{"id":3489,"date":"2022-09-21T08:36:37","date_gmt":"2022-09-21T08:36:37","guid":{"rendered":"https:\/\/www.publiteconline.it\/controlloemisura\/?p=3489"},"modified":"2025-06-24T15:18:30","modified_gmt":"2025-06-24T15:18:30","slug":"cognex-semplifica-la-factory-automation","status":"publish","type":"post","link":"https:\/\/www.publiteconline.it\/controlloemisura\/cognex-semplifica-la-factory-automation\/","title":{"rendered":"Cognex semplifica la factory automation"},"content":{"rendered":"\n

Grazie alla combinazione di Edge learning e strumenti di visione artificiale mirati, il sistema In-Sight 2800 di Cognex<\/a> semplifica la factory automation. \u00c8 facile da usare, addestrabile con poche immagini e capace di operazioni multiclasse e multi-ROI.<\/h2>\n\n\n\n

La nuova In-Sight 2800 di Cognex International abbina il meglio del machine learning e della visione tradizionale basata su regole, in un sistema di visione completamente integrato. Grazie ad algoritmi preaddestrati, pu\u00f2 essere rapidamente e facilmente adottata in qualsiasi contesto industriale per automatizzare il rilevamento degli errori.<\/p>\n\n\n\n

Questa soluzione consente ad aziende di ogni dimensione di semplificare l\u2019integrazione, di soddisfare gli specifici requisiti applicativi e di ottenere una pi\u00f9 elevata qualit\u00e0 dei prodotti grazie alla sua facilit\u00e0 d\u2019uso, alla funzionalit\u00e0 multiclasse e di aree multiple di interesse. In-Sight 2800 pu\u00f2 essere utilizzata da operatori di produzione e automazione anche senza conoscenze di deep learning o di visione artificiale, per risolvere problematiche di automazione di fabbrica complesse. La nuova soluzione Cognex potr\u00e0 essere attivata cos\u00ec che possa riconoscere e classificare i difetti entro pochi minuti. Ed \u00e8 in grado di farlo con un numero illimitato di classi, cos\u00ec da svolgere anche le operazioni di categorizzazione e selezione pi\u00f9 avanzate.<\/p>\n\n\n\n

Semplice da configurare e implementare<\/strong><\/h3>\n\n\n\n

La visione artificiale e il deep learning sono noti sia per i benefici che offrono, sia per la complessit\u00e0 della loro efficace implementazione. Tuttavia, grazie ai recenti progressi nella factory automation, sono stati sviluppati numerosi strumenti di semplice usabilit\u00e0.\u00a0In-Sight 2800 \u00e8 facile da configurare, senza bisogno di una programmazione avanzata. L\u2019addestramento del sistema alla risoluzione di un problema \u00e8 del tutto simile a quello di un nuovo addetto alla linea. Il tecnico mostra esempi con le necessarie distinzioni, e l\u2019Edge learning incorporato \u00e8 in grado di eseguirle rapidamente.\u00a0Ma che cos\u2019\u00e8 l\u2019Edge learning? \u00c8 un sottoinsieme del deep learning in cui l\u2019elaborazione avviene direttamente sul dispositivo, utilizzando un insieme di algoritmi pre-addestrati. La tecnologia \u00e8 semplice da impostare, e per l\u2019addestramento richiede meno tempo e meno immagini rispetto alle soluzioni pi\u00f9 tradizionali basate sul deep learning. Per contro, l\u2019implementazione degli strumenti di Edge learning di In-Sight 2800 richiede pochi minuti, una manciata di immagini di addestramento e l\u2019attenzione di un tecnico che sappia del problema da risolvere ma, come abbiamo visto, che non deve necessariamente avere conoscenze specifiche di visione o di deep learning.<\/p>\n\n\n\n

\n
\"Controllo
Controllo degli ingranaggi: In-Sight 2800 classifica difetti quasi impercettibili.\n<\/figcaption><\/figure>\n\n\n\n
\"Ispezione
Ispezione \ndelle etichette \nnel settore \ndella cosmetica.<\/figcaption><\/figure>\n<\/figure>\n\n\n\n

I benefici della funzionalit\u00e0 multiclasse<\/strong><\/h3>\n\n\n\n

Una caratteristica fondamentale dell\u2019Edge learning \u00e8 la capacit\u00e0 di separare rapidamente e in modo affidabile le parti in categorie, dopo essere stato addestrato su immagini etichettate di quelle parti nelle categorie designate. Un\u2019applicazione comune di questa funzione \u00e8 la classificazione delle parti accettabili e non, quali OK\/NG. Gli utenti addestrano gli strumenti di classificazione dell\u2019Edge learning fornendo immagini di parti accettabili e non. Non occorre contrassegnare o definire cosa rende una parte non accettabile. Lo strumento valuta invece quali variazioni in una parte sono significative per effettuare una determinazione, ignorando al contempo le variazioni che non influiscono sulla classificazione. Gli strumenti di Edge learning, integrati in In-Sight 2800, sono anche in grado di gestire classificazioni molto pi\u00f9 complesse di una decisione OK\/NG binaria. Facciamo un esempio applicativo. Con la crescente customizzazione, i produttori spesso tengono a magazzino molte varianti di ogni pezzo. Ad esempio, ruote per automobili di lusso possono essere disponibili in decine di SKU (Stock Keeping Unit) con leggere differenze di modello, colore e finitura. Un ispettore umano pu\u00f2 impiegare fino a un minuto per distinguere alcune di esse. Il tempo richiesto per completare questa attivit\u00e0 \u00e8 giustificato dal potenziale risultato che si otterrebbe se non lo si facesse, installando una ruota diversa da quella ordinata. Dopo l\u2019addestramento con pochi esempi di ogni design di ruota di lusso, l\u2019Edge learning \u00e8 in grado di scegliere in modo affidabile la ruota giusta, o di confermare che lo stile previsto \u00e8 stato montato sul veicolo.<\/p>\n\n\n\n

Definire aree di interesse multiple<\/strong><\/h3>\n\n\n\n

Per perfezionare un\u2019applicazione di ispezione, un tecnico di linea pu\u00f2 utilizzare la propria conoscenza delle significative zone variabili del pezzo per definire aree di interesse specifiche, chiamate \u201cregioni di interesse\u201d (ROI). Grazie a un\u2019interfaccia intuitiva, \u00e8 possibile configurare facilmente le applicazioni in In-Sight 2800 utilizzando strumenti di clic-and-drag. Un drag definisce un box, un altro lo sposta.\u00a0La definizione del ROI \u00e8 una parte standard della visione artificiale, ma il suo utilizzo richiede spesso una certa esperienza. La soluzione Cognex facilita l\u2019applicazione anche a chi non ha esperienza specifica di strumenti di visione. Consente infatti di definire un numero qualsiasi di ROI, ognuno dei quali pu\u00f2 identificare un numero qualsiasi di classi.\u00a0<\/p>\n\n\n\n

Cos\u00ec si semplifica l\u2019esecuzione della verifica dell\u2019assemblaggio, in caso di assemblaggi complessi con molte configurazioni differenti e parti variabili, come ad esempio i circuiti stampati. In precedenza queste problematiche richiedevano un\u2019enorme mole di lavoro per stabilire quali caratteristiche verificare per confermare l\u2019installazione della parte corretta, e programmare successivamente il sistema di visione per esaminarle. Gli strumenti di Edge learning di In-Sight eseguono queste determinazioni in modo autonomo.\u00a0 <\/p>\n","protected":false},"excerpt":{"rendered":"

Grazie alla combinazione di Edge learning e strumenti di visione artificiale mirati, il sistema In-Sight 2800 di Cognex semplifica la factory automation.<\/p>\n","protected":false},"author":4,"featured_media":3492,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_seopublitec_title":"Cognex semplifica la factory automation","_seopublitec_meta_desc":"Grazie alla combinazione di Edge learning e strumenti di visione artificiale mirati, il sistema In-Sight 2800 di Cognex semplifica la factory automation.","_seopublitec_keyphrases":"Cognex","_seopublitec_canonical":"","_seopublitec_noindex":false,"_seopublitec_nofollow":false,"_seopublitec_og_title":"","_seopublitec_og_desc":"","_seopublitec_twitter_title":"","_seopublitec_twitter_desc":"","_seopublitec_twitter_image":"","_seopublitec_og_image":"","_seopublitec_twitter_card":"","_seopublitec_cornerstone":false,"_seopublitec_score":"{\"overall\":\"good\",\"keyphrases\":{\"Cognex\":\"good\"},\"readability\":\"ok\"}"},"categories":[15],"tags":[174],"class_list":["post-3489","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news","tag-cognex"],"openstation_lock":null,"openstation_contributors":[],"openstation_attached_media":[3492,3490,3491],"_links":{"self":[{"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/posts\/3489","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/comments?post=3489"}],"version-history":[{"count":1,"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/posts\/3489\/revisions"}],"predecessor-version":[{"id":3493,"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/posts\/3489\/revisions\/3493"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/media\/3492"}],"wp:attachment":[{"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/media?parent=3489"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/categories?post=3489"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.publiteconline.it\/controlloemisura\/wp-json\/wp\/v2\/tags?post=3489"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}