{"id":1992,"date":"2026-10-28T07:42:02","date_gmt":"2026-10-28T07:42:02","guid":{"rendered":"https:\/\/benlongkj.com\/?p=1992"},"modified":"2026-10-28T07:42:06","modified_gmt":"2026-10-28T07:42:06","slug":"ai-vision-inspection","status":"publish","type":"post","link":"https:\/\/benlongkj.com\/fr\/blog\/ai-vision-inspection\/","title":{"rendered":"Inspection par vision IA dans la fabrication : comment elle diff\u00e8re de la vision machine sur une v\u00e9ritable ligne d'assemblage"},"content":{"rendered":"

Le disjoncteur miniature est \u00e0 un pas d\u2019avoir son couvercle encliquet\u00e9 en place. En deux ou trois secondes, la cam\u00e9ra doit v\u00e9rifier que les rivets sont pr\u00e9sents, que la poign\u00e9e est mont\u00e9e dans le bon sens et que les marques laser ont \u00e9t\u00e9 r\u00e9alis\u00e9es. Le syst\u00e8me de vision bas\u00e9 sur des r\u00e8gles d\u00e9tecte un rivet avec un \u00e9clat l\u00e9g\u00e8rement sup\u00e9rieur \u00e0 celui du rivet standard et le signale comme absent. L\u2019op\u00e9rateur r\u00e9initialise l\u2019alarme et la m\u00eame chose se produit dix minutes plus tard. Inspection par vision IA<\/span> fonctionne d\u2019une mani\u00e8re totalement diff\u00e9rente. Le syst\u00e8me ne suit pas simplement les r\u00e8gles de l\u2019ing\u00e9nieur, mais apprend \u00e0 quoi ressemble un bon produit \u00e0 partir d\u2019une collection d\u2019images.<\/p>\n

En r\u00e9sum\u00e9, l\u2019inspection par vision IA repose sur des cam\u00e9ras industrielles et un mod\u00e8le d\u2019apprentissage profond entra\u00een\u00e9 \u00e0 l\u2019aide d\u2019images de divers composants afin de d\u00e9terminer si un produit r\u00e9pond aux normes de qualit\u00e9. L\u2019IA a l\u2019avantage lorsqu\u2019il s\u2019agit de d\u00e9fauts sans forme fixe, par exemple les rayures, fissures, marquages endommag\u00e9s et projections de soudure, car les syst\u00e8mes de vision bas\u00e9s sur des r\u00e8gles \u00e9chouent \u00e0 cet \u00e9gard. L\u2019inspection par vision IA sert donc de technologie compl\u00e9mentaire \u00e0 la vision bas\u00e9e sur des r\u00e8gles pour les activit\u00e9s de mesure ou de lecture de codes, sans \u00e9liminer le besoin de tests \u00e9lectriques tels que les courbes de d\u00e9clenchement, la r\u00e9sistance de contact et le test hi-pot.<\/p><\/blockquote>\n

\"\"<\/h2>\n

Qu\u2019est-ce que l\u2019inspection par vision IA ?<\/h2>\n

La technologie d\u2019inspection visuelle par intelligence artificielle (IA) est souvent appel\u00e9e syst\u00e8me d\u2019inspection bas\u00e9 sur cam\u00e9ra car elle utilise des cam\u00e9ras pour prendre des d\u00e9cisions d\u2019inspection bas\u00e9es sur les capacit\u00e9s de l\u2019intelligence artificielle. Ce n\u2019est pas une technologie innovante qui apporte un nouveau type d\u2019\u00e9clairage ; c\u2019est une nouvelle fa\u00e7on de traiter les donn\u00e9es d\u2019inspection.<\/p>\n

Sur la ligne de production, le processus d\u2019inspection comprend quatre \u00e9tapes principales :<\/p>\n

Acquisition d\u2019image. Une pi\u00e8ce arrive dans la zone d\u2019inspection ; un capteur est activ\u00e9 et la cam\u00e9ra prend une image.
\nComparaison d\u2019image. Le mod\u00e8le compare l\u2019image prise avec des \u00e9chantillons bons et d\u00e9fectueux appris pr\u00e9c\u00e9demment et fournit un score indiquant la probabilit\u00e9 de d\u00e9fauts et, fr\u00e9quemment, donne des informations sur les positions des d\u00e9fauts sur l\u2019image.
\nTraitement du r\u00e9sultat. La d\u00e9cision de r\u00e9ussite ou d\u2019\u00e9chec est prise selon le seuil d\u00e9fini par les ing\u00e9nieurs bas\u00e9 sur le score re\u00e7u du mod\u00e8le.
\nTraitement du retour d\u2019information. La pi\u00e8ce est soit rejet\u00e9e soit autoris\u00e9e \u00e0 continuer ; l\u2019image prise, le score et le r\u00e9sultat final sont enregistr\u00e9s sous le num\u00e9ro de s\u00e9rie de la pi\u00e8ce.<\/p>\n

La quatri\u00e8me \u00e9tape est souvent n\u00e9glig\u00e9e mais elle est l\u2019une des plus importantes. Si le client retourne le produit d\u00e9fectueux, nous aurons la possibilit\u00e9 de nous r\u00e9f\u00e9rer \u00e0 l\u2019image produite et de d\u00e9couvrir \u00e0 quoi ressemblait le d\u00e9faut.<\/p>\n

Inspection par vision IA vs vision machine vs AOI<\/h2>\n

Presque toutes les questions sur ce sujet se r\u00e9sument \u00e0 une comparaison entre la vision machine et la vision IA. En termes courants, il existe quatre modalit\u00e9s d\u2019inspection visuelle de la pi\u00e8ce, et chaque modalit\u00e9 remplit sa propre t\u00e2che unique. De plus, toutes les modalit\u00e9s, sauf la premi\u00e8re, rel\u00e8vent de la cat\u00e9gorie des inspections visuelles automatis\u00e9es.<\/p>\n\n\n\n\n\n\n\n\n\n\n\n
<\/th>\nInspection manuelle<\/th>\nVision machine bas\u00e9e sur des r\u00e8gles<\/th>\nAOI (inspection optique automatis\u00e9e)<\/th>\nInspection par vision IA<\/th>\n<\/tr>\n<\/thead>\n
Comment cela d\u00e9cide<\/td>\nJugement de l'op\u00e9rateur<\/td>\nR\u00e8gles programm\u00e9es par un ing\u00e9nieur : bords, taches, mesures, reconnaissance de motifs<\/td>\nR\u00e8gles et comparaison de r\u00e9f\u00e9rence, con\u00e7ues pour les PCB<\/td>\nUn mod\u00e8le entra\u00een\u00e9 sur des images de pi\u00e8ces bonnes et d\u00e9fectueuses<\/td>\n<\/tr>\n
Changement vers un nouveau produit<\/td>\nRapide, mais d\u00e9pend de la formation et de l'attention<\/td>\nNouvelles r\u00e8gles et r\u00e9glages, souvent de plusieurs heures \u00e0 plusieurs jours<\/td>\nNouveau programme de carte \u00e0 partir du CAO et des cartes de r\u00e9f\u00e9rence<\/td>\nCharger un mod\u00e8le pour cette variante ; en entra\u00eener un nouveau si le produit est nouveau<\/td>\n<\/tr>\n
Ce qu'il fait bien<\/td>\nD\u00e9fauts inhabituels, jugements<\/td>\nDimensions, pr\u00e9sence\/absence, lecture de codes-barres et codes<\/td>\nSoudures et composants sur les cartes \u00e9lectroniques<\/td>\nD\u00e9fauts variables : rayures, fissures, marquage endommag\u00e9, \u00e9claboussures, variation de couleur<\/td>\n<\/tr>\n
O\u00f9 il \u00e9choue<\/td>\nFatigue, incoh\u00e9rence, vitesse<\/td>\nVariation de brillance, couleur ou position non programm\u00e9e<\/td>\nTout ce qui n'est pas un PCB<\/td>\nTypes de d\u00e9fauts jamais vus ; changements d'\u00e9clairage ou de mat\u00e9riau<\/td>\n<\/tr>\n
Rejets erron\u00e9s<\/td>\nVarie selon la personne et le poste<\/td>\n\u00c9lev\u00e9 lorsque l'apparence varie naturellement<\/td>\nMod\u00e9r\u00e9 ; n\u00e9cessite un r\u00e9glage par carte<\/td>\nPlus faible sur les caract\u00e9ristiques variables une fois entra\u00een\u00e9, mais doit \u00eatre v\u00e9rifi\u00e9 sur vos propres pi\u00e8ces<\/td>\n<\/tr>\n
Mesure pr\u00e9cise<\/td>\nNon<\/td>\nOui, sa principale force<\/td>\nOui, pour les caract\u00e9ristiques de la carte<\/td>\nCe n\u2019est pas son r\u00f4le ; utiliser des r\u00e8gles pour la mesure<\/td>\n<\/tr>\n
Peut-il expliquer un rejet ?<\/td>\nPartiellement<\/td>\nOui : quelle r\u00e8gle a \u00e9chou\u00e9<\/td>\nOui : quel contr\u00f4le a \u00e9chou\u00e9<\/td>\nPartiellement : un score et une carte thermique, pas une r\u00e8gle<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Nous pouvons tirer les trois conclusions suivantes : continuer l\u2019utilisation des techniques de vision bas\u00e9es sur des r\u00e8gles pour l\u2019\u00e9valuation des dimensions, la pr\u00e9sence de quelque chose et la lecture des codes car c\u2019est rapide, pr\u00e9cis et simple ; utiliser la technologie IA pour d\u00e9tecter les imperfections qui changent \u00e0 chaque fois comme les rayures, le marquage incomplet et les variations de couleur ; il faut aussi se rappeler que l\u2019AOI pour PCB et les assemblages \u00e9lectriques basse tension repr\u00e9sentent des probl\u00e8mes diff\u00e9rents : La machine AOI pour les cartes \u00e9lectroniques ne fonctionnera pas correctement avec les disjoncteurs, et les technologies IA employ\u00e9es et entra\u00een\u00e9es sur les disjoncteurs ne fonctionneront pas avec l\u2019\u00e9lectronique \u00e0 l\u2019int\u00e9rieur des RCBO.<\/span><\/p>\n

Ce qu\u2019un syst\u00e8me d\u2019inspection par vision IA comprend r\u00e9ellement<\/h2>\n

Le syst\u00e8me d\u2019inspection par vision IA sur une ligne de production se compose de cinq composants. Tout le monde parle du mod\u00e8le, tandis que les quatre autres composants d\u00e9cident si un projet est accept\u00e9.<\/p>\n

Cam\u00e9ra<\/h3>\n

Le choix d\u2019une cam\u00e9ra industrielle est une cam\u00e9ra \u00e0 balayage de zone et la r\u00e9solution d\u00e9pend de la taille minimale du d\u00e9faut que vous souhaitez identifier. Si vous vous souciez des fissures de 0,1 mm, vous devez avoir un nombre suffisant de pixels couvrant cette longueur pour \u00e9tablir le champ de vision et la r\u00e9solution de la cam\u00e9ra. Dans certains cas, l\u2019application n\u00e9cessite l\u2019utilisation de deux cam\u00e9ras ou d\u2019un miroir pour voir les deux c\u00f4t\u00e9s de la pi\u00e8ce inspect\u00e9e.<\/p>\n

\u00c9clairage<\/h3>\n

L\u2019\u00e9clairage est une sous-section \u00e0 part car la majorit\u00e9 des \u00e9checs sont dus \u00e0 un mauvais \u00e9clairage. Les contacts en argent, les composants en cuivre et les bo\u00eetiers brillants r\u00e9fl\u00e9chissent la lumi\u00e8re de diff\u00e9rentes mani\u00e8res selon l\u2019angle de l\u2019objet. Des \u00e9clairages annulaires, des \u00e9clairages en d\u00f4me, des r\u00e9tro\u00e9clairages et des \u00e9clairages \u00e0 faible angle sont utilis\u00e9s pour r\u00e9v\u00e9ler diff\u00e9rents types de d\u00e9fauts. Si l'\u00e9clairage n'est pas stable avant le d\u00e9but de l'entra\u00eenement du mod\u00e8le, le projet ne r\u00e9ussira pas<\/span>. Le mod\u00e8le apprendra les probl\u00e8mes li\u00e9s \u00e0 l'\u00e9clairage au lieu des d\u00e9fauts pr\u00e9sents dans les pi\u00e8ces inspect\u00e9es.<\/p>\n

Calcul \u00e0 la station<\/h3>\n

L'inf\u00e9rence est effectu\u00e9e sur l'ordinateur en p\u00e9riph\u00e9rie ou directement dans la cam\u00e9ra intelligente \u00e0 la station, mais pas dans le cloud. Il est tr\u00e8s important qu'une d\u00e9cision soit renvoy\u00e9e au PLC pendant le temps de cycle, afin que la ligne de production n'ait pas \u00e0 attendre la connexion. Les images sont stock\u00e9es sur un cloud ou un serveur de l'usine, o\u00f9 les mod\u00e8les sont r\u00e9entra\u00een\u00e9s.<\/p>\n

Le mod\u00e8le<\/h3>\n

Deux types de mod\u00e8les sont couramment utilis\u00e9s dans les syst\u00e8mes d'inspection. Les mod\u00e8les de classification et de segmentation sont entra\u00een\u00e9s \u00e0 l'aide d'\u00e9chantillons de pi\u00e8ces normales et de d\u00e9fauts de chaque type. Le mod\u00e8le de d\u00e9tection d'anomalies apprend uniquement les propri\u00e9t\u00e9s des pi\u00e8ces normales et d\u00e9tecte tout ce qui semble diff\u00e9rent, ce qui fonctionne bien s'il n'y a pas de d\u00e9fauts. De nombreuses solutions utilisent les deux types de mod\u00e8les mentionn\u00e9s.<\/p>\n

La poign\u00e9e de main avec le PLC<\/h3>\n

Lors du processus de poign\u00e9e de main, le syst\u00e8me de cam\u00e9ra et le PLC \u00e9changent quelques signaux simples : pi\u00e8ce en position, d\u00e9clencheur, r\u00e9sultat, succ\u00e8s ou \u00e9chec et parfois un code de d\u00e9faut. Le r\u00e9sultat et les images sont envoy\u00e9s au MES via une interface standardis\u00e9e comme OPC UA ou Modbus TCP, ce qui permet de retrouver n'importe quelle image \u00e0 l'aide d'un num\u00e9ro de s\u00e9rie. Notre aper\u00e7u de capteurs d\u2019automatisation industrielle<\/a> explique o\u00f9 la vision s'int\u00e8gre parmi les autres capteurs sur une machine.<\/p>\n

\"\"<\/p>\n

O\u00f9 l'inspection par vision AI se situe sur une ligne d'assemblage \u00e9lectrique<\/h2>\n

L'intelligence artificielle a sa place dans le contexte de la d\u00e9tection de d\u00e9fauts lorsqu'il s'agit de disjoncteurs et de contacteurs. Le tableau ci-dessous pr\u00e9sente les nombreux types de processus d'inspection par vision qui pourraient \u00eatre utilis\u00e9s et identifie la meilleure fa\u00e7on de les r\u00e9aliser, soit par IA, r\u00e8gles, ou les deux. Le temps d'inf\u00e9rence varie entre quelques dizaines de millisecondes, ce qui est encore acceptable puisque les temps de cycle des stations sont d'environ 2 \u00e0 3,5 secondes sur un Ligne d'assemblage automatique MCB<\/a>.<\/p>\n\n\n\n\n\n\n\n\n\n\n\n\n
V\u00e9rifiez<\/th>\nCe qui peut mal tourner<\/th>\nR\u00e8gles ou IA ?<\/th>\nPourquoi<\/th>\n<\/tr>\n<\/thead>\n
Pr\u00e9sence de rivet<\/td>\nRivet manquant ou mal pos\u00e9<\/td>\nD'abord r\u00e8gles ; IA si la brillance varie beaucoup<\/td>\nLa pr\u00e9sence est simple, mais les r\u00e9flexions causent des rejets erron\u00e9s<\/td>\n<\/tr>\n
Position et inclinaison du contact<\/td>\nContact argent\u00e9 inclin\u00e9 ou d\u00e9centr\u00e9<\/td>\nR\u00e8gles pour la position ; IA pour les dommages de surface<\/td>\nLa position est une mesure ; les dommages ne le sont pas<\/td>\n<\/tr>\n
Poign\u00e9e et polarit\u00e9<\/td>\nPoign\u00e9e invers\u00e9e, mauvais ordre des p\u00f4les<\/td>\nR\u00e8gles<\/td>\nG\u00e9om\u00e9trie fixe, motif clair<\/td>\n<\/tr>\n
Marquage laser et OCR<\/td>\nCaract\u00e8res manquants, faibles ou cass\u00e9s<\/td>\nOCR IA pour les marques endommag\u00e9es ; r\u00e8gles pour les codes<\/td>\nL'IA g\u00e8re mieux les marques partielles ou \u00e0 faible contraste<\/td>\n<\/tr>\n
Fissures et marques de retrait sur le bo\u00eetier<\/td>\nD\u00e9fauts de moulage, coul\u00e9es incompl\u00e8tes, variation de couleur<\/td>\nIA<\/td>\nLes d\u00e9fauts varient en forme et en position<\/td>\n<\/tr>\n
Insertion de bornier<\/td>\nBornier non compl\u00e8tement ins\u00e9r\u00e9<\/td>\nR\u00e8gles ou mesure 3D<\/td>\nLa profondeur est une dimension<\/td>\n<\/tr>\n
\u00c9tiquettes et feuilles d'instructions<\/td>\nMauvaise \u00e9tiquette, notice manquante<\/td>\nR\u00e8gles plus OCR<\/td>\nCorrespondance avec la recette<\/td>\n<\/tr>\n
Projections de soudure et bavures<\/td>\nProjections sur les contacts, bavures sur les pi\u00e8ces soud\u00e9es<\/td>\nIA<\/td>\nFormes et tailles irr\u00e9guli\u00e8res<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Les machines propres \u00e0 Benlong utilisent aujourd'hui le c\u00f4t\u00e9 bas\u00e9 sur les r\u00e8gles de ce tableau. Sur le Machine d'assemblage multi-p\u00f4les MCB<\/a>, une cam\u00e9ra CCD v\u00e9rifie l'alignement de la paroi lat\u00e9rale et l'\u00e9cart entre les p\u00f4les et positionne les pi\u00e8ces \u00e0 \u00b10,05 mm avant le rivetage. Le Ligne de test automatique MCB<\/a> comprend l'inspection visuelle du bo\u00eetier, de l'\u00e9tiquette et des vis. L'IA intervient principalement l\u00e0 o\u00f9 les d\u00e9fauts sont irr\u00e9guliers, c'est pourquoi les bo\u00eetiers, le marquage et les soudures figurent en t\u00eate de liste.<\/p>\n

Ce que la vision ne doit pas juger<\/h3>\n

Il existe des d\u00e9fauts graves dans les disjoncteurs qui ne peuvent pas \u00eatre d\u00e9termin\u00e9s visuellement :<\/p>\n

La technologie de d\u00e9clenchement instantan\u00e9 en temps r\u00e9el ;
\nLe temps \u00e0 1,13 et 1,45 fois le courant nominal pour le d\u00e9clenchement thermique ;
\nLa r\u00e9sistance de contact ;
\nLa rigidit\u00e9 di\u00e9lectrique ;
\nLe temps de d\u00e9clenchement du courant r\u00e9siduel dans les DDR et DDRC.<\/p>\n

Un disjoncteur peut sembler parfait, mais peut toujours d\u00e9clencher tardivement. Les tests des caract\u00e9ristiques mentionn\u00e9es sont effectu\u00e9s sur un banc, tel qu'un banc de test magn\u00e9tique et haute tension pour disjoncteurs modulaires (MCB)<\/a>, qui mesure un temps de d\u00e9clenchement de \u00b11 ms pour chaque appareil test\u00e9. Une cam\u00e9ra d\u00e9tecte l'apparence d'une pi\u00e8ce ; les tests \u00e9lectriques d\u00e9terminent si elle fonctionne correctement. Une bonne ligne relie les r\u00e9sultats des tests d'un appareil \u00e0 son num\u00e9ro de s\u00e9rie unique.<\/span><\/p>\n

Exemple : Une station cam\u00e9ra sur une ligne de disjoncteurs modulaires (MCB)<\/h2>\n

Voici comment une station de vision IA unique pourrait fonctionner sur une ligne de disjoncteurs fonctionnant \u00e0 environ trois secondes par unit\u00e9. Les temps indiqu\u00e9s sont des valeurs typiques pour ce type de station, et non une sp\u00e9cification.<\/p>\n\n\n\n\n\n\n\n\n\n\n
Temps<\/th>\nCe qui se passe<\/th>\n<\/tr>\n<\/thead>\n
0,00 s<\/td>\nLe disjoncteur arrive dans le dispositif de fixation et est serr\u00e9. Un capteur confirme qu'il est en position.<\/td>\n<\/tr>\n
0,05 s<\/td>\nLe PLC envoie un d\u00e9clencheur. Le stroboscope s'allume et la cam\u00e9ra expose pendant quelques millisecondes.<\/td>\n<\/tr>\n
0,10\u20130,20 s<\/td>\nL'image atteint l'ordinateur de bord. Le mod\u00e8le v\u00e9rifie les rivets, la poign\u00e9e, le marquage et le bo\u00eetier et retourne un score pour chacun.<\/td>\n<\/tr>\n
0,25 s<\/td>\nLes scores sont compar\u00e9s aux seuils et un r\u00e9sultat de r\u00e9ussite ou d'\u00e9chec, avec un code d\u00e9faut, est envoy\u00e9 au PLC.<\/td>\n<\/tr>\n
0,30 s et au-del\u00e0<\/td>\nEn cas d'\u00e9chec, le PLC dirige le disjoncteur vers la tr\u00e9mie de rejet. En cas de r\u00e9ussite, il passe \u00e0 l'\u00e9tape suivante.<\/td>\n<\/tr>\n
En parall\u00e8le<\/td>\nL'image, les scores et le r\u00e9sultat sont enregistr\u00e9s dans le MES sous le num\u00e9ro de s\u00e9rie du disjoncteur.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Le processus de passage d'une machine \u00e0 une autre est l\u00e0 o\u00f9 l'intelligence artificielle cr\u00e9e une r\u00e9elle valeur. Un disjoncteur peut passer entre des mod\u00e8les 1P et 4P, des mod\u00e8les B, C et D, ainsi que de nombreuses valeurs nominales de courant en une seule journ\u00e9e. Avec la vision bas\u00e9e sur des r\u00e8gles, un changement signifie qu'un ing\u00e9nieur doit mettre \u00e0 jour les zones \u00e0 observer et les limites num\u00e9riques pour diff\u00e9rents mod\u00e8les. Avec la vision IA, diff\u00e9rentes familles de produits ont leurs mod\u00e8les entra\u00een\u00e9s s\u00e9par\u00e9ment, et la recette pour changer la machine est \u00e9galement utilis\u00e9e pour s\u00e9lectionner le mod\u00e8le correct.<\/p>\n

Lorsqu'une nouvelle variante appara\u00eet, l'\u00e9quipe doit rassembler des images, cr\u00e9er le mod\u00e8le et le v\u00e9rifier avant qu'il ne devienne op\u00e9rationnel. Cela semble compliqu\u00e9, mais cela doit \u00eatre fait une seule fois pour chaque mod\u00e8le, quel que soit le nombre de changements de disjoncteurs.<\/p>\n

Comment les fabricants utilisent l'inspection par vision IA aujourd'hui<\/h2>\n

Quelques exemples publics montrent jusqu'o\u00f9 la technologie s'est r\u00e9pandue et o\u00f9 se situent ses limites.<\/p>\n

Cognex et Keyence : IA dans la cam\u00e9ra intelligente<\/h3>\n

Cognex a int\u00e9gr\u00e9 un syst\u00e8me d'apprentissage profond dans sa derni\u00e8re cam\u00e9ra industrielle intelligente In-Sight D900 qui utilise la technologie ViDi d'apprentissage profond pour la reconnaissance optique de caract\u00e8res, la v\u00e9rification de l'assemblage et la d\u00e9tection de d\u00e9fauts. Sa derni\u00e8re In-Sight L38 int\u00e8gre l'IA avec des visions bidimensionnelles et tridimensionnelles et n\u00e9cessite seulement 5 \u00e0 10 images \u00e9tiquet\u00e9es pour \u00eatre configur\u00e9e, selon Cognex. \u00c0 son tour, la s\u00e9rie de cam\u00e9ras IV4 produite par Keyence comprend des fonctionnalit\u00e9s d'IA pour l'identification des pi\u00e8ces, le comptage et la lecture de caract\u00e8res avec des recommandations pour une imagerie optimale. L'avenir est clair : l'int\u00e9gration de l'IA dans les cam\u00e9ras est un fait.<\/p>\n

Siemens : Inspection IA dans une seule bo\u00eete<\/h3>\n

En 2024, Siemens a achet\u00e9 une entreprise allemande appel\u00e9e Inspekto qui fournit une inspection visuelle bas\u00e9e sur l'IA sous forme d'unit\u00e9 unique comprenant une cam\u00e9ra, une source lumineuse, un objectif et un logiciel. La formation du syst\u00e8me implique environ 20 \u00e0 30 images de produits conformes ; de plus, l'installation peut \u00eatre r\u00e9alis\u00e9e par les op\u00e9rateurs eux-m\u00eames sans intervention d'int\u00e9gration. Un projet de r\u00e9f\u00e9rence men\u00e9 par Siemens a consist\u00e9 \u00e0 remplacer l'\u00e9valuation manuelle des pi\u00e8ces estamp\u00e9es par la technologie IA, ce qui a permis de r\u00e9duire le nombre de contr\u00f4les manuels jusqu'\u00e0 quatre-vingts pour cent.<\/p>\n

BMW et les usines phare<\/h3>\n

Les syst\u00e8mes AIQX de BMW collectent des informations sur les processus de production via des cam\u00e9ras plac\u00e9es sur la ligne d'assemblage, effectuant des contr\u00f4les des variantes et de la compl\u00e9tude, ainsi que la d\u00e9tection d'anomalies en temps r\u00e9el et fournissant un retour instantan\u00e9 aux op\u00e9rateurs. De plus, l'usine de Rockwell Automation \u00e0 Singapour, mentionn\u00e9e dans la liste des derniers Global Lighthouses par le Forum \u00e9conomique mondial, a rapport\u00e9 une r\u00e9duction de 35% des d\u00e9fauts gr\u00e2ce aux syst\u00e8mes de contr\u00f4le qualit\u00e9 bas\u00e9s sur l'IA. Notre guide exemples de phares d\u2019usine<\/a> montre comment l'inspection visuelle s'int\u00e8gre dans la boucle de donn\u00e9es plus large des usines Siemens, Schneider Electric et Eaton.<\/p>\n

Foxconn et la fabrication \u00e9lectronique : voici l'AOI<\/h3>\n

Foxconn Industrial Internet et Wistron mettent en \u0153uvre le syst\u00e8me d'IA vision Nvidia Metropolis pour l'\u00e9valuation automatis\u00e9e des cartes de circuits imprim\u00e9s. Le cas d'application impressionnant concerne uniquement l'\u00e9valuation des cartes de circuits imprim\u00e9s. L'inspection d'autres \u00e9l\u00e9ments, tels que les contacts, les fixations et les connecteurs, n\u00e9cessite le d\u00e9veloppement de syst\u00e8mes d'\u00e9clairage sp\u00e9cifiques et de mod\u00e8les uniques.<\/p>\n

L'automobile \u00e9crit le manuel : AIAG CQI-38<\/h3>\n

En juin 2026, AIAG a publi\u00e9 sa directive nomm\u00e9e CQI-38 visant la technologie d'inspection visuelle et l'\u00e9valuation des applications. Le document fournit aux OEM, fournisseurs et fabricants une proc\u00e9dure d'\u00e9valuation standard pour tout syst\u00e8me d'inspection visuelle bas\u00e9 sur l'IA. Bien que les fabricants de basse tension ne soient pas oblig\u00e9s d'utiliser CQI-38, ses mesures pr\u00e9ventives pour la validation technologique sont recommand\u00e9es \u00e0 toute personne impliqu\u00e9e dans l'\u00e9valuation de la technologie visuelle IA.<\/p>\n

\"\"<\/p>\n

D\u00e9ployer l'inspection IA vision sans pilote de six mois<\/h2>\n

Lorsque les programmes pilotes d'inspection IA vision s'\u00e9tendent sur plusieurs mois, il existe des raisons courantes d'\u00e9chec. La liste suivante aide \u00e0 les pr\u00e9venir.<\/p>\n

Concentrez-vous d'abord sur un seul d\u00e9faut. Plut\u00f4t que d'appliquer la technologie de vision \u00e0 une ligne de production d\u00e8s le d\u00e9part, s\u00e9lectionnez un d\u00e9faut causant une perte financi\u00e8re aujourd'hui, par exemple, des impressions manquantes ou des bo\u00eetiers endommag\u00e9s.
\nFournissez un \u00e9clairage correct et positionnez les pi\u00e8ces avant de capturer les images. Pendant le processus d'entra\u00eenement du mod\u00e8le, la lumi\u00e8re et le mouvement des pi\u00e8ces g\u00e9n\u00e8reront du bruit plut\u00f4t que des d\u00e9fauts.
\nCollectez plusieurs images de qualit\u00e9 et distinguez les types de d\u00e9fauts. Lorsqu'il s'agit de types rares de d\u00e9fauts, il est pr\u00e9f\u00e9rable de r\u00e9aliser une d\u00e9tection d'anomalies plut\u00f4t que de pr\u00e9tendre disposer de 500 images de d\u00e9fauts qui surviennent deux fois par mois.
\nComparez le nombre de faux rejets et d'\u00e9chappements dans vos dispositifs. Le chiffre d'un fournisseur de 99% utilisant un mod\u00e8le de d\u00e9monstration ne signifie rien si les bo\u00eetiers sont examin\u00e9s sous un \u00e9clairage diff\u00e9rent.
\nEffectuez l'inf\u00e9rence en p\u00e9riph\u00e9rie et dans le temps de cycle des op\u00e9rations. Le cloud et le serveur seront utilis\u00e9s uniquement pour sauvegarder les images et r\u00e9entra\u00eener le mod\u00e8le.
\nUtilisez le mode shadow pour enregistrer et noter les entr\u00e9es, mais ne rejetez aucune lecture \u00e0 ce stade. Ce mode permet d'estimer le ratio des conclusions de l'IA par rapport aux observations de l'inspecteur avant de commencer \u00e0 utiliser le syst\u00e8me.
\nRevalidez apr\u00e8s chaque modification en cas de changement de la ligne de production ou de fabrication de diff\u00e9rents types d'appareils.<\/p>\n

Faux rejets : le nombre qui d\u00e9cide si la ligne conserve la cam\u00e9ra<\/h2>\n

Deux valeurs sont bien plus significatives que n'importe quelle valeur de pr\u00e9cision mentionn\u00e9e dans une brochure. Le taux d'\u00e9chappement indique combien d'articles d\u00e9fectueux la cam\u00e9ra a laiss\u00e9 passer. Le taux de faux rejet nous indique combien de produits non d\u00e9fectueux elle a \u00e9cart\u00e9s.<\/p>\n

Pour clarifier la situation, examinons un exemple qui n'a pas \u00e9t\u00e9 tir\u00e9 d'une situation r\u00e9elle. L'une des lignes de production fabrique un lot de 10 000 disjoncteurs, parmi lesquels 50 pi\u00e8ces pr\u00e9sentent un d\u00e9faut de surface.<\/p>\n\n\n\n\n\n\n\n\n
<\/th>\nR\u00e9glage A : seuil strict<\/th>\nR\u00e9glage B : seuil rel\u00e2ch\u00e9<\/th>\n<\/tr>\n<\/thead>\n
Disjoncteurs d\u00e9fectueux d\u00e9tect\u00e9s<\/td>\n49 sur 50 (rappel 98%)<\/td>\n46 sur 50 (rappel 92%)<\/td>\n<\/tr>\n
Disjoncteurs d\u00e9fectueux manqu\u00e9s<\/td>\n1<\/td>\n4<\/td>\n<\/tr>\n
Disjoncteurs bons rejet\u00e9s<\/td>\n150 (taux de faux rejet 1,5%)<\/td>\n20 (taux de faux rejet 0,2%)<\/td>\n<\/tr>\n
Part des rejets r\u00e9ellement d\u00e9fectueux<\/td>\n49 sur 199, environ 25% de pr\u00e9cision<\/td>\n46 sur 66, environ 70% de pr\u00e9cision<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Tout semble \u00eatre d\u00e9tect\u00e9 par le R\u00e9glage A, mais il s'av\u00e8re que trois rejets sur quatre concernent des disjoncteurs parfaitement bons. En revanche, le R\u00e9glage B re\u00e7oit de bonnes critiques des op\u00e9rateurs et laisse passer quatre disjoncteurs d\u00e9fectueux.<\/p>\n

Les implications des deux sc\u00e9narios ne sont pas sym\u00e9triques. Conserver un seul disjoncteur d\u00e9fectueux pouvant provoquer un court-circuit co\u00fbte bien plus cher que de jeter plusieurs bons. Mais si le taux de rejet faux est trop \u00e9lev\u00e9, les op\u00e9rateurs cesseront de faire confiance \u00e0 la cam\u00e9ra, commenceront \u00e0 r\u00e9introduire les pi\u00e8ces rejet\u00e9es sans v\u00e9rification et finiront par l\u2019\u00e9teindre. La r\u00e8gle d\u2019or pour lancer le syst\u00e8me avec succ\u00e8s est donc de prot\u00e9ger le taux de rejet sur les d\u00e9fauts qui font la diff\u00e9rence, puis d\u2019am\u00e9liorer le taux de rejet faux en installant un meilleur \u00e9clairage, plus d\u2019images de formation, des seuils diff\u00e9rents pour chaque type de d\u00e9faut.<\/p>\n

Vision IA, PLC, MES et le reste de la ligne<\/h2>\n

Une station de vision constitue un composant de la pile d\u2019automatisation qui aide \u00e0 la prise de d\u00e9cision via la cam\u00e9ra, la mani\u00e8re dont le PLC ex\u00e9cute cette d\u00e9cision et le MES archive l\u2019image avec son r\u00e9sultat relatif au num\u00e9ro de s\u00e9rie li\u00e9 aux r\u00e9sultats des tests \u00e9lectriques g\u00e9n\u00e9r\u00e9s aux \u00e9tapes successives du processus de production, permettant ainsi d\u2019obtenir des informations utiles, pas seulement de stocker les donn\u00e9es :<\/p>\n