Plus de précision pour les capteurs de distance grâce à l’IA
Leuze utilise l’intelligence artificielle (IA) pour améliorer considérablement la précision de mesure des capteurs de distance optiques. Cette innovation réduit de moitié l’incertitude de mesure sans qu’il soit nécessaire d’utiliser des ressources de calcul supplémentaires pendant le fonctionnement. Tous les calculs sont effectués pendant la phase de production. La méthodologie développée constitue la base d'une nouvelle génération de capteurs de distance optiques précis.
Le défi de la mesure de la distance : L'effet de la surface de l'objet
Les capteurs de distance optiques peuvent utiliser la technologie du temps de vol (TOF) pour mesurer la distance à laquelle se trouve un objet en émettant de la lumière et en mesurant le temps que met la lumière réfléchie à revenir.
Les capteurs de distance TOF mesurent les distances en émettant de la lumière et en enregistrant le temps que met le signal réfléchi à revenir.
Pour ce faire, il émet de brèves impulsions lumineuses dont la réflexion est renvoyée par l'objet. La distance est calculée à partir du temps de parcours de l'impulsion lumineuse - entre le moment où elle est envoyée et celui où le signal de retour est détecté. La surface réfléchissante de l'objet influence à la fois l'amplitude et la forme du signal de réception électronique. Il en résulte des temps de détection du signal variables et des largeurs d'impulsion différentes. Les surfaces brillantes génèrent des signaux plus forts avec une largeur d'impulsion plus importante et une détection plus précoce, tandis que les surfaces sombres provoquent des impulsions plus faibles et plus étroites et une détection plus tardive.
Cela signifie que l'intensité du signal renvoyé varie en fonction de la surface de l'objet - par exemple, claire ou foncée. Cela peut entraîner des erreurs de mesure.
L'intensité du signal lumineux réfléchi varie en fonction de la luminosité de la surface de l'objet
Approche de la solution précédente : Modèles de calcul
Jusqu'à récemment, un modèle mathématique classique était utilisé pour corriger ces erreurs : Une valeur de correction est calculée pour de nombreuses surfaces et distances différentes, qui est ensuite appliquée automatiquement. Ce modèle est basé sur une fonction dite polynomiale.
Nouvelle solution : L'IA se charge de la correction
Au lieu de travailler avec des formules rigides, Leuze utilise maintenant un réseau neuronal, une forme d'intelligence artificielle. Il utilise des échantillons de données pour apprendre comment la luminosité et la texture de la surface affectent les mesures, ce qui lui permet de corriger les valeurs mesurées avec beaucoup plus de précision.
Écart par rapport à la distance cible après correction à l'aide d'un réseau neuronal
Écart par rapport à la distance cible après correction par le polynôme 5. Commande
Avantages du réseau neuronal
- Adaptation flexible à différents types de capteurs et de surfaces
- Apprend mieux à partir de données réelles, même avec des caractéristiques de courbes 3D fortement oscillantes
- Permet d'obtenir des résultats nettement plus précis
La technologie en arrière-plan - expliquée simplement
De nombreuses valeurs mesurées sont collectées au cours du processus de production : pour des surfaces claires, sombres et de texture différente, ainsi que pour différentes distances. Ces valeurs mesurées sont communiquées au système de contrôle de l'installation de production. À partir de là, le réseau neuronal de l'installation de production calcule les valeurs de correction nécessaires pour le capteur. Le capteur ne nécessite alors aucune puissance de calcul supplémentaire pendant son fonctionnement - l'IA a déjà tout "appris".
Le résultat : Moins d'erreurs, plus de fiabilité
Les tests montrent que la nouvelle méthode réduit de plus de la moitié les erreurs de mesure systématiques (c'est-à-dire la dépendance des résultats de mesure par rapport à la surface et à la distance) grâce à l'étalonnage basé sur l'IA. Cela signifie que le capteur mesure de manière plus fiable, même sur des surfaces difficiles.
Détecteurs de distance dans l'intralogistique : Pour garantir une distance définie entre les palettes, la distance entre la navette et la palette stockée doit être déterminée avec précision, indépendamment des surfaces, des couleurs ou des angles.
Une mesure précise est nécessaire : Lors de la réception de la palette, il convient de déterminer la distance entre la palette et la face avant du préhenseur afin d'arrêter à temps le mouvement vers l'avant.
Aperçu de vos avantages
- Moins d'erreurs de mesure - des résultats plus fiables
- Pas de charge informatique supplémentaire pendant le fonctionnement
- Flexibilité d'utilisation avec différents matériaux
- À l'épreuve du temps - grâce à l'utilisation de l'IA moderne
Récapitulatif
Leuze porte la précision des détecteurs optiques de distance à un niveau supérieur grâce à l'utilisation de l'intelligence artificielle. Les clients bénéficient de mesures plus robustes et plus précises - sans aucun effort pendant le fonctionnement. La combinaison d'un étalonnage intelligent et d'une utilisation efficace rend cette solution idéale pour les applications industrielles exigeantes.
