{"id":7467,"date":"2021-09-23T08:00:00","date_gmt":"2021-09-23T08:00:00","guid":{"rendered":"https:\/\/knowhow.distrelec.com\/?p=7467"},"modified":"2021-09-22T13:39:57","modified_gmt":"2021-09-22T13:39:57","slug":"arduino-pro-portenta-accelere-le-developpement-du-traitement-de-la-vision-dans-les-applications-industrielles","status":"publish","type":"post","link":"https:\/\/knowhow.distrelec.com\/fr\/industrie\/arduino-pro-portenta-accelere-le-developpement-du-traitement-de-la-vision-dans-les-applications-industrielles\/","title":{"rendered":"Arduino Pro Portenta acc\u00e9l\u00e8re le d\u00e9veloppement du traitement de la vision dans les applications industrielles"},"content":{"rendered":"\n

Applications d’automatisation industrielle et de vision par ordinateur<\/strong><\/h2>\n\n\n\n

L’initiative Industrie 4.0 est \u00e0 l’origine de la croissance spectaculaire du d\u00e9ploiement d’un large \u00e9ventail de dispositifs de l’internet industriel des objets (IIoT) utilis\u00e9s pour les applications d’automatisation industrielle. Les dispositifs IIoT sont utilis\u00e9s pour surveiller et contr\u00f4ler les actifs des usines de production et sont \u00e9galement employ\u00e9s pour mesurer et analyser les conditions des \u00e9quipements dans le cadre d’un programme de maintenance, de r\u00e9paration et de r\u00e9vision. <\/p>\n\n\n\n

Les capteurs sont essentiels, qu’il s’agisse de mesurer la temp\u00e9rature, la pression des liquides ou d’utiliser des cam\u00e9ras pour les applications de traitement de vision. Les capteurs sont \u00e9galement utilis\u00e9s pour surveiller les vibrations \u00e0 l’aide d’algorithmes de r\u00e9seaux neuronaux de traitement audio sur les donn\u00e9es acquises par des microphones num\u00e9riques. La vision est \u00e9galement une technique de d\u00e9tection cruciale, utilis\u00e9e, par exemple, pour s’assurer que les \u00e9tiquettes des bouteilles sont correctement fix\u00e9es sur une ligne de production ou dans les applications de s\u00e9curit\u00e9 fonctionnelle pour isoler les \u00e9quipements si le personnel de production entre dans une zone dangereuse.<\/p>\n\n\n\n

Architecture d’une solution de traitement de la vision<\/strong><\/h2>\n\n\n\n

Dans toute usine moderne, on peut trouver la vision par ordinateur employ\u00e9 dans une vari\u00e9t\u00e9 d’applications diff\u00e9rentes. La vision par ordinateur repose sur l’utilisation d’une ou plusieurs cam\u00e9ras vid\u00e9o reli\u00e9es \u00e0 un syst\u00e8me informatique. En fonction de la nature de la t\u00e2che, la complexit\u00e9 du traitement et les ressources informatiques n\u00e9cessaires seront d\u00e9termin\u00e9es. Par exemple, une application acceptant ou rejetant des bouteilles en fonction de la pr\u00e9cision de l’apposition d’une \u00e9tiquette ne n\u00e9cessite pas forc\u00e9ment plusieurs cam\u00e9ras ni des ressources informatiques intensives. Un algorithme qui d\u00e9tecte les bords de l’\u00e9tiquette \u00e0 l’int\u00e9rieur d’une zone pr\u00e9d\u00e9finie sur la bouteille est relativement simple en utilisant des filtres de Kalman bas\u00e9s sur un logiciel. Toutefois, une application qui doit diff\u00e9rencier les membres d’un op\u00e9rateur de presse hydraulique des panneaux m\u00e9talliques trait\u00e9s et de l’\u00e9quipement lui-m\u00eame est plus complexe. <\/p>\n\n\n\n

Cette application n\u00e9cessite un r\u00e9seau neuronal d’apprentissage automatique et peut exiger plusieurs angles de cam\u00e9ra diff\u00e9rents pour satisfaire les exigences de s\u00e9curit\u00e9 fonctionnelle. Le r\u00e9seau neuronal convolutif est le mieux adapt\u00e9 aux t\u00e2ches de d\u00e9tection d’objets bas\u00e9es sur la vision et doit \u00eatre form\u00e9 avant d’\u00eatre d\u00e9ploy\u00e9. Une fois form\u00e9, l’utilisation d’un r\u00e9seau neuronal est appel\u00e9e inf\u00e9rence. Le processus de formation consiste \u00e0 examiner des centaines d’images correctes et incorrectes afin d’identifier et d’extraire des particularit\u00e9s pour faciliter la classification. Voir un exemple d’architecture de solution de traitement de la vision, figure 1<\/strong>.<\/p>\n\n\n\n

\"\"
Figure 1 – Architecture d’une solution simple de traitement de la vision<\/figcaption><\/figure>\n\n\n\n

Du point de vue de l’application, il existe plusieurs consid\u00e9rations pratiques que l’\u00e9quipe de d\u00e9veloppement doit examiner. Il s’agit notamment du type d’objets \u00e0 d\u00e9tecter, des conditions de lumi\u00e8re ambiante dans la zone de d\u00e9tection, de la vitesse \u00e0 laquelle les objets passent dans le champ de vision de la cam\u00e9ra, de la vitesse d’identification des objets requise et de la n\u00e9cessit\u00e9 de recourir \u00e0 plusieurs angles de cam\u00e9ra pour accomplir la t\u00e2che de mani\u00e8re fiable.<\/p>\n\n\n\n

L’environnement de fonctionnement doit \u00e9galement \u00eatre examin\u00e9 ; par exemple, une protection \u00e9tanche de la cam\u00e9ra et de l’\u00e9lectronique de commande est n\u00e9cessaire pour une application soumise \u00e0 la poussi\u00e8re et \u00e0 l’humidit\u00e9. De plus, les vibrations et les chocs peuvent perturber la qualit\u00e9 de l’image, rendant la d\u00e9tection moins fiable.<\/p>\n\n\n\n

La pr\u00e9cision de la d\u00e9tection d’un objet ou d’une caract\u00e9ristique est cruciale. Les lignes de production tournent souvent \u00e0 grande vitesse pour maintenir l’efficacit\u00e9 de l’usine et atteindre les objectifs de rendement. Dans l’exemple simple de l’usine d’embouteillage ci-dessus, l’application de vision par ordinateur doit capturer l’image avec pr\u00e9cision, la traiter, d\u00e9terminer l’\u00e9tat de l’\u00e9tiquette \u00e0 temps pour que l’action de validation ou de rejet soit prise sur la bouteille identifi\u00e9e.<\/p>\n\n\n\n

Arduino Pro Portenta et Shield Portenta Vision<\/strong><\/p>\n\n\n\n

La plateforme Arduino Pro Portenta, r\u00e9cemment lanc\u00e9e, est une plateforme de microcontr\u00f4leurs id\u00e9ale pour prototyper une solution de vision industrielle.<\/p>\n\n\n\n

Initialement d\u00e9velopp\u00e9e comme une plateforme de prototypage \u00e9ducative pour les amateurs et les fabricants, la gamme de cartes de d\u00e9veloppement \u00e0 microcontr\u00f4leur Arduino a continu\u00e9 \u00e0 \u00e9voluer pour r\u00e9pondre aux besoins exigeants des innovateurs et des fabricants d’\u00e9quipements industriels.<\/p>\n\n\n\n

Arduino propose de nombreux syst\u00e8mes embarqu\u00e9s monocartes abordables et tr\u00e8s polyvalents permettant aux innovateurs de prototyper de nouvelles id\u00e9es de produits. Ces produits ont aid\u00e9 de nombreux jeunes \u00e9tudiants en \u00e9lectronique \u00e0 d\u00e9marrer leur carri\u00e8re. L’approche open-source d’Arduino, associ\u00e9e \u00e0 sa communaut\u00e9 croissante de cartes d’extension et au support logiciel \u00e9tendu de l’ensemble de l’industrie \u00e9lectronique, a fait d’Arduino une plateforme embarqu\u00e9e de choix pour la conception de nombreux nouveaux produits.<\/p>\n\n\n\n

La prochaine \u00e9tape du parcours d’Arduino a d\u00e9but\u00e9 r\u00e9cemment avec la s\u00e9rie de cartes et de modules Arduino Pro, destin\u00e9e au march\u00e9 industriel. L’Arduino Portenta H7 \u00e0 double c\u0153ur est la premi\u00e8re carte de la s\u00e9rie Pro \u00e0 r\u00e9pondre aux exigences des applications industrielles et commerciales. La Portenta H7 est bien \u00e9quip\u00e9e pour les applications de vision industrielle. Elle est fabriqu\u00e9e dans le format populaire des cartes Arduino MKR, ce qui permet d’utiliser toutes les cartes accessoires et tous les shields Arduino existants. Le Shield Portenta Vision, disponible avec une interface filaire Ethernet ou sans fil LoRa, est id\u00e9al pour les applications industrielles de vision par ordinateur.<\/p>\n\n\n\n