Sujet:

Vision IA pour un poste poka yoke

1
 1. Introduction
Plan de 2.
3.
Problématique et objectif
Présentation de la solution
présentation 4. Compréhension du poste poka
yoke
5. Avantages de la solution
6. Comparaison des solutions
7. Aspect technique

2
Introduction
Le contrôle qualité est un élément clé pour
produire des produits conformes aux normes de
qualité et sécurité. Les contrôles qualité
classiques sont longs et demandent des efforts
pour chaque produit, ce qui impacte les coûts et
les délais de production. Les entreprise
préfèrent désormais les solutions automatisées
comme la vision par ordinateur et l'IA

3
Problématique
Le défi de notre projet est de développer une
solution efficace pour le contrôle qualité des
produits finis en fin de ligne de production de
Sagemcom. Cette solution doit être capable de
détecter les défauts esthétiques et les erreurs
de marquage de code à barres pour garantir que
chaque produit est conforme aux normes de
qualité et de sécurité.
Pour atteindre cet objectif:
● On va utiliser un algorithme de détection
d'objets avec les bibliothèques d’IA open
source pour déterminer la conformité de
chaque produit aux normes de qualité
● Développer une solution de vision par
ordinateur pour garantir une inspection
rapide et précise des produits en fin de
ligne de production dans une station
Poka-Yoke
4
 La solution de contrôle vision par
intelligence artificielle est une innovation
qui permet d'optimiser les processus
industriels en réduisant les erreurs
humaines.
Présentation de Dans le cadre de ce projet, nous allons

la solution développer une solution de contrôle

vision par intelligence artificielle pour un
poste poka yoke afin d'améliorer la
qualité des produits fabriqués et réduire
les coûts de production.

5
Compréhension du poste poka yoke

Le poste poka yoke est un dispositif qui permet

de détecter les erreurs de production avant
qu'elles ne se produisent. Il s'agit d'une méthode
de prévention des erreurs qui vise à éliminer les
causes profondes des défauts de fabrication.

En comprenant les spécificités du poste poka

yoke, nous pourrons développer une solution de
contrôle vision par intelligence artificielle
adaptée aux besoins de l'entreprise et aux
exigences de qualité des produits fabriqués.

6
Avantages de la solution
La solution de contrôle vision par intelligence
artificielle offre de nombreux avantages,
notamment une amélioration de la qualité des
produits, une réduction des coûts de production
et une augmentation de la productivité.

Elle permet également de réduire les risques

d'erreurs humaines et de garantir la conformité
aux normes de qualité et de sécurité.

7
Comparaison des solutions
La qualité des produits est au cœur des préoccupations de tout processus de
fabrication. Traditionnellement, la plupart des activités de contrôle de la qualité
étaient effectuées par des humains. Mais il est difficile pour l'homme d'identifier
les défauts en regardant continuellement les produits à travers un convoyeur, c'est
coûteux, et c’est parfois dangereux. Avec le développement des nouvelles
technologies et notamment de l’IA, la plupart des processus de fabrication
remplacent ou accompagnent la vision humaine par la vision par ordinateur afin
de prendre des décisions de contrôle de qualité, et il est désormais possible de
tout contrôler ou presque

8
Aspect technique

9
Les technologies
Caméra et système de capture
d'image
Une caméra pour capturer les
images des produits à inspecter,
ainsi que d'un système pour stocker
et traiter ces images.
10
Bibliothèques d'IA open source

Les bibliothèques open source utilisées dans le

développement de cette solution sont souvent
des bibliothèques d'IA telles que TensorFlow ou
OpenCV, qui offrent des fonctionnalités de
traitement d'image et de vision par ordinateur
pour aider à détecter les anomalies dans les
produits.

11
Logiciels de programmation

Pour développer notre solution de vision par

ordinateur, nous avons besoin d'un langage de
programmation tel que Python, ainsi que des
bibliothèques d'IA open source pour
l'apprentissage machine, le traitement d'images
et la vision par ordinateur.

12
Les algorithmes d'IA
Il existe plusieurs algorithmes d'IA qui peuvent
être utilisés pour réaliser ce projet de contrôle
qualité par vision artificielle:
● Réseaux de neurones convolutionnels
(CNN) : Les CNN sont des algorithmes
d'apprentissage profond utilisés pour la
classification d'images.
● Support vector machine (SVM) : Les SVM
sont un algorithme d'apprentissage
supervisé utilisé pour la classification et la
régression.
● Réseau de neurones à propagation avant :
sont utilisés pour la classification
d'images. Ils sont souvent utilisés pour
détecter des caractéristiques dans des
images et peuvent être entraînés pour
détecter des anomalies dans les produits.
● YOLO (You Only Look Once): Algorithme
de détection d'objets en temps réel.
Contrairement à d'autres algorithmes de
détection d'objets, qui divisent l'image en
plusieurs parties pour effectuer la
détection, YOLO traite l'image entière à la
fois, ce qui le rend plus rapide et plus
efficace.
13
La base de données
Pour réaliser un projet de contrôle qualité - La base de données doit être
automatisé basé sur la vision par ordinateur et suffisamment grande pour permettre une
l'intelligence artificielle, il est essentiel d'avoir: diversité d'images et de défauts, ainsi que
pour augmenter la précision de
- Une base de données de haute qualité. Et l'algorithme.
contient des images des produits finis,
ainsi que des annotations précises pour
chaque image.
- Les annotations incluent des informations ➔ La qualité et la quantité de données sont
telles que la localisation des défauts essentielles pour améliorer la précision du
esthétiques, la qualité du marquage de modèle.
code à barres.

14
LabVIEW
LabVIEW permet de créer une interface ● Intégrer différents modules pour effectuer
homme-machine pour l'interaction avec le système des tâches spécifiques telles que la
de contrôle qualité automatisé basé sur la vision communication avec les bases de
par ordinateur, il peut être utilisé pour: données, la gestion des tâches de
traitement d'image, etc.
● Acquérir des images de la caméra pour les
utiliser dans l'algorithme de traitement
d'image.
● Contrôler les composants matériels tels que
les actionneurs, les capteurs, etc. pour
réaliser les actions nécessaires en cas de
détection de défaut.

15
Merci de votre attention

16