponibles pour les échantillons normaux et anormaux, le nombre de classes d’anomalies à reconnaître et le type d’informations de localisation nécessaires pour comprendre et surveiller les prédictions. Pour plus d’informations, veuillez consulter .

Pour effectuer une inspection visuelle automatisée, téléchargez Computer Vision Toolbox™ Automated Visual Inspection Library depuis l’Add-On Explorer. Pour plus d’informations sur le téléchargement de produits complémentaires, veuillez consulter Get and Manage Add-Ons (Obtenir et gérer des produits complémentaires). Certaines fonctionnalités nécessitent également Deep Learning Toolbox™.