Il mercato della visione artificiale è in continua crescita. Non potrebbe essere diversamente, d’altra parte. Parliamo infatti di una tecnologia cardine dell’Industria 4.0 e dei processi automatizzati. Il deep learning, ora, promette di ampliarne ancora di più le applicazioni innovative. Pertanto, per saperne di più ci siamo rivolti a Enzo Tumminaro, Country Manager di Zebra Technologies Italia.
Quali sono i vantaggi della visione artificiale basata sul deep learning in ambito industriale?
Le soluzioni di machine vision che sfruttano strumenti di deep learning forniscono funzionalità di ispezione visiva molto potenti. Queste sono implementate dai costruttori di macchine e linee di produzione, ingegneri, programmatori e data scientist nei settori automobilistico, elettronico e dei semiconduttori, food and beverage e del packaging.
Secondo il 2024 Manufacturing Vision Study di Zebra, il 54% dei produttori in Europa (61% a livello globale) prevede che l'IA guiderà la propria crescita entro il 2029. Il 36% utilizza oggi il deep learning per l'automazione dei processi e il 63% prevede di implementarlo nei prossimi cinque anni.
Nelle soluzioni di machine vision, le reti neurali si implementano per la classificazione delle immagini, il rilevamento degli oggetti e la loro segmentazione; invece, i sistemi di riconoscimento ottico dei caratteri (Ocr) vengono utilizzati per estrarre le caratteristiche testuali dalle immagini, localizzare singoli caratteri o regioni di testo e riconoscere i caratteri attraverso la loro classificazione. Lo strumento Ocr basato su deep learning utilizza un modello di rete neurale profonda pre-addestrato per leggere caratteri, cifre, segni di punteggiatura e alcuni simboli senza la necessità di specificare o insegnare font specifici.
Quali sfide affronta e quail esigenze produttive il deep learning soddisfa?
Il deep learning può rendere i sistemi di machine vision più accessibili, riducendo la necessità di programmazione e di messa a punto manuale. Invece di affidarsi a funzioni e regole create a mano, questi sistemi possono imparare direttamente dai dati forniti, facilitandone lo sviluppo e l'adattamento a nuovi compiti e ambienti. Questo può portare a soluzioni più flessibili e facili da usare, aprendo nuove opportunità per l'automazione e la produzione intelligente. Lo sfruttamento di queste capacità di deep learning può migliorare le attività industriali, consentendo ai sistemi di adattarsi e migliorare nel tempo, man mano che i modelli di deep learning vengono addestrati e testati.
Quali settori industriali possono trarne i maggiori benefici?
In termini di settori industriali, le soluzioni di machine vision con deep learning possono essere molto utili al settore manifatturiero che richiede elevati livelli di qualità, sicurezza e conformità, che possono essere ottenuti attraverso una solida ispezione visiva di materiali, parti, sistemi e prodotti finiti.
Questa tecnologia è molto utile anche nei casi in cui le anomalie e i difetti dei materiali impiegati possono variare notevolmente e negli ambienti di lavoro difficili e variabili. La produzione di alimenti, bevandee i beni di consumo, l'industria automobilistica e delle batterie elettriche, quella farmaceutica ed elettronica sono esempi di settori in cui le soluzioni di machine vision avanzate sono state impiegate con successo.
Potrebbe citare un paio di casi d'uso? In generale, quali tipi di processi industriali ottimizza la visione artificiale basata su deep learning?
L’AI Machine Vision in the Automotive Industry Benchmark Report di Zebra ha rilevato che il 56% dei leader aziendali del settore automobilistico intervistati nel Regno Unito e il 43% in Germania utilizzano attualmente una qualche forma di intelligenza artificiale (AI), come il deep learning, nei loro progetti di machine vision. Un fornitore di Oem automobilistici globali ha migliorato e incrementato la qualità della produzione di tappi per batterie delle automobili elettriche grazie a una soluzione affidabile, precisa e sicura di machine vision con deep learning, alimentata dal software Aurora Vision Studio di Zebra. L'azienda si occupa della finitura ad alte prestazioni di superfici metalliche, in particolare quelle utilizzate per i tappi delle batterie ad alta tensione dei veicoli elettrici, fondamentali per la protezione da fattori esterni come l'umidità.
Un altro esempio riguarda un panificio industriale in Europa, che ha aumentato la produzione e ridotto il tasso di errore grazie ad un’innovativa soluzione di machine vision basata sul software Aurora Design Assistant di Zebra.Ora, il panificio è in grado di ispezionare l’intera produzione dei diversi tipi di pane utilizzando un’unica soluzione di machine vision, che permette all’azienda di effettuare prelievi in modo efficiente e automatizzato con una presa robotizzata, in grado di gestire tra le 25 e le 30 confezioni al minuto, senza danneggiare il pane o le confezioni. Si stima che la nuova soluzione abbia garantito un risparmio sui costi del 75% rispetto a sistemi di ispezione tradizionali con telecamere e luci.
Quali iniziative intraprenderete per sensibilizzare il mercato sulla visione artificiale basata sul deep learning?
Il team di Zebra che si occupa di questa tecnologia sta sfruttando una serie di canali per informare clienti, partner e media sulle potenzialità delle soluzioni di machine vision con deep learning. Incontriamo regolarmente i nostri clienti del settore manifatturiero e i nostri partner per condividere le conoscenze e discutere di queste innovazioni e delle sfide che i produttori devono affrontare.
Investiamo costantemente in ricerca e sviluppo, per portare sul mercato nuovi prodotti e funzionalità software che possano beneficiare i nostri partner e clienti. Ad esempio, abbiamo introdotto una serie di nuove funzioni di deep learning nel nostro software Aurora e abbiamo lanciato lo scanner industriale fisso FS42, dotato di un'unità di elaborazione neurale (NPU) per garantire prestazioni più rapide nell'esecuzione di strumenti basati su AI deep learning.
Quest'anno abbiamo partecipato a Sps Italia, Vision a Stoccarda e Sps a Norimberga, incontrando i nostri partner, clienti e potenziali tali e i media. I nostri stand hanno ospitato un'ampia gamma di dimostrazioni di deep learning per evidenziarne le potenzialità, diffondendo la nostra esperienza e le nostre conoscenze per accrescere la formazione riguardo questa tecnologia e il cloud.
