Progetto di un sistema edge AI industriale per il rilevamento dei difetti nei materiali

In questo articolo viene presentato un progetto dimostrativo della Texas Instruments per la realizzazione di test di rilevamento di difetti presenti nei materiali di prodotti. Il sistema utilizza sensori e Intelligenza Artificiale edge, migliorando qualità ed efficienza del processo produttivo.

Introduzione

Il rilevamento dei difetti è una parte cruciale della garanzia della qualità nel processo di produzione. Il controllo visivo basato sull’Intelligenza Artificiale semplifica ulteriormente il rilevamento dei difetti identificando rapidamente parti e materiali prodotti in modo errato mentre sono trasportati su un nastro trasportatore, in modo che possano essere rimossi automaticamente. Il sistema è dotato di un localizzatore di oggetti per fornire le coordinate precise delle unità per l'ordinamento e il filtraggio; un video in tempo reale viene visualizzato su uno schermo per semplificare il monitoraggio. Le unità sono contrassegnate sullo schermo con caselle per identificare quali parti sono accettabili o difettose. Una dashboard mostra statistiche in tempo reale sui prodotti totali, sulla percentuale di difetti, sul tasso di produzione e un istogramma dei tipi di difetti.

Il progetto ha impiegato il modulo di valutazione AM62A della Texas Instruments, un avanzato dispositivo di visione con Intelligenza Artificiale. Questo modulo ha permesso l’esecuzione di un modello AI basato sulla visione, specificamente sviluppato per il controllo qualità nella produzione industriale. Il sistema ha analizzato le unità mentre scorrevano su un nastro trasportatore, identificando automaticamente i prodotti conformi e separando quelli difettosi da eliminare. Grazie a questa tecnologia, è stato possibile ottimizzare il processo di verifica, aumentando l’affidabilità dell’ispezione e migliorando l’efficienza produttiva complessiva, riducendo errori e sprechi nel ciclo di produzione.

La Figura 1 mostra il modulo di valutazione AM62A della Texas Instruments.

Figura 1: Il modulo di valutazione AM62A della Texas Instruments

Nel video in diretta mostrato sullo schermo le unità sono contrassegnate da caselle verdi per le unità buone (accettate), mentre le unità difettose sono contrassegnate da caselle con diverse tonalità di rosso per distinguere i tipi di difetti, come mostrato nell’immagine di Figura 2.

Figura 2: Immagine della schermata video dei difetti dei prodotti

Lo schermo include anche una dashboard grafica che mostra statistiche in tempo reale sui prodotti totali, la percentuale di difetti, il tasso di produzione e un istogramma dei tipi di difetti.

Il test di rilevamento dei difetti

Per il test di rilevamento dei difetti, di seguito sono riportati il materiale e i passaggi preliminari necessari da eseguire:

• Dotarsi del kit di valutazione AM62A.
• Scaricare il tool software “Edge AI Linux SDK” dal sito https://www.ti.com/tool/PROCESSOR-SDK-AM62A.
• Caricare Edge AI Linux SDK in una scheda SD utilizzando la guida di avvio rapido nel sito https://dev.ti.com/tirex/explore/node?node=A__AQniYj7pI2aoPAFMxWtKDQ__am62ax-devtools__FUz-xrs__LATEST.
• Accedere all'EVM AM62A tramite una connessione di rete.
• Clonare il repository git per questo test demo sull'EVM (o copiare tutti i file sulla scheda SD) andando al sito https://github.com/TexasInstruments-Sandbox/edgeai-gst-apps-defect-detection/blob/main/setup-defect-detection.sh.
• Eseguire lo script ./setup-defect-detection.sh. Questo scaricherà sull'EVM gli artifici del modello di pre-addestramento richiesti e un video di prova preregistrato.
• Aprire la directory “apps_python”.
• Eseguire il test utilizzando il comando ./app_edgeai.py ../configs/defect_detection_test_video.yaml; questo comando utilizza un video preregistrato come input. Il repository Github contiene istruzioni dettagliate sull'utilizzo di un feed della telecamera come input.

Configurazione del modulo di valutazione (EVM) AM62A

Di seguito, sono riportate le istruzioni per l’avvio rapido del modulo AM62A.

• Dopo aver scaricato Edge AI SDK da ti.com, assicuratevi che “tisdk-edgeai-image-am62axx.wic.xz” sia in uso.
• Installate SDK su una scheda SD utilizzando uno strumento come Balena Etcher.
• Connettetevi al dispositivo EVM ed effettuate l'accesso tramite una connessione UART o una connessione di rete tramite una sessione SSH.

[...]

ATTENZIONE: quello che hai appena letto è solo un estratto, l'Articolo Tecnico completo è composto da ben 1800 parole ed è riservato agli ABBONATI. Con l'Abbonamento avrai anche accesso a tutti gli altri Articoli Tecnici che potrai leggere in formato PDF per un anno. ABBONATI ORA, è semplice e sicuro.