Présentation de notre logiciel Retina Deep Learning conçu de zéro

Grâce à nos partenaires et clients qui ont fait confiance à notre expertise en applications de vision industrielle, nous avons pu contribuer au développement d’une bibliothèque avancée d’algorithmes d’apprentissage profond dédiée à la vision industrielle pour les applications d’automatisation d’usines. Des descriptions détaillées, des cas d’usage, des images et des vidéos de démonstration sont disponibles dans notre section Actualités (nous travaillons à enrichir continuellement cette section ; veuillez vous abonner à nos pages LinkedIn, FaceBook ou Youtube pour être informés dès que de nouveaux contenus seront disponibles).

Notre logiciel d’apprentissage profond Retina redéfinit votre contrôle qualité grâce à l’intelligence artificielle et aide à identifier les produits défectueux en temps réel 24/7 avec la même précision et la même flexibilité qu’un humain, mais sans être influencé par la fatigue ou les humeurs. Seul l’apprentissage profond permet d’inspecter plusieurs pièces par seconde avec précision, fiabilité et constance.
La robustesse et la cohérence du logiciel d’apprentissage profond Retina constituent un outil puissant qui aide les opérateurs à décider plus rapidement de la conformité des produits, afin qu’ils puissent se concentrer sur leur tâche principale, à plus forte valeur ajoutée.

L’analyse d’image par deep learning permet aux fabricants d’automatiser leurs lignes de production avec des algorithmes d’inspection visuelle parmi les plus avancés, capables de capturer des défauts complexes et d’améliorer la qualité produit en quelques minutes.

Avec le logiciel Retina, nul besoin d’être data scientist, expert en deep learning ou ingénieur vision pour déployer rapidement une solution d’inspection visuelle par IA.

En résumé, nous proposons 4 déclinaisons de notre logiciel Retina Deep Learning (application autonome, DLL .NET, DLL C/C++, plugins pour Cognex Designer et Matrox Design Assistant) :

1. Variante Cherry :

• • Détecteur d’anomalies permettant la détection sur des surfaces complexes ou brillantes avec une précision jusqu’au pixel. Supprime la nécessité d’enchaîner plusieurs outils avec différentes tailles de descripteurs.
  • Changement de recette/modèle pendant l’exécution via une simple saisie numérique, sans scripting complexe.
  • (Avancé) Détection multi-classes de défauts, qui évite de chaîner plusieurs outils différents pour détecter puis classer les défauts.
  • Exécution parallèle multi-instances/multi-threads en runtime sur un seul GPU, réduisant les coûts matériels et de maintenance.
  • Allocation et utilisation optimisées de la mémoire GPU/CUDA.

2. Variante Blueberry :

1. • Sert à localiser des pièces à forte variation ou à identifier une large famille d’objets similaires.
   • Exécution parallèle multi-instances/multi-threads en runtime sur un seul GPU, réduisant les coûts matériels et de maintenance.
   • Allocation et utilisation optimisées de la mémoire GPU/CUDA.

3. Variante Avocado :

1. • Sert à classifier les objets présents dans une image.
   • Exécution parallèle multi-instances/multi-threads en runtime sur un seul GPU, réduisant les coûts matériels et de maintenance.
   • Allocation et utilisation optimisées de la mémoire GPU/CUDA.

4. Variante Olive :

• • Olive est un outil d’OCR destiné à la lecture de caractères dans des environnements bruités.

  « 3HLE » propose principalement des solutions clés en main incluant le matériel, l’intégration logicielle et les processus d’automatisation dédiés aux applications de contrôle qualité par vision industrielle à haute cadence. Pour d’autres démonstrations, consultez nos pages Success Stories, ou rendez-vous sur nos pages Produits pour en savoir plus sur nos solutions matérielles et logicielles. Ne are working to build up more and more contents in those sections, please subscribe to our « 3HLE » LinkedIn, FaceBook or Youtube chanels to get notified as soon as new contents will be available