Inspection visuelle plus rapide et plus fiable pour les roulettes sous pression

Le contrôle de la qualité industrielle des métaux peut être soutenu par la vision par ordinateur et la technologie d'apprentissage en profondeur.

Entretien Inspection visuelle plus rapide et plus fiable pour les roulettes sous pression

Editeur: Isabell Page

Avec la vision par ordinateur et les approches d’apprentissage en profondeur, la société italienne Covision Quality veut aider l’industrie. Le projet commun avec Alupress vise à soutenir cela. Nous avons discuté avec Franz Tschimben, PDG de Covision Quality, des objectifs et des défis de son entreprise.

Entreprises liées

Le contrôle de la qualité industrielle des métaux peut être soutenu par la vision par ordinateur et la technologie d'apprentissage en profondeur.
Le contrôle de la qualité industrielle des métaux peut être soutenu par la vision par ordinateur et la technologie d’apprentissage en profondeur.

(Paquet source: gemeinfrei / Pexels)

En quoi consiste la qualité Covision?

Franz Tschimben: Covision Quality automatise le processus de contrôle de la qualité industrielle sur les métaux grâce à la vision par ordinateur et à la technologie d’apprentissage en profondeur. La vision par ordinateur est considérée comme le domaine le plus mature sur le plan technologique de l’intelligence artificielle moderne. C’est le domaine qui donne du sens aux images et aux vidéos en appliquant des algorithmes.

Covision Quality est né de Covision Lab, un centre de recherche et de développement axé sur la vision par ordinateur et un constructeur d’entreprise dans le but de façonner les industries grâce à ses applications. Elle a été fondée en 2019 par sept multinationales technologiques et industrielles.

Comparaison d'une pièce en aluminium introduite dans le logiciel et du résultat de la carte thermique avec les défauts constatés.
Comparaison d’une pièce en aluminium introduite dans le logiciel et du résultat de la carte thermique avec les défauts constatés.

(Source: Covision Quality)

Quelles solutions mettez-vous en œuvre pour les coulées sous pression? Les fondeurs doivent-ils relever certains défis pour pouvoir appliquer des solutions d’apprentissage en profondeur?

Franz Tschimben: La solution peut être mise en œuvre par toute entreprise, de toute taille, qui traite les métaux d’une manière ou d’une forme. Ce dont nous avons besoin, ce sont des images capturées pendant le processus d’inspection visuelle. Les mouleurs sous pression n’ont pas à répondre à des défis ou à des critères particuliers pour appliquer la solution de vision par ordinateur et d’apprentissage en profondeur de Covision Quality.

Ce que nous avons vu sur le marché, c’est qu’il existe trois approches de détection des défauts visuels pour les entreprises de transformation des métaux et en particulier pour les mouleurs sous pression. Dans certains cas, les entreprises exploitent exclusivement l’inspection visuelle humaine, d’autres utilisent l’inspection basée sur des systèmes de vision et d’autres entreprises qui mettent en œuvre une combinaison des deux approches.

Chez Covision Quality, nous nous intégrons à l’une des trois situations données. Nous exploitons les images capturées par les systèmes de vision existants ou nous aidons l’entreprise à mettre en place un système de capture d’images spécifique.

Diffusion du webinaire: SLM

Pouvez-vous donner un exemple d’où et comment nous pouvons démarrer une application d’intelligence artificielle comme outil pour voir de bons résultats?

Franz Tschimben: La meilleure façon de voir immédiatement de bons résultats est de demander à notre logiciel de faire un test gratuit sur les images qui nous sont fournies par un client potentiel. Plus il y a d’images, mieux c’est bien sûr. Une carte thermique donnera alors immédiatement une indication des résultats. Suite à cette première évaluation de la situation, nous mettons généralement en place une étude de faisabilité de 2 mois afin de tester la fiabilité et l’évolutivité de notre logiciel. Au cours de cette phase, nous nous familiarisons avec les exigences d’inspection visuelle du client, intégrons le catalogue d’erreurs et fournissons les premiers résultats de fiabilité et d’évolutivité. La dernière étape consiste ensuite à évoluer vers autant de lignes de production que possible.

Depuis combien de temps travaillez-vous avec Alupress et quelle expérience avez-vous pendant cette période?

Franz Tschimben: Nous travaillons avec Alupress depuis quelques mois maintenant, dans le but de tirer parti de notre vision par ordinateur et de notre approche d’apprentissage en profondeur pour rendre l’inspection visuelle plus rapide, plus fiable et plus évolutive. Les premiers résultats montrent que cela fonctionne bien.

Merci pour l’interview, M. Tschimben!

(ID: 47301006)