Télécharger pour lire hors ligne
Téléchargé parLUXEMBOURG CREATIVE
LUXEMBOURG CREATIVE 2019 : l'intelligence artificielle (2)
Machinesight est un intégrateur de solutions automatisées, spécialisées en mécatronique, robotique, vision et intelligence artificielle, offrant une approche pragmatique en trois étapes : analyse, étude et réalisation. L'entreprise se concentre sur le développement de solutions adaptées aux besoins des clients, notamment par le biais de deep learning pour le contrôle et l'inspection dans diverses industries. Machinesight vise à minimiser les risques et à garantir la robustesse des technologies intégrées, tout en facilitant l'adoption de l'industrie 4.0.
LUXEMBOURG CREATIVE 2019 : l'intelligence artificielle (2)
- 1.
- 2. L’intelligence artificielle Au servicedes entreprises 21-05-19 © MachineSight 2 Automation Robotics Vision Deep Learning A.I
- 3. MachineSight © MachineSight21-05-19 3 MachineSightest un intégrateur de solutions automatisées et mécatroniques, qui prend en charge la conception ou l’amélioration de machines depuis les études préliminaires jusqu’à la mise au point finale Comme bureau d’études indépendant, nous vous apportons notre expertise en mécatronique, automatisation, robotique, vision et intelligence artificielle
- 4. Notre offre © MachineSight21-05-194 Client(s) Besoins Solution adéquate • Agnostique p/r fournisseur • Pertinence and robustesse • Approche collaborative 4.0 Mécanique Vision Automation Robotique Deep Learning ../.. Expertise ../.. Cluster technologique
- 5. © MachineSight21-05-19 5 Notreapproche: pragmatisme“4.0” 1. Analyse 2. Etude 3. Realisation • Analyse du besoin • Développement des solutions techniques possibles • Exercice budgétaire (+/- 15%) GO / NO GO
- 6. © MachineSight21-05-19 6 Notreapproche: pragmatisme“4.0” 1. Analyse 2. Etude 3. Realisation • Spécifications des requis de l’équipement • Etudes détaillées (modèle 3D, FDS, HDS, SDS…) • Evaluation financière précise GO / NO GO
- 7. © MachineSight21-05-19 7 Notreapproche: pragmatisme“4.0” 1. Analyse 2. Etude 3. Realisation • Responsabilité technique et financière • Gestion du consortium (“4.0” collaboration) • Intégration automatisation, robotique et vision par MachineSight Engagement
- 8. © MachineSight21-05-19 8 1.Analyse 2. Etude 3. Réalisation Notre approche: pragmatisme“4.0”
- 9. © MachineSight21-05-19 9 Nouveauparadigme pour minimiser les risques Méthodologie MachineSight Classique Faisabilité Technique Démontrée Estimée Investissement / Budget Précis & détaillé après 3D Estimée Prix avec marge de sécurité Technologies integrées Les meilleures - industrielles (agnostique vs fournisseur) Maitrisées en interne Approche Réunir l’expertise (int/ext) Collaboration 4.0 – Agilité Modèle classique 1. Analyse 2. Etude
- 10. L’intelligence artificielle Au servicedes entreprises 21-05-19 © MachineSight 10 Automation Robotics Vision Deep Learning A.I
- 11. A.I. - MachineLearning - Deep Learning © MachineSight21-05-19 11 L’intelligence artificielle est un domaine de recherche qui vise à reproduire les capacité cognitives humaines (plus largement les comportement « intelligents » du vivant). Le machine learning (apprentissage automatique) est un sous-domaine de l’I.A qui s’intéresse aux capacités d’apprentissage. Le comportement est issu d’un apprentissage et non d’une programmation. Le deep learning (apprentissage profond) est une méthode d’apprentissage automatique basée sur des ensembles de réseaux neuronaux.
- 12. Deep Learning dansl’industrie © MachineSight21-05-19 12
- 13. Deep Learning dansl’industrie © MachineSight21-05-19 13 Le besoin : - Qu’est ce qui ne va pas ? - Où est « Waldo » ? - Qu’est ce que c’est ?
- 14. Deep Learning dansl’industrie © MachineSight21-05-19 14 La volonté: - Donner rapidement une réponse - Sur les produits réels - Avec peu d’images - Sans programmation - Être intégrable au niveau industriel - Image haute résolution, couleur, 3D… - Robustesse (algorithmes, matériel…) - Pérennité - Couts abordables Nécessité d’une solution adaptée à l’industrie !
- 15. - Secteur alimentaire Exemples… ©MachineSight21-05-19 15
- 16. - Secteur sidérurgique Exemples… ©MachineSight21-05-19 16
- 17. - Secteur pharmaceutique Exemples… ©MachineSight21-05-19 17
- 18. - Secteur aéronautique Exemples… ©MachineSight21-05-19 18
- 19. - Secteur manufacturier Exemples… ©MachineSight21-05-19 19
- 20. Contrôle d’œufs surprises… ©MachineSight21-05-19 20 Besoin : contrôler la conformité d’œufs surprises sur un convoyeur - Localiser les produits, par exemple pour permettre le tri automatisé - Différentier les produits (3 classes) - Trouver les défauts - Vérifier la conformité du marquage Hypothèses de travail - objectifs - 42 images (entre 0 et 6 œufs) - Pas/peu de programmation - Montrer la faisabilité – ~1/2-1 J-Hô - Estimer les performances
- 21. Contrôle d’œufs surprises… ©MachineSight21-05-19 21 Localisation des produits
- 22. Contrôle d’œufs surprises… ©MachineSight21-05-19 22 Localisation des produits
- 23. Contrôle d’œufs surprises… ©MachineSight21-05-19 23 Différencier les produits - 1ère étape : classer les vues « face » - « côté » - « envers »
- 24. Contrôle d’œufs surprises… ©MachineSight21-05-19 24 Différencier les produits - 1ère étape : classer les vues « face » - « côté » - « envers »
- 25. Contrôle d’œufs surprises… ©MachineSight21-05-19 25 Différencier les produits - 2ème étape : classer les vues de face en « normal » - « girly » - « anniversaire »
- 26. Contrôle d’œufs surprises… ©MachineSight21-05-19 26 Différencier les produits - 2ème étape : classer les vues de face en « normal » - « girly » - « anniversaire »
- 27. Contrôle d’œufs surprises… ©MachineSight21-05-19 27 Trouver les défauts…
- 28. Contrôle d’œufs surprises… ©MachineSight21-05-19 28 Trouver les défauts…
- 29. Contrôle d’œufs surprises… ©MachineSight21-05-19 29 Vérifier le marquage…
- 30. Contrôle d’œufs surprises… ©MachineSight21-05-19 30 Vérifier le marquage…
- 31. Contrôle d’œufs surprises… ©MachineSight21-05-19 31 Vérifier le marquage…
- 32. © MachineSight21-05-19 32 Bienadapté - Aux produits (formats, reflets, … imperfections) - Aux demandes - Détection de défauts - Inspection de texture - Localisation - OCR « ambitieux » - Aux critères d’acceptation : qualitatifs plutôt que quantitatifs - Au contexte - Pas besoin d’un PhD pour comprendre son utilisation ;-) - Intégrable dans un équipement industriel – suite logicielle complète Deep Learning dans l’industrie – pour conclure
- 33. Embrace the Industry4.0 Opportunity 21-05-19 © MachineSight 33 Automation Robotics Vision Deep Learning A.I www.machinesight.eu info@machinesight.eu