Quand le traitement d'images automatisé est-il vraiment rentable ?

Le traitement d'images automatisé s'avère toujours utile lorsque les pièces arrivent en désordre à un poste de travail. Cela vaut également lorsque leur orientation varie ou que leur position n'est pas précise. Dans ce cas, un robot doit d’abord déterminer où se trouve la pièce. En revanche, si chaque pièce arrive triée et dans la bonne orientation, une alternative mécanique, telle qu’un système d’alimentation ou un simple capteur, suffit souvent. Ce guide t’explique quatre choses : quand la vision industrielle est indispensable, quand elle reste superflue, de quels composants tu as besoin et combien coûte un tel système.

Quand la vision industrielle automatisée est-elle rentable dans le domaine de l’automatisation ?

La vision industrielle est justifiée dans trois cas : lorsque la disposition des pièces est désordonnée ou variable, lorsque leurs caractéristiques varient (forme, couleur, position, surface) ou lorsqu’un contrôle visuel est requis. Si l’une de ces conditions est remplie, la vision industrielle démontre tout son intérêt. Dans le cas contraire, une solution mécanique est généralement plus économique.

La vision industrielle est la réponse à l’incertitude. Dès qu’une machine doit savoir où se trouve une pièce ou si celle-ci est conforme, elle a besoin d’informations visuelles. Un cobot prélève des composants dans une caisse. Pour cela, il a besoin d’une caméra qui détermine leur position et leur orientation. C’est précisément là que la vision industrielle remplace l’œil humain. Ce n’est qu’ainsi que l’automatisation devient possible.

Lorsque l’alimentation est déjà ordonnée, la donne s’inverse. Lorsque les pièces sont triées, alignées et arrivent avec une qualité constante, la vision industrielle n’apporte que peu de valeur ajoutée. Un convoyeur hélicoïdal vibrant ou un rail de tri mécanique place chaque pièce dans la même position, sans aucune caméra, aucun logiciel ni aucun étalonnage. La règle d’or est donc la suivante : automatisez le tri mécaniquement tant que cela est possible. Ne recourez à la vision industrielle que lorsque ce tri ne peut pas être réalisé mécaniquement.

Le traitement d’images automatisé est toujours indispensable lorsqu’un processus doit composer avec une orientation indéterminée des pièces, des caractéristiques variables ou des exigences de qualité visuelle. En cas d’alimentation ordonnée et constante, une alternative mécanique est généralement plus robuste et plus économique.

Qu’est-ce que la vision industrielle et comment un système de vision est-il constitué ?

Le traitement d'images industriel (vision industrielle) est la technique par laquelle une machine capture des images, les analyse et en tire une décision. Un système de vision se compose de quatre éléments essentiels : une caméra avec capteur d'image, un objectif, un éclairage et un logiciel d'analyse.

La vision industrielle suit toujours le même schéma. L’éclairage génère un contraste défini. L’objectif reproduit la pièce à usiner avec netteté sur le capteur d’image. La caméra numérise l’image. Le logiciel l'analyse. L'analyse s'appuie sur des méthodes classiques de reconnaissance de formes (détection des contours, analyse des blobs, comparaison avec des modèles). Pour les cas qui échappent à des règles fixes, on recourt de plus en plus à l'apprentissage automatique.

Chaque composant contribue au résultat. Un capteur d’image haute résolution ne sert pas à grand-chose si l’objectif produit une image floue ou si l’éclairage projette des ombres. Le choix de la caméra dépend du processus :

C’est le logiciel qui fait toute la différence. C’est lui qui détermine si un système se contente de vérifier une simple caractéristique ou s’il interprète une scène complexe. Tu trouveras un aperçu des composants de vision et des kits de caméras complets sur la place de marché d’Unchained Robotics.

Voici les cas d'utilisation couverts par le traitement d'images automatisé en production

Le traitement d'images automatisé couvre cinq applications clés en production : le contrôle qualité, le guidage des robots (bin picking et pick-and-place), l'identification (codes-barres et codes 2D), le contrôle d'intégralité et la détection d'erreurs basée sur l'apprentissage profond. Toutes ont un objectif commun : une décision visuelle en temps réel.

Le traitement d’images remplace ou complète l’inspection visuelle humaine. Il intervient lorsque celle-ci est trop lente, trop coûteuse ou trop sujette à l’erreur. Les principaux cas d’application en détail :

• Contrôle qualité : le système inspecte les composants à la recherche de rayures, de fissures, de conformités dimensionnelles ou d’écarts de couleur. Il écarte les pièces défectueuses avant qu’elles n’atteignent le client. L’article consacré aux effecteurs pour robots industriels montre comment le contrôle visuel peut être automatisé à l’aide de robots.
• Bin picking : une caméra 3D détecte des pièces individuelles dans une caisse remplie de manière désordonnée. Elle calcule le point de préhension et l’orientation, puis guide le robot vers cet emplacement. Vous trouverez plus de détails à ce sujet dans l’article consacré au bin picking et aux solutions possibles.
• Identification : le système lit les codes-barres, les codes 2D (Data Matrix, QR) ou le texte en clair. Les pièces restent ainsi traçables tout au long de la chaîne de processus.
• Contrôle d’intégralité : avant l’emballage, la caméra vérifie si tous les composants, vis ou accessoires sont présents.
• Détection des défauts par apprentissage profond : certains défauts sont difficiles à décrire à l’aide de règles fixes, comme les défauts de surface sur les pièces moulées, les textiles ou le cuir. Dans ce cas, un réseau neuronal apprend, à partir d’images d’exemple, à distinguer ce qui est « bon » de ce qui est « mauvais ».

Le traitement d’images basé sur l’apprentissage profond est le domaine d’application qui connaît la plus forte croissance. Il résout des tâches de contrôle où la reconnaissance de formes basée sur des règles échoue, car le défaut ne peut pas être défini visuellement de manière univoque.

Traitement d'images 2D ou 3D : quel système convient à votre processus ?

Le traitement d'images automatisé se présente sous deux formes fondamentales. La vision 2D détecte la surface et les contours (position en X et Y, contraste, code). La vision 3D détecte en plus la hauteur (axe Z) et donc la forme, le volume et la position dans l'espace. Règle générale : la 2D pour les caractéristiques planes, la 3D pour la détermination des points de préhension.

Le traitement d’images en 2D suffit pour la grande majorité des tâches de contrôle. Souvent, la caractéristique pertinente se trouve dans un plan, par exemple un code, un bord, une surface colorée ou une présence. Dans ce cas, une caméra matricielle 2D fournit des résultats rapides et économiques. La vision 3D est nécessaire lorsque la hauteur est déterminante pour la réussite ou l’échec. C’est le cas lors de la préhension dans une caisse, du contrôle de planéité ou de la mesure de volumes.

Dans la pratique, on combine souvent les deux approches. Un système lit le code en 2D et détermine le point de préhension en 3D. Il est important de choisir le système en fonction de la tâche partielle la plus difficile, et non de la moyenne.

Ces facteurs perturbateurs font échouer les systèmes de vision industrielle

Dans la pratique, les systèmes de vision échouent en raison de cinq facteurs perturbateurs : la lumière ambiante variable, la poussière et les salissures, les pièces transparentes ou brillantes, les ombres et les pièces difficiles à reconnaître (sombres, petites, de forme similaire). Ces cinq facteurs peuvent être largement atténués grâce à un éclairage et à une optique adaptés.

Le traitement d’images repose entièrement sur l’image. La cause la plus fréquente de l’instabilité des systèmes n’est pas le logiciel, mais un éclairage de mauvaise qualité ou irrégulier. Si l’on ne contrôle pas la lumière ambiante, on obtient des résultats différents en plein soleil et la nuit. L’éclairage ciblé est donc le paramètre le plus important :

• Éclairage incident : éclaire l’objet par l’avant, standard pour le contrôle des surfaces et des codes.
• Éclairage par transmission : éclaire par l’arrière, crée une silhouette nette pour le contrôle des dimensions et des contours.
• Éclairage par dôme : lumière diffuse provenant d’un dôme, atténue les reflets sur les pièces brillantes et bombées.

Les pièces transparentes (verre, film, plastique transparent) et les surfaces fortement réfléchissantes constituent les cas les plus difficiles. Elles laissent passer la lumière ou la réfléchissent de manière incontrôlée. Dans ce cas, l’éclairage par transmission, les filtres polarisants ou l’éclairage par dôme s’avèrent utiles. Un boîtier étanche protège l'optique de la poussière et des salissures. Le message clé : la qualité d'un système de traitement d'images dépend entièrement du contrôle des conditions d'image.

Traitement d'images ou alternative mécanique : comment faire ton choix

Le traitement d'images est particulièrement utile lorsque la position des pièces est indéterminée. Si les pièces arrivent bien ordonnées, une technique d’alimentation fixe, un système de tri, un capteur de proximité ou la simple lecture de codes s’avèrent souvent plus économiques et plus robustes. La décision repose sur quatre critères : la position des pièces, la variance des caractéristiques, le besoin d’un contrôle visuel et le nombre de pièces.

Le traitement d'images coûte plus cher qu'une solution mécanique, tant à l'achat qu'en termes de maintenance. Il ne se justifie que lorsque sa flexibilité est nécessaire. Le tableau suivant classe les différentes alternatives :

Le choix se résume rarement à « l’un ou l’autre ». Souvent, la solution d’automatisation la plus économique est une combinaison : une séparation mécanique associée à un simple capteur de vision pour pallier l’incertitude résiduelle. Ce n’est que lorsque l’ordre ne peut pas être établi mécaniquement qu’un système de vision industrielle à part entière devient la seule option. Dans ces cas-là, le choix est le suivant : soit automatiser avec la vision industrielle, soit ne pas automatiser du tout.

Combien coûte un système de vision industrielle et quand l'investissement est-il rentable ?

Le coût d’un système de vision industrielle varie considérablement en fonction de sa complexité. La fourchette s’étend de quelques centaines d’euros pour un capteur de vision à plusieurs dizaines de milliers d’euros pour un système de prélèvement 3D dans un bac. La rapidité avec laquelle il s’amortit dépend du travail manuel économisé et des rebuts évités, et non du seul prix de la caméra.

Beaucoup évaluent la vision industrielle en fonction du prix de la caméra. C'est une approche trompeuse. La caméra et le logiciel représentent rarement la part la plus importante des coûts ; ce sont plutôt l'éclairage, l'intégration mécanique, l'étalonnage et l'ingénierie d'application qui pèsent le plus lourd. Les fourchettes suivantes correspondent aux valeurs indicatives habituelles dans le secteur pour le matériel :

L'investissement est généralement rentabilisé grâce aux économies réalisées sur les coûts de personnel. Lorsqu'un système de vision remplace un contrôle visuel manuel en fonctionnement en plusieurs équipes, il est souvent amorti en un à deux ans. À cela s'ajoutent les économies réalisées en termes de rebuts évités et de frais liés aux réclamations. Le coût des pièces défectueuses sur le terrain dépasse rapidement le prix du système. [INTERVENTION DE L'AUTEUR REQUISE : Unchained Robotics indique-t-il une fourchette de prix concrète ou un délai d'amortissement pour une cellule de vision clé en main (par exemple, le MalocherBot avec caméra), qui pourrait servir ici d'indicateur fiable ?]

Le prix de la caméra ne représente qu’une infime partie de la facture. Ce sont les économies réalisées sur le travail manuel, la réduction des rebuts et les coûts d’intégration qui déterminent la rentabilité d’un système de vision industrielle, et non le matériel seul.

Comment associer la vision industrielle à un robot ou à un cobot

C’est la vision industrielle qui rend un robot ou un cobot flexible. Au lieu de se déplacer vers des positions programmées de manière fixe, le système se positionne là où se trouve réellement la pièce. Cette technique, appelée « robotique guidée par la vision », repose sur trois éléments : une caméra, un calibrage main-œil et une planification de la préhension.

Les robots sans vision fonctionnent à l’aveugle. Ils se déplacent vers des coordonnées fixes et partent du principe que chaque pièce se trouve exactement à cet endroit. Seule la caméra permet de s’affranchir de cette rigidité. L’étalonnage œil-main convertit les coordonnées de l’image de la caméra en coordonnées du système de référence du robot. Ainsi, le point central de l’outil (TCP), c’est-à-dire le centre de l’outil au niveau du préhenseur, se positionne exactement sur le point de préhension détecté.

Les deux cas de figure les plus courants :

• Pick-and-Place avec vision 2D : les pièces sont à plat et isolées (par exemple sur un convoyeur). La caméra détermine la position et l’angle ; le cobot les saisit et les dépose dans la bonne orientation.
• Bin picking avec vision 3D : les pièces sont disposées de manière aléatoire dans une caisse. Une caméra 3D génère un nuage de points. Le logiciel calcule un point de préhension sans risque de collision. Le robot prélève les pièces une à une.

Pour que cette interaction fonctionne, la caméra, le préhenseur et le robot doivent être coordonnés entre eux. L'article consacré au choix des effecteurs finaux vous aidera à déterminer quel effecteur convient à votre processus. Et si vous en êtes encore à vos débuts, l'aperçu des cobots et de leurs domaines d'application vous fournira les bases nécessaires. Vous trouverez des robots collaboratifs et des caméras adaptés, regroupés sur la place de marché d’Unchained Robotics.

Questions fréquentes

Qu'est-ce que le traitement d'images automatisé ?

Le traitement d’images automatisé (vision industrielle) est la technologie qui permet à une machine de capturer des images, de les analyser à l’aide d’un logiciel et d’en tirer une décision. Un système composé d’une caméra, d’un objectif, d’un éclairage et d’un logiciel d’analyse reconnaît des caractéristiques telles que la position, la forme, la couleur ou des codes. Il permet ainsi de piloter des processus tels que le contrôle qualité, le tri ou le guidage d’un robot.

Quand le traitement d’images est-il utile dans le domaine de l’automatisation ?

Le traitement d'images est utile lorsque les pièces arrivent en vrac, que leurs caractéristiques varient ou qu'un processus nécessite un contrôle visuel. Dès qu'une machine doit savoir où se trouve une pièce ou si celle-ci est exempte de défauts, seule une caméra peut fournir cette information. En revanche, si les pièces arrivent triées et dans la bonne position, une alternative mécanique suffit généralement.

Quelles sont les alternatives au traitement d'images ?

Les alternatives au traitement d'images comprennent les systèmes d'alimentation (convoyeurs hélicoïdaux), les systèmes de rangement mécaniques (nests, rails), les capteurs de proximité pour la simple détection de présence et les lecteurs de codes-barres pour l'identification. Ces solutions sont moins coûteuses et plus robustes. Elles ne fonctionnent toutefois que si l’agencement des pièces peut être établi mécaniquement et qu’aucune détection visuelle des défauts n’est nécessaire.

Combien coûte un système de vision industrielle ?

Le coût d’un système de vision industrielle varie en fonction de sa catégorie. Un capteur de vision coûte entre 300 et 2 000 euros. Une caméra intelligente coûte entre 1 500 et 8 000 euros. Un système 2D complet, intégration comprise, coûte entre 10 000 et 30 000 euros. Un système de prélèvement dans un bac (bin picking) en 3D avec guidage par robot coûte entre 30 000 et 80 000 euros. Ce sont souvent l’éclairage et l’intégration qui représentent la plus grande partie des coûts, et non la caméra.

Quelle est la différence entre le traitement d'images 2D et 3D ?

Le traitement d'images 2D détecte la surface et le contour d'un objet dans un plan, c'est-à-dire sa position, son contraste et ses codes. Le traitement d'images 3D capture en plus la hauteur et donc la forme, le volume et la position dans l'espace. La 2D suffit pour la lecture de codes et les contrôles sur des surfaces planes. La 3D est nécessaire lorsqu'un robot doit déterminer un point de préhension dans une caisse remplie de manière désordonnée.

De quels composants un système de vision industrielle a-t-il besoin ?

Un système de vision industrielle nécessite quatre composants essentiels : une caméra équipée d’un capteur d’image, un objectif, un éclairage et un logiciel d’analyse. L’éclairage génère le contraste. L’objectif assure une reproduction nette de l’image. Le capteur d'image numérise l'image. Le logiciel effectue l'analyse par reconnaissance de formes ou apprentissage automatique. Selon la tâche à accomplir, on peut ajouter des filtres, un boîtier ou une caméra 3D.

Le traitement d’images peut-il fonctionner en temps réel ?

Le traitement d’images fonctionne en temps réel selon le système. Les capteurs de vision et les systèmes 2D analysent les images en quelques millisecondes. Ils suivent ainsi le rythme des cadences de production élevées. Les systèmes 3D nécessitent davantage de temps de calcul, car ils traitent un nuage de points. Pour le « bin picking », ils fonctionnent toutefois de manière synchronisée avec le processus.

Quels sont les cas d’application du traitement d’images industriel ?

Le traitement d'images industriel couvre principalement le contrôle qualité, le guidage de robots (bin picking et pick-and-place), l'identification par code-barres et code 2D, le contrôle d'intégralité et la détection d'erreurs basée sur l'apprentissage profond. Toutes ces applications ont un objectif commun : prendre une décision visuelle rapidement et de manière reproductible. Cela s’applique aux situations où l’inspection visuelle humaine est trop lente ou trop sujette à l’erreur.