AVIS D’EXPERT – Comment les professionnels de l’imagerie industrielle et les techniciens peuvent exploiter le deep learning pour faciliter leurs tâches quotidiennes ?
Les réponses de Rudolf Schambeck, Senior Manager en Vision Industrielle chez Zebra Technologies, pour les lecteurs de Solutions Numériques.
Dans de nombreux secteurs, les industriels sont confrontés à des enjeux de recrutement et de fidélisation de main-d’œuvre qualifiée, d’adaptation aux innovations technologiques et de satisfaction des attentes croissantes de rapidité et de précision. Pour les acteurs de l’industrie automobile, le développement durable, la digitalisation des opérations et de la chaîne d’approvisionnement, les attentes fortes en matière de sécurité et la demande de personnalisation sont également des priorités de premier plan.
Une récente étude prospective sur l’écosystème automobile indique que 73 % des décideurs du secteur pensent que leur entreprise sera désavantagée par rapport à la concurrence si elle n’exploite pas pleinement les dernières technologies numériques, et citent le « développement de l’expertise logicielle » comme l’une des cinq principales priorités en matière d’investissement. Un récent rapport de McKinsey abonde dans le même sens, et affirme que les récents développements en matière d’IA et de machine learning nous placent à l’aube d’une nouvelle ère de l’automatisation.
Une innovation technologique clé qui gagne en importance est la reconnaissance optique de caractères (OCR) basée sur le deep learning. L’étude sur l’écosystème automobile révèle que l’utilisation de la vision industrielle devrait augmenter de 83 % d’ici 2027 (24 % à 44 %), selon les décideurs OEM interrogés.
L’association du deep learning et de l’OCR répond au besoin de rapidité, de précision et de fiabilité pour les solutions de contrôle de conformité, de qualité et de présence dans l’industrie. Les directeurs d’exploitation dans les secteurs automobile, pharmaceutique, électronique et alimentaire sont ceux qui ont le plus à gagner de l’OCR basée sur le deep learning.
La fabrication intelligente
La vision industrielle et l’OCR basée sur le deep learning permettent une fabrication intelligente que Gartner définit comme l’orchestration de processus physiques et numériques au sein des usines et d’autres fonctions de la chaîne d’approvisionnement. Elles transforment la manière dont les personnes, les processus et les technologies fournissent les informations nécessaires pour influer sur la qualité des décisions, l’efficacité, les coûts et l’agilité. En d’autres termes, cultiver l’automatisation via le deep learning et l’OCR permet d’utiliser au mieux les ressources matérielles, logicielles et humaines.
L’inspection par reconnaissance optique des caractères peut cependant s’avérer difficile. Les polices stylisées, les caractères flous, déformés ou obscurcis, les surfaces réfléchissantes et les arrière-plans complexes et non uniformes peuvent affecter la stabilité des résultats obtenus à l’aide de techniques d’OCR traditionnelles.
Heureusement, il existe de nouveaux outils qui permettent une excellente reconnaissance optique des caractères basée sur le deep learning. Ces outils sont dotés de réseaux neuronaux prêts à l’emploi pré-entraînés à l’aide de milliers d’échantillons d’images. Cette nouvelle gamme permet d’obtenir une très grande précision dès la prise en main, même pour les cas complexes.
Dans l’industrie automobile, cela signifie qu’une solution OCR basée sur le deep learning peut lire avec précision les numéros de série imprimés, estampés, mats ou métalliques qui figurent sur les batteries, les pneus, les pièces et les accessoires pour vérifier qu’ils correspondent bien au numéro d’identification du véhicule (« code VIN ») du modèle de voiture. Ces solutions peuvent également prendre en charge toute une série de styles et de tailles de polices, ainsi que des environnements de fabrication et d’éclairage variables et « difficiles ».
L’OCR basée sur le deep learning peut également être utilisée dans le cadre d’une solution de vision industrielle plus large. Par exemple, sur une chaîne de fabrication automobile, une solution de vision industrielle peut être déployée pour confirmer une présence/absence, ou pour vérifier la qualité et la conformité de l’inspection de broches de connecteurs. Cette technologie permet également de garantir la conformité du revêtement des cartes de circuits imprimés et de contrôler les adhésifs, le montage des fils, la polarité de la batterie et l’assemblage.
Dans ces situations, les solutions de vision industrielle déployées à l’aide des mêmes caméras de vision industrielle et du même logiciel peuvent inspecter les pièces bien plus rapidement, signalant les défauts suspectés à un technicien qui va les examiner, déterminer s’il s’agit ou non d’un défaut et intervenir en conséquence. La transmission de la décision d’examen au réseau neuronal artificiel permet de maintenir l’apprentissage continu actif, afin de développer et d’améliorer le modèle. Elle optimise l’efficacité et supprime une tâche manuelle importante mais fastidieuse pour les techniciens.
La valeur croissante du deep learning
La vitesse et la précision du deep learning lui permettent d’aider considérablement les techniciens, d’assurer la qualité de la production, de contrôler les coûts de fabrication et d’améliorer la satisfaction des clients. Cependant, la facilité d’utilisation est tout aussi importante, et c’est là que les logiciels d’OCR basée sur le deep learning se distinguent. Il s’agit d’une application facile à intégrer et à utiliser, qui peut être installée en quelques étapes simples, sans qu’il soit nécessaire d’être un expert en vision industrielle.
Les solutions de vision industrielle et d’OCR basée sur le deep learning, plus accessibles, ouvrent de nouvelles possibilités aux professionnels de l’imagerie industrielle et aux techniciens, qui peuvent ainsi penser et agir en experts en science des données. Cette évolution est nécessaire et bienvenue face au volume, à la variété et à la vélocité croissants des données, mais aussi face aux attentes qui augmentent en termes de rapidité, de sécurité et de précision.
Rudolf Schambeck Zebra Technologies
