EO 520

Lighting prodotti fabbricati. La visione artificiale eccelle nella mi- surazione quantitativa di una scena strutturata grazie alla sua velocità, precisione e ripetibilità. Un sistema di visio- ne artificiale costruito sulla giusta risoluzione e sull’ottica della telecamera può facilmente ispezionare i dettagli di oggetti troppo piccoli per essere visti dall’occhio umano e ispezionarli con maggiore affidabilità e meno errori. I sistemi visivi basati sul deep learning sono l’opposto dell’ispezione visiva umana per i seguenti motivi: • Più coerenti: lavorano 24 ore su 24, 7 giorni su 7 e mantengono lo stesso livello di qualità su ogni linea, ogni turno e in ogni fabbrica • Più affidabili: identificano ogni difetto al di fuori di una tolleranza stabilita • Più veloci: identificano i difetti in millisecondi, sup- portano applicazioni ad alta velocità e aumentano la produttività I sistemi visivi basati sul deep learning sono in contrasto con i sistemi di visione artificiale convenzionali: • Progettati per applicazioni difficili da risolvere, risol- vono complesse applicazioni di ispezione, classifica- zione e localizzazione utilizzando algoritmi classici basati su regole • Più facili da configurare: le applicazioni possono esse- re configurate rapidamente • Tollerano la variazione: gestiscono le tolleranze di er- rore per le applicazioni che richiedono la valutazione di deviazioni accettabili dal controllo I tradizionali sistemi di visione artificiale funzionano in modo affidabile con parti coerenti e ben realizzate. Fun- zionano attraverso filtri sequenziali e algoritmi basati su regole che sono più convenienti rispetto all’ispezione umana. Ma gli algoritmi diventano poco pratici manmano che crescono le eccezioni e i database dei difetti. Alcune ispezioni tradizionali della visione artificiale, come la ve- rifica dell’assemblaggio finale, sono notoriamente difficili da programmare a causa di molteplici variabili che posso- no essere difficili da isolare per una macchina, come l’il- luminazione o i cambiamenti di colore. Sebbene i sistemi di visione artificiale tollerino una certa variabilità nell’aspetto dovuta a scala, rotazione e distor- sione, le strutture superficiali complesse e i problemi di qualità dell’immagine presentano gravi sfide di ispezione. I sistemi di visione artificiale si sforzano di apprezzare la variabilità e la varianza tra parti visivamentemolto simili. Differenze o anomalie intrinseche possono o meno essere motivo di rifiuto, a seconda di come l’utente le compren- de e le classifica. Le anomalie “funzionali” che incidono sull’utilità di una parte sono quasi sempre motivo di rifiu- to, mentre le anomalie estetiche potrebbero non esserlo, a seconda delle esigenze e delle preferenze del produttore. Con questo articolo abbiamo voluto evidenziare l’im- portanza della ricerca interdisciplinare e dell’adozione di nuove tecnologie come la visione artificiale e l’intelli- genza artificiale per affrontare sfide complesse nella mo- derna produzione industriale. Gli approcci innovativi per la risoluzione di queste sfide non solo contribuiscono in modo significativo ai rispettivi campi, ma ispirano anche l’esplorazione e l’adattamento continui nel panorama in continua evoluzione della tecnologia e dell’industria. Il deep learning essenzialmente insegna alle macchine a fare ciò che è naturale per gli esseri umani, ossia imparare dagli esempi EO LIGHTING - SETTEMBRE 2024 XXXII