Enrichie par l’intelligence artificielle, la reconnaissance visuelle permet aux robots d’augmenter leur performance sur les chaînes en se rapprochant du zéro défaut.

« Hep ! Je crois que cette pièce présente un défaut, une microperforation de la taille d’une tête d’épingle. Tu veux regarder et confirmer le problème ? » La scène se passe à Munich, dans le centre IBM Watson dédié à l’intelligence artificielle. C’est un robot qui s’adresse à l’ouvrier en charge de la chaîne de montage. Alerté, l’homme va se pencher sur la pièce et valider, ou non, l’interprétation du robot.

Dans les deux cas, cette nouvelle information va venir enrichir l’algorithme de reconnaissance visuelle mis au point par IBM, permettant au robot de devenir de plus en plus savant et performant. Selon IBM, le système peut diminuer jusqu’à 80 % le temps d’inspection des produits manufacturés et réduire les défauts de 7 à 10 %.

Machine learning et analyse d’images

Pour « former » le robot, les équipes d’IBM Watson ont d’abord nourri le programme de reconnaissance avec les images de tous les types de défauts traqués habituellement visuellement par un ouvrier. Ensuite, le dispositif qui inclut une caméra de très haute définition a photographié en temps réel les pièces qui défilaient sur la chaîne de fabrication, afin de les confronter aux images de défauts. « Ce qui est capital, dans ce type de dispositif, commente Thomas Hoffmann, directeur du développement chez Actemium, c’est l’expertise dans l’analyse des images. »

Davantage que la caméra 3D équipant le robot, l’essentiel du savoir-faire réside dans le traitement de l’image.

La marque de VINCI Energies spécialisée dans les solutions pour l’univers industriel est particulièrement active dans le domaine de la reconnaissance visuelle. Au Mans, Actemium a mis au point une solution pour un constructeur automobile qui permet au robot de « dévraquer », c’est-à-dire d’identifier des pièces de fonderie entassées dans une caisse, de les saisir une par une quel que soit leur positionnement et d’aller les déposer sur un convoyeur. « Là encore, souligne Thomas Hoffmann, davantage que la caméra 3D équipant le robot, l’essentiel du savoir-faire réside dans le traitement de l’image. »

Même constat à Poissy où Actemium a conçu et réalisé pour Servair une ligne de production robotisée de dressage de plateaux-repas basée sur la reconnaissance d’images. La ligne robotisée dotée de la vision s’attachant cette fois à charger et préparer les barquettes de produits frais, et à effectuer le « picking » des produits alimentaires et le chargement de plateaux-repas le long d’une chaîne avec les différents éléments qu’elle sait reconnaître.

L’aéronautique en avance

Dans le domaine du contrôle de conformité des pièces où vient de prendre pied IBM Watson, une société française a déjà posé de solides jalons. Actemium Toulouse Robotique et Automation finalise une solution pour une entreprise aéronautique sur le même process qu’IBM Watson, mais elle va plus loin : la comparaison se fait cette fois entre la photo de l’assemblage et sa maquette numérique en 3D.

Il ne s’agit plus de chercher à identifier une rayure ou une perforation, mais de « s’assurer de la parfaite identité entre le master numérique et la pièce ou l’assemblage réalisés, explique Jérémie Pedros, chef d’entreprise d’Actemium Toulouse Robotique. L’intérêt de cette démarche orientée « usine du Futur », souligne-t-il, est de traiter la question de la conformité plus en amont, et d’éviter les phases d’apprentissage de l’algorithme. »

 

15/11/2017