Intelligence artificielle et vision 3D pour le tri des fruits
Les produits agricoles peuvent différer considérablement en termes de forme et de couleur, ce qui pose des défis majeurs pour les méthodes classiques de traitement d’image. La détection et le tri des fruits en sont un exemple. Pour mener à bien cette tâche, la Bâle a développé en collaboration avec l’éditeur de logiciels Data Spree une solution de vision pour la détection et la classification des fruits à l’aide de données 3D comme matière première.
Voici comment fonctionne le système de vision 3D pour le tri des fruits
Le système de vision basé sur l’apprentissage profond se compose d’une caméra de mesure du temps de vol Basler Blaze et d’un PC standard. La caméra Basler Blaze fournit des images 3D haute résolution avec une précision proche du millimètre. Il génère non seulement une image en niveaux de gris sous forme d’image d’intensité, mais mesure également la distance à chaque pixel individuel en mesurant le temps de trajet des impulsions lumineuses dans le domaine du proche infrarouge. L’image résultante est alors disponible sous forme de nuage de points 3D et fournit ainsi des informations supplémentaires sur la scène imagée. Par rapport aux images RVB 2D, dans cette approche, les informations de couleur sont remplacées par des informations de forme, ce qui présente non seulement des avantages dans la détection simultanée de pommes rouges et vertes, mais permet également des applications supplémentaires, telles que le positionnement et la mesure exacts des objets détectés.
Découvrez notre portefeuille de vision 3D
Le traitement d’images 3D et l’intelligence artificielle (IA) sont un atout
Le logiciel est une partie essentielle de cette application. Il se compose de deux composants principaux : le SDK Basler blaze et le logiciel d’application AI.
L’interface de programmation conviviale et indépendante de la plate-forme de la Basler blaze permet une intégration facile du logiciel "Apprentissage profond DS". Cette solution logicielle, basée sur des réseaux de neurones profonds (deep learning), est extrêmement conviviale et permet de développer des modèles de deep learningsans aucune connaissance préalable. À l’aide du logiciel d’application, les différentes étapes de travail pour la conception du système, telles que l’acquisition de données, l’annotation, la formation, le provisionnement et la mise en œuvre du réseau formé sur le matériel cible, peuvent être considérablement simplifiées. Pour en savoir plus sur les différentes étapes de travail, consultez le cas d’utilisation.
Download the complete Use Case nowLes avantages de cette solution de vision 3D pour le tri des fruits en un coup d’œil
Basler propose non seulement du matériel de vision 3D, mais aussi une assistance pour la mise en œuvre des solutions logicielles correspondantes. Si nécessaire, nous activons également notre vaste réseau de partenaires pour répondre aux exigences des clients.
Interface de programmation conviviale et indépendante de la plate-forme (Basler blaze SDK) avec des exemples de programmes
Utilisation d’un matériel de caméra éprouvé et durable avec un indice de protection IP67
Installation matérielle facile grâce à l’éclairage intégré et à l’optique calibrée
Reconnaissance et classification plus précises et fiables des objets en intégrant les informations spatiales via une caméra 3D (time-of-flight) dans l’apprentissage des réseaux de neurones
Réduction de la complexité de l’application, car la technologie de capteurs complémentaires n’est plus nécessaire dans un grand nombre d’applications
Résultats de mesure précis même en cas de faible luminosité, de jour et sans contraste