La fiabilité du contrôle de la présence/absence des composants essentiels pour l'intégrité des produits finaux, tels que les bouchons de bouteille ou les goujons de roue de voitures, revêt une importance capitale en ce qui concerne la sécurité des clients. Il en va de même pour la vérification des dates d'expiration et de péremption sur les produits périssables.
Dans de nombreux cas, la couleur constitue le seul moyen de différencier les objets. Par conséquent, l'analyse et la reconnaissance des couleurs jouent un rôle essentiel dans la détection de la présence/absence d'un composant. Nos outils de vision sont dotés d'une capacité précise à reconnaître les couleurs, à interpréter les variations et les nuances au sein d'une même gamme chromatique.
Lors de l’inspection des roues automobiles, souvent faites en métal réfléchissant, il peut être difficile de détecter la présence des goujons aussi appelés boulons de roue. Les solutions vision associées au Deep Learning peuvent détecter la présence/l’absence de goujons malgré l’aspect réfléchissant des roues et le design des boulons.
Dans l’industrie des biens de consommation, la couleur est dans la majorité des cas la caractéristique distinctive qui permet d’opérer le contrôle de présence/d’absence de composants. Comme c’est le cas dans les palettes de fard à joues par exemple qui représente un cas complexe de contrôle de couleur pour la vision industrielle classique. Pour pouvoir distinguer les produits et identifier l’absence ou la présence d’une couleur dans une palette, il est nécessaire de savoir identifier une combinaison de couleurs comme une seule couleur. C’est à ce moment qu’interviennent les outils d’extraction et de segmentation de couleur par vision industrielle, capables d’opérer une extraction ultra rapide des couleurs, même dans des environnements visuels complexes.
Dans l’industrie du vaccin, les développeurs et techniciens de laboratoire ont besoin d’outils fiables et puissants pour identifier la présence des flacons. Les systèmes de vision industrielle et outils de contrôle des erreurs que nous proposons sont faciles à programmer et capables de détecter rapidement la présence ou l’absence de flacons.
Les systèmes de vision CIRA effectuent des inspections de type réussite/échec et déclenchent un rejet lorsqu'un produit ou un emballage défectueux est détecté. Les capteurs de vision In-Sight comptent les objets à l'intérieur d'un emballage, qui réussit ou échoue à l'inspection selon la valeur programmée. Ils vérifient que l'ensemble des bouteilles ou des produits sont présents, même lorsqu'ils sont emballés sous film rétractable, et permettent ainsi aux fabricants de produits agroalimentaires de contrôler les erreurs lors de leurs activités et de maintenir la satisfaction des clients à un niveau élevé.
L'outil de localisation des pièces basé sur le Deep Learning de Cognex repère les caractéristiques et les objets complexes en apprenant à partir d'images annotées. Les algorithmes intelligents localisent les différents types de produits sur des arrière-plans très parasités ou d'autres objets complexes en vrac. Pour entraîner l'outil, l'utilisateur fournit des images sur lesquelles les caractéristiques ciblées sont marquées
En bref, nos systèmes de vision détectent de manière fiable et précise la présence/l’absence de composants dans des environnements visuels complexes, là où la vision industrielle classique peut trouver ses limites.