Sistema di visione AI per il controllo qualità
K-QUALITY
Semplice, Modulare e Performante
K–QUALITY macchine e sistemi di visione per il controllo di qualità basati su AI che rilevano eventuali pezzi o parti difettose, contaminanti, difetti estetici, mancanza di componenti, errori di assemblaggio, ecc. con un’affidabilità superiore agli ispettori umani e con la velocità di un sistema computerizzato.
Ogni soluzione è personalizzata e chiavi in mano.
Visione artificiale controllo qualità
Semplici da utilizzare e scalabili le macchine e i sistemi di visione artificiale per ispezioni visive di KabVision operano in ambienti industriali manifatturieri di alta precisione, permettendo di passare al controllo qualità automatizzato.
Grazie al deep learning applicato al sistema di visione artificiale è possibile risolvere le sfide di ispezione per il controllo qualità più complesse.
La grande varietà di applicazioni permettono a K-QUALITY di adattarsi ad ogni tipo di esigenza produttiva per eliminare gli scarti, ottimizzando la produzione.
La piattaforma rileva rapidamente le non conformità, avvisando tramite allarmi in modo che si possa applicare qualsiasi misura correttiva in tutti i settori e materiali.
I Sistemi di Visione per Controllo Qualità K-QUALITY permettono di risolvere applicazioni dove è necessario studiare anche spettri diversi dal visibile (infrarosso near e far, ultravioletto, ecc.).
OBIETTIVO: un numero inferiore di eventi di richiamo e costi minori di rilavorazione.
Adattabilità a diversi prodotti e difettosità da rilevare
Grazie all’integrazione con diversi hardware è possibile configurare K-Quality per diverse applicazioni ed avere un’unica interfaccia.
Integrato, fornisce controllo real time
Può essere integrato facilmente all’interno delle linee e ai protocolli di fabbrica per controllare la produzione e il salvataggio dei dati real time.
Predisposto per caricare API di interfacciamento standard.
Controllo qualità in linea. Controllo qualità in produzione.
Detraibile con i fondi industria 4.0
La nostra soluzione permette di ottenere le detrazioni per industria 4.0 perchè è una soluzione tecnologica 4.0 per l’industria manifatturiera.
L’architettura scalare permette di realizzare dalle applicazioni più semplici fino a macchine e sistemi di visione industriale complessi.
Flessibilità
A seconda del risultato desiderato vengono utilizzate tecnologie diverse che tengono conto del tipo e della natura dei prodotti e delle condizioni di produzione (luci, contrasto, dimensioni, posizione difetti, velocità della linea di produzione, ecc.).
Il team di KabVision seleziona la tecnica di deep learning in base all’applicazione, ai dati che l’azienda può fornire e agli obiettivi desiderati.
L’algoritmo si adatta ad ogni situazione, completamente personalizzabile in base alla necessità di applicazione. Manifattura, agroalimentare, ecc., non c’è nessuna attività di ispezione visiva eseguita da un tecnico esperto che non possiamo automatizzare.
Controlli qualità simultanei
È possibile richiedere più ispezioni simultaneamente, per esempio la presenza o assenza di difetti estetici e il corretto assemblaggio, contemporaneamente ad un controllo dei caratteri presenti sull’etichetta.
Ideale per creare programmi di ispezione personalizzati.
Facilità d’uso
Completamente configurabile attraverso check su pannello operatore di facile utilizzo;
totale controllo del sistema di visione e completa visione delle analisi in corso, oltre che dei risultati in tempo reale;
ricetta di ispezione modificabile in tempo reale senza necessità di operatori esperti;
interoperabile: facilmente integrabile con qualsiasi PLC e SCADA tramite protocolli di comunicazione consolidati.
Tecniche deep learning applicate
La soluzione giusta per il controllo qualità
Il team di KabVision valuta attentamente quale delle tecniche più performanti applicare al progetto in base alle informazioni che l’azienda cliente stessa riesce a fornire, la reperibilità di storico anomalie e agli obiettivi da raggiungere identificati e condivisi con il cliente.
Sistemi di visione per il controllo qualità in linea e controllo qualità e a fine linea
Rilevazione dei difetti
Il rilevamento dei difetti comprende tutte le applicazioni volte a rilevare i difetti e a contrassegnare i prodotti interessati come “non conformi”.
OCR
La tecnologia OCR/OCV basata sul deep learning è in grado di leggere automaticamente le lettere e i numeri presenti sui prodotti per verificare la correttezza delle informazioni.
Rilevazione di corpi estranei
Il rilevamento di corpi estranei assicura che i prodotti siano privi di contaminazione o di corpi estranei indesiderati che rappresentare un rischio per la sicurezza e compromettere la qualità.
Deep Learning per il controllo qualità
COME FUNZIONA LA UNSUPERVISED ANOMALY DETECTION
La tecnica più rapida per raggiungere l’obiettivo di zero anomalie di produzione, quando sono poco conosciute o difficili da replicare.
La metodologia K-QUALITY prevede sempre come primo passo l’identificazione degli obiettivi di ispezione con il cliente. Seguita dalla raccolta dati.
Quando il cliente non è in grado di fornici dati riguardo le anomalie, oppure risulta difficile poterle rilevare in maniera controllata, applichiamo il metodo non supervisionato che identificherà le anomalie senza una conoscenza preliminare di ciò che costituisce un’anomalia.
Viene quindi creato un modello che ha il compito di trovare i punti di dati che si discostano in modo significativo dalla maggioranza dei dati.
Per fare questo viene creato un dataset di immagini prodotto conformi e il modello andrà a considerare errato tutto quello che discosta da esso.
Addestramento del modello, test, validazione e ottimizzazione del modello, sono le ultime fasi prima dell’integrazione del modello in un’applicazione o sistema ovvero la messa in servizio per svolgere attivamente la anomaly detection in tempo reale.
COME FUNZIONA LA SUPERVISED CLASSIFICATION
La tecnica più efficiente nell’identificazione di anomalie per la gestione delle non conformità di processo e prodotto.
Il sistema di visione K-QUALITY prevede come primo passo l’identificazione degli obiettivi di ispezione, seguita dalla raccolta dati.
Si parla di sistema di classificazione ovvero la raccolta di un dataset di immagini da etichettare. Queste immagini dovrebbero coprire tutte le categorie o classi che il modello dovrà riconoscere. Più questa fase è precisa, più la rete neurale verrà meglio addestrata.
Le immagini vengono poi rielaborate (normalizzazione dei valori dei pixel, ridimensionamento e altre trasformazioni) prima di essere utilizzate per addestrare il modello.
Si passa alla creazione del modello. Qui si va a creare una rete neurale profonda convolutiva (CNN) capace di catturare caratteristiche gerarchiche di più alto livello e che rendono intrinsecamente l’applicazione robusta a discrepanze tra il dataset e la realtà.
Addestramento del modello, test, validazione e ottimizzazione del modello, sono le ultime fasi prima dell’integrazione del modello in un’applicazione o sistema ovvero la messa in servizio per svolgere attivamente la classificazione di immagini in tempo reale.
L’utilizzo di K-QUALITY è molto flessibile perché in base agli hardware selezionati si può coprire una serie ampia di applicazioni.
A parità di tecniche la scelta degli hardware più idonei, e nello specifico la scelta della giusta soluzione di illuminazione, nel 75% dei casi risolvono l’applicazione in maniera semplice.
Per questo essere supportati da un Team di esperti permette di creare un sistema di visione personalizzato e capace di arrivare al risultato desiderato in breve tempo.
