L’intelligence artificielle élargit l’horizon de la vision industrielle
La vision industrielle constitue l’un des domaines où l’intelligence artificielle s’avère particulièrement bénéfique. L’IA y ouvre toute une palette de fonctionnalités faisant entrer la vision dans une nouvelle ère. Comment l’IA transcende-t-elle la vision industrielle ? Quelles nouvelles applications peuvent bénéficier de l’apport de l’IA à la vision ? Les réponses et des exemples d’applications dans cet article.
par Guy Nicholson, directeur de la division Capteurs industriels et commerciaux d’onsemi , article adapté par Pascal Coutance
Ces dernières années, l’utilisation de systèmes de vision industrielle dans les procédés industriels a considérablement augmenté. Traditionnellement, ces systèmes servent à reconnaître des modèles de base, ce qui leur permet, par exemple, de surveiller des produits transportés par un convoyeur à bande. Cependant, l’avènement récent de l’intelligence artificielle (IA) et de l’apprentissage machine (ML, machine learning) promet de faire passer les systèmes de vision industrielle au niveau supérieur en termes de valeur apportée aux applications industrielles.
Les produits qui sortent d’une ligne de production industrielle doivent normalement obéir à des paramètres bien définis, ce qui en fait une application idéale pour les systèmes de vision industrielle que l’on peut programmer pour identifier les objets ou les événements qui sortent des tolérances choisies. Cependant, ces systèmes ne sont pas en mesure de gérer des événements ou des occurrences autres que ceux qu’ils ont été programmés à reconnaître. L’IA et le ML sont capables de combler cette lacune et permettent ainsi d’employer les systèmes de vision industrielle pour des activités à plus forte valeur ajoutée, par exemple pour détecter qu’un convoyeur à bande s’est arrêté de manière impromptue, ou que des objets sont manquants sur une ligne de production. Cela leur permettra de soutenir des activités dans plusieurs marchés verticaux.
Les coûts diminuant et la précision augmentant, les plateformes cloud du commerce sont de plus en plus utilisées pour héberger les algorithmes d’IA qui traitent les données de vision recueillies par ces applications. Cela signifie qu’il devient beaucoup plus aisé d’ajouter de l’IA et du ML aux systèmes de vision industrielle, qui joueront inévitablement un rôle majeur dans l’évolution continue des dispositifs IoT et IIoT (IoT industriel).
Détection à très faible consommation
La disponibilité de capteurs à ultra-basse consommation sera essentielle à cette croissance car de nombreuses applications nécessiteront un système de vision actif capable de capturer rapidement des images à la demande, en combinant un niveau de performance élevé et une faible consommation d’énergie. En traitant les images par IA dans le cloud, il est possible d’utiliser des plateformes de capteurs plus petites et plus économes en énergie, mais celles-ci nécessiteront une liaison robuste et efficace pour transférer leurs données à haut débit vers le cloud.
La technologie Bluetooth Low Energy (Bluetooth LE ou BLE) jouera un rôle important dans cette connectivité, en offrant un moyen simple de connecter sans fil une plateforme de capteurs de vision industrielle à des services cloud distants, via une passerelle IoT. Ainsi, la plateforme de capteurs peut transférer des données d’image (ou d’autres informations) à la plateforme cloud, pour être traitées par des algorithmes d’IA qui peuvent ensuite renvoyer (si nécessaire) des instructions appropriées aux capteurs ou à un actionneur intelligent.
Capture d’image en couleurs
Les images monochromes (en niveaux de gris) suffisent à de nombreux systèmes de vision artificielle pour effectuer une reconnaissance élémentaire d’objets, mais les images en couleurs contiennent beaucoup plus d’informations et sont susceptibles d’apporter une nouvelle dimension à l’utilisation d’IA pour la reconnaissance de scènes dans de nombreuses applications émergentes. La couleur offre un meilleur contraste, ce qui facilite la différenciation précise des objets dans une scène, dont les systèmes IA peuvent tirer parti. Cependant, la capture d’images en couleurs consomme davantage d’énergie que la capture d’images monochromes, ce qui représente un défi pour un appareil alimenté par batterie dont on souhaite qu’il fonctionne pendant plusieurs années à partir d’une simple pile bouton. Par conséquent, si un système de vision industrielle utilise des images en couleurs, la gestion de l’alimentation du capteur d’images, du système de commande et de l’interface de communication est essentielle pour optimiser la durée de vie de la batterie.
La caméra RSL10 Smart Shot d’onsemi, par exemple, a été développée pour permettre la capture d’images à faible consommation dans les systèmes de vision industrielle. La version la plus récente de la plateforme assure la capture d’images en couleurs, intègre la technologie Bluetooth Low Energy pour la connectivité, et prend en charge la prise d’image déclenchée par événement grâce à l’IA.
Plateforme de caméra à faible consommation prenant en charge la prise d’image déclenchée par événement, grâce à l’IA. Crédit photo : onsemi
Vision artificielle déclenchée par événement
Au lieu de diffuser les données d’image en continu, la vision industrielle déclenchée par événement ne capture les images que si un événement prédéfini se produit. Les conditions d’apparition de l’événement en question sont surveillées à l’aide de capteurs très perfectionnés intégrés à la plateforme de la caméra. Les conditions qui peuvent être surveillées à l’aide de ces capteurs sont le mouvement, la température, le temps, l’humidité et l’accélération. Les développeurs peuvent ensuite combiner les sorties de plusieurs capteurs pour créer des conditions complexes de traitement des événements. Si ces conditions sont remplies, la caméra déclenche la capture d’une image qui peut ensuite être transférée à l’aide de la technologie Bluetooth Low Energy vers un téléphone portable ou une passerelle.
Applications de l’analyse d’images par IA
La vision industrielle déclenchée par événement est utile dans de nombreuses applications où un flux de données d’image permanent n’est ni nécessaire, ni possible. L’une de ces applications est la surveillance des stocks. Dans ce cas, une caméra déclenchée par événement permet de surveiller les niveaux de stock dans les rayons d’un supermarché et envoie automatiquement une alerte de réapprovisionnement si le niveau de stock d’un article est trop bas dans le rayon. Dans le prolongement de cette application, au lieu de se contenter d’envoyer une alerte de réapprovisionnement générique concernant un certain rayon dans une certaine allée, les images peuvent être traitées à l’aide d’algorithmes d’IA tournant dans le cloud pour identifier précisément le type de produit à réapprovisionner. De la même manière, cette approche peut aussi s’appliquer dans un environnement domestique pour surveiller les niveaux de produits dans les placards de la cuisine ou dans le réfrigérateur, et être configurée pour se connecter aux applications mobiles de commande en ligne pour créer des listes de courses automatiques.
Application mobile connectée au cloud avec analyse d’images. Crédit photo : onsemi
Par nature, les espaces de stockage à long terme sont souvent statiques pendant de longues périodes, ce qui signifie que la surveillance vidéo permanente n’a pas de sens. En outre, le personnel de sécurité ne surveille les images que par intermittence, ce qui signifie qu’en cas d’effraction ou d’événement modifiant les conditions de stockage (par exemple, une fuite ou une panne de climatisation), les dommages peuvent passer inaperçus pendant une période assez longue, avant que des mesures correctives ne soient prises. Dans ce cas, il est judicieux d’utiliser une caméra capable d’envoyer une image actualisée si un changement des conditions environnementales ou un événement inhabituel est détecté. Cela peut aussi servir aux propriétaires de résidences secondaires qui souhaitent recevoir des notifications si certains événements sont détectés à leur domicile. Il est également possible d’éviter les fausses alertes en utilisant des algorithmes d’IA entraînés à reconnaître les visages ou les emblèmes caractéristiques de certains visiteurs autorisés, comme le personnel de sécurité par exemple.
Aujourd’hui, des compteurs numériques intelligents permettent de surveiller l’état des variables environnementales dans les processus industriels, mais d’innombrables anciens compteurs analogiques sont encore utilisés. Ils doivent être lus manuellement de manière régulière et, à moins qu’un opérateur ne se trouve à proximité au moment où une mesure sort de la plage normale, elle peut passer inaperçue et entraîner l’arrêt d’un processus, ou même avoir des conséquences plus dommageables. Dans ce genre de scénario, une caméra IA déclenchée par événement peut servir à déclencher une alarme si le relevé du compteur dévie au-delà des valeurs attendues, et envoyer une image du relevé au contrôleur du processus (humain ou machine) pour qu’il prenne les mesures appropriées.
Les agriculteurs peuvent aussi utiliser la technologie de vision artificielle avec AI de plusieurs façons. Outre le contrôle des conditions environnementales, cette technologie peut également servir à surveiller les différents niveaux de maturité des cultures, ou par exemple à détecter la présence de maladies dans les fruits et légumes (par exemple, par changement de couleur), ou encore à reconnaître la présence de parasites indésirables (par détection de mouvement) dans les serres.
Applications utilisant l’imagerie couleur et l’IA – Crédit photo : onsemi
La caméra RSL10 Smart Shot d’onsemi fournit aux équipementiers une plateforme de conception combinant connectivité, imagerie couleur et imagerie monochrome, associée à un traitement par IA. Grâce à un fonctionnement optimisé à faible consommation, elle offre un accès à des technologies IA et ML avancées par le biais de services cloud intégrés, et peut servir à développer des systèmes de vision industrielle à distance, capables de fonctionner pendant plus de dix ans sans intervention.
