La vi­sion in­dus­trielle ré­vo­lu­tionne l’ate­lier

La vi­sion in­dus­trielle pro­gresse à pas de géant, por­tée par les dé­ve­lop­pe­ments en ma­té­riels (FPGA, processeur gra­phique…) et en lo­gi­ciels. Au trai­te­ment cen­tra­li­sé des images, consom­ma­teur d’éner­gie et de bande pas­sante, suc­cède un trai­te­ment lo­cal. L’ins

Electronique S - - Sommaire - MARK PA­TRICK, Sup­plier Mar­ke­ting Ma­na­ger chez Mou­ser Elec­tro­nics

La vi­sion in­dus­trielle a fait d’énormes pro­grès au cours des dix der­nières an­nées. Les al­go­rithmes de dé­tec­tion des contours et de dé­tec­tion du mou­ve­ment, d’une part, et les avan­cées tech­no­lo­giques en si­li­cium avec leurs re­tom­bées pour les cap­teurs d’image, les ré­seaux lo­giques pro­gram­mables, mi­cro­con­trô­leurs et pro­ces­seurs gra­phiques (GPU), d’autre part, ont fa­vo­ri­sé l’in­té­gra­tion de cette vi­sion in­dus­trielle dans les ap­pli­ca­tions em­bar­quées. En outre, afin de rendre cette tech­no­lo­gie plus ac­ces­sible aux concep­teurs, les fa­bri­cants pro­posent au­jourd’hui des élé­ments com­plexes di­rec­te­ment té­lé­char-

geables sur FPGA ain­si que de nou­veaux en­vi­ron­ne­ments de dé­ve­lop­pe­ment ( l ogi­ciel OpenCV, par exemple). Cet en­goue­ment pour la vi­sion in­dus­trielle va de pair avec une ten­dance à fu­sion­ner sys­tèmes in­dus­triels et In­ter­net des ob­jets (IdO). L’uti­li­sa­tion de cap­teurs de plus en plus in­tel­li­gents, sous le contrôle d’al­go­rithmes de trai­te­ment des images, per­met de re­cueillir des don­nées pré­cieuses sur le fonc­tion­ne­ment des équi­pe­ments. Ce qui a pour consé­quence d’ou­vrir de nou­velles voies à la sur­veillance. Quant au dé­ve­lop­pe­ment de la vi­sion in­dus­trielle, il s’ex­plique, d’une part, par une né­ces­si­té d’op­ti­mi­sa­tion des trans­ferts de don-

nées (ré­duc­tion de la consom­ma­tion d’éner­gie et de la bande pas­sante) et, d’autre part, par une re­cherche d’au­to­ma­ti­sa­tion. L’une des ap­pli­ca­tions phare de la vi­sion in­dus­trielle concerne l’ins­pec­tion. Or, au cours des dix der­nières an­nées, le prix des ca­mé­ras à hautes per­for­mances – mu­nies de dé­tec­teurs d’images Cmos– a chu­té, ce qui a per­mis de dé­mo­cra­ti­ser l’ins­pec­tion de cartes et de sys­tèmes élec­tro­niques. En outre, l’as­so­cia­tion de ces ca­mé­ras à des FPGA a per­mis d’amé­lio­rer l’ana­lyse des images et, in fine, la prise de dé­ci­sion. De tels dis­po­si­tifs four­nissent, en lo­cal, une ré­ponse adap­tée aux sti­mu­li re­çus, ce qui li­mite les trans-

ferts de don­nées vi­déo via les ré­seaux de trans­mis­sion de l’en­tre­prise. Le rap­pro­che­ment de l’ins­pec­tion et de l’IdO a aus­si per­mis d’en­ri­chir l’en­semble des don­nées ser­vant à ana­ly­ser les per­for­mances de l’usine. Plu­tôt que de don­nées brutes, la vi­sion in­dus­trielle « in­tel­li­gente », four­nit des in­for­ma­tions dé­jà tra­vaillées, di­rec­te­ment a s s i mi­lables par l’in­for­ma­tique de l’en­tre­prise. Ce qui contri­bue à dé­con­ges­tion­ner le sys­tème in­for­ma­tique (ERP, etc.) qui doit gé­rer des mil­lions de don­nées – et de plus en plus de don­nées du fait de la dif­fu­sion de l’In­ter­net des ob­jets. D’où une ré­duc­tion de la charge du ré­seau de trans­mis­sion et du ser­veur, en même temps qu’une amé­lio­ra­tion de la prise de dé­ci­sion.

La vi­sion in­dus­trielle: dis­po­si­tif clé du ro­bot

Les amé­lio­ra­tions de la vi­sion in­dus­trielle ont fa­vo­ri­sé l’avè­ne­ment de sys­tèmes ro­bo­ti­sés au sein de l’usine. De tels sys­tèmes com­mu­niquent di­rec­te­ment avec les autres équi­pe­ments de l’ate­lier éga­le­ment do­tés de vi­sion. Ces in­ter­com­mu­ni­ca­tions lo­cales contri­buent à la ré­duc­tion des transf erts d’in­for­ma­tions aux ser­veurs cen­traux. C’est no­tam­ment dans le do­maine de la ma­nu­ten­tion des ma­té­riaux – convoyage de ma­té­riaux dans l’usine, pla­ce­ment sur les ma­chines, pi­cking des pro­duits dans les en­tre­pôts… –, que la vi­sion in­dus­trielle a ré­vo­lu­tion­né les pra­tiques.

Outre le dé­pla­ce­ment de ro­bots fi­lo­gui­dés, la vi­sion in­dus­trielle per­met au­jourd’hui la dé­tec­tion d’obs­tacles en cir­cu­la­tion dans l’ate­lier et fa­vo­rise, de ce fait, une co­opé­ra­tion sé­cu­ri­sée entre ro­bots et em­ployés. Dans le cas du pi­cking, la vi­sion in­dus­trielle per­met d’iden­ti­fier les pro­duits re­cher­chés via lec­ture op­tique des codes à barres puis de sai­sir, via bras ro­bo­ti­sé, les ar­ticles sé­lec­tion­nés avant de les pla­cer dans un pa­nier. La vi­sion in­dus­trielle a éga­le­ment don­né tout son sens aux vé­hi­cules aé­riens sans pi­lote (UAV pour Un­man­ned Ae­rial

Ve­hicle) en per­met­tant à ceux­ci de me­ner à bien des opé­ra­tions d’ins­pec­tion dans des zones dif­fi­ciles d’ac­cès ou dan­ge­reuses (oléo­ducs, ins­tal­la­tions ga­zières…). Dans ce cas, la vi­sion in­dus­trielle as­sure l’ob­ser­va­tion et la dé­tec­tion d’obs­tacles fixes et mo­biles (drone en vol, par exemple).

Le dé­col­lage de la sur­veillance

Parce qu’elle per­met le trai­te­ment au­to­ma­ti­sé et lo­cal des images, la vi­sion in­dus­trielle a gran­de­ment fa­vo­ri­sé l’es­sor de la sur­veillance vi­déo. Pour ce, l’uti­li­sa­tion de FPGA a beau­coup contri­bué à la dé­tec­tion des ob­jets (fixes ou en mou­ve­ment) ain­si qu’à leur dif­fé­ren­cia­tion. Et, au­jourd’hui, le

Ma­chine Lear­ning sert de lo­co­mo­tive à la dif­fu­sion des ap­pren­tis­sages – exemple : le re­pé­rage d’un nou­veau dan­ger, avec émis­sion d’une alerte. L’al­liance de la vi­sion in­dus­trielle et du vé­hi­cule au­to­nome, no­tam­ment du drone, a en­core do­pé la sur­veillance ; ce d’au­tant plus qu’au­jourd’hui le vé­hi­cule au­to­nome contrôle lui­même le ni­veau de sa bat­te­rie et, en cas de dé­charge de cel­le­ci, se di­rige de lui-même vers la sta­tion de re­charge en même temps qu’il aver­tit de la né­ces­si­té de son rem­pla­ce­ment. La dif­fu­sion de l’uti­li­sa­tion de la vi­sion in­dus­trielle a do­pé le sec­teur de la sur­veillance. Ain­si, au lieu qu’elles soient ins­pec­tées par un em­ployé, les vi­déos sont dé­sor­mais ana­ly- sées lo­ca­le­ment avec une pos­si­bi­li­té d’ac­ti­va­tion au­to­ma­tique d’alarmes. Ce do­maine a bé­né­fi­cié de l’amé­lio­ra­tion de la pré­ci­sion des al­go­rithmes de trai­te­ment des images opé­rant à par­tir des FPGA. Ces al­go­rithmes per­mettent au­jourd’hui de dif­fé­ren­cier pré­ci­sé­ment les mou­ve­ments d’un in­trus, d’un ani­mal ou des branches d’un arbre. Il en ré­sulte que l’em­ployé en charge de la sur­veillance gère un nombre plus im­por­tant d’équi­pe­ments. En outre, au­jourd’hui, les ca­mé­ras se chargent d’ap­prendre « leur mé­tier » à d’autres ma­chines. De tels sys­tèmes savent aus­si de­man­der l’aide de dis­po­si­tifs plus pré­cis en cas de doute. Des ma­chines UAV sont éga­le­ment uti­li­sées en agri­cul­ture, pour l a sur­veillance des cultures ; en cas de pro­blème, le drone guide l’agri­cul­teur (ou un ap­pa­reil fonc­tion­nant de ma­nière au­to­nome, comme, par exemple, un trac­teur) vers la zone à trai­ter.

Des lo­gi­ciels de trai­te­ment des images de plus en plus poin­tus

Les tech­no­lo­gies lo­gi­cielles et ma­té­rielles uti­li­sées dans la vi­sion in­dus­trielle pro­gressent conti­nû­ment. Ain­si, les al­go­rithmes de trai­te­ment de l’image per­met­tant la vi­sion in­dus­trielle sont au­jourd’hui té­lé­char­geables par les FPGA et par les pro­ces­seurs gra­phiques les plus ré­cents. De tels com­po­sants savent gé­rer de 8 à 16 ca­naux si­mul­ta­né­ment, avec des fré­quences de 60 images par se­conde. Le fait qu’ils opèrent en liai­son avec des lo­gi­ciels de haut ni­veau, comme, par exemple, OpenCV, leur donne da­van­tage d’am­pleur. Ain­si, alors qu’il était ini­tia­le­ment can­ton­né à des ac­ti­vi­tés de re­cherche et dé­vel op­pe­ment, OpenCV est au­jourd’hui très uti­li­sé. En ef­fet, la ver­sion 3.0 d’OpenCV a per­mis l’adap­ta­tion aux stan­dards C++ et s’est ou­verte à la vi­sion 3D ain­si qu’à la réa­li­té aug­men­tée. La der­nière ver­sion (3.1) in­clut, quant à elle, des amé­lio­ra­tions re­la­tives aux al­go­rithmes d’éta­lon­nage, de ges­tion des flux op­tiques, de fil­trage de l’image, ain­si que de dé­tec­tion-dif­fé­ren­cia­tion. A l’ave­nir, le Ma­chine Lear

ning, qui re­pose sur l’uti­li­sa­tion de ré­seaux neu­ro­naux, per­met­tra un ap­pren­tis­sage ra­pide, au­to­ma­ti­sé et évo­lu­tif de ce qu’il faut sur­veiller. La ver­sion 3.1 d’OpenCV prend en charge de tels ré­seaux. La dif­fu­sion du

Ma­chine Lear­ning est aus­si fa­vo­ri­sée par les amé­lio­ra­tions des FPGA et des pro­ces­seurs gra­phiques. Rap­pe­lons qu’un tel ap­pren­tis­sage s’ef­fec­tue sous la hou­lette d’un ser­veur phy­sique ou du cloud. Il in­clut une phase du­rant la­quelle di­verses images sont pré­sen­tées au ré­seau de neu­rones. Ces don­nées sont pon­dé­rées en fonc­tion de l’in­té­rêt qu’elles pré­sentent. En­suite, ces pon­dé­ra­tions sont trans­fé­rées au ré­seau de neu­rones as­so­cié au FPGA ou au processeur gra­phique du sys­tème en ques­tion. Alors, ce sys­tème sait dé­co­der les images pro­po­sées par la ca­mé­ra et dé­pis­ter les ob­jets à pro­blème. De telles fonc­tion­na­li­tés sont dé­jà pré­sentes dans les sys­tèmes de sur­veillance les plus mo­dernes. Outre les fonc­tions tra­di­tion­nelles d’en­re­gis­tre­ment, de telles ca­mé­ras dis­posent de fonc­tions sup­plé­men­taires pour, par exemple, la sur­veillance des foules, la re­con­nais­sance fa­ciale, le comp­tage de per­sonnes, l’ana­lyse des com­por­te­ments… Ain­si, l’évo­lu­tion des tech­no­lo­gies de la vi­sion in­dus­trielle ac­cen­tue le trai­te­ment lo­cal de don­nées com­plexes. Ce qui ré­duit la charge de tra­vail des ser­veurs cen­traux et per­met le dé­ploie­ment d’ar­chi­tec­tures dé­cen­tra­li­sées moins consom­ma­trices d’éner­gie liée aux trans­mis­sions de don­nées.

≥ De plus en plus, les sys­tèmes de vi­sion in­dus­trielle réa­lisent le trai­te­ment en lo­cal des images. Ce qui li­mite les trans­ferts de don­nées au sys­tème cen­tral et dé­con­ges­tionne le ré­seau de trans­mis­sion de l’en­tre­prise.

≥ La vi­sion in­dus­trielle per­met aux vé­hi­cules aé­riens sans pi­lote de me­ner à bien des opé­ra­tions d’ins­pec­tion dans des zones dif­fi­ciles d’ac­cès ou dan­ge­reuses, ain­si que des opé­ra­tions lo­gis­tiques.

≥ Mark Pa­trick est Sup­plier Mar­ke­ting Ma­na­ger chez Mou­ser Eu­rope de­puis juillet 2014. Au­pa­ra­vant, M. Pa­trick a te­nu des postes à res­pon­sa­bi­li­tés chez RS Com­po­nents et chez Texas Ins­tru­ments.

Newspapers in French

Newspapers from France

© PressReader. All rights reserved.