VISORE Sviluppo di innovativi sistemi di VISione artificiale per il monitoraggio intelligente della qualità estetica e dimensiOnale di pRocEsso

VISORE è un progetto di ricerca che rientra nel programma operativo regionale di ricerca e sviluppo della Regione Piemonte (POR FESR 2014-2020),  gestito dal Polo MESAP “Smart Products and Manufacturing” e focalizzato sulle tematiche di ricerca e di trasferimento tecnologico di interesse per i suoi associati (imprese e organismi di ricerca). Tali tematiche sono coerenti con la strategia di specializzazione intelligente (S3) della Regione Piemonte, focalizzata sui settori aerospazio, automotive, meccatronica, made in Italy (tessile e agroalimentare), chimica verde/clean tech, salute e benessere e coerenti con le traiettorie prioritarie Smart/digitalization e Resource efficiency.

Il progetto VISORE ha per obiettivo lo sviluppo di una soluzione tecnologica per il controllo automatico della qualità estetica di componenti industriali attraverso l’impiego di tecnologie di visione artificiale e di algoritmi basati sull’impiego di image processing e reti neurali (Intelligenza artificiale) per la individuazione e classificazione delle difettosità. Il progetto prevede la designazione e la costruzione di una stazione prototipale, flessibile e versatile, di cattura delle immagini del manufatto, e la contemporanea messa a punto un algoritmo di machine learning alle reti neurali, specificamente addestrato alla ricerca di difettosità estetiche. Obiettivo finale del progetto è la possibilità di oggettivare l’individuazione di difetti estetici di manufatti industriali, attraverso la implementazione delle caratteristiche dimensionali e morfologiche dei difetti estetici.

Il progetto ha consentito la realizzazione di un dimostratore sperimentale, in grado di ispezionare autonomamente la superficie a vista di manufatti industriali attraverso l’azione automatica delle fasi di acquisizione delle immagini, processamento delle immagini per l’addestramento della rete neurale, addestramento e calibrazione della rete neurale, test sperimentale della rete stessa e valutazione della capacità (accuratezza della rete, ossia margine di errore) della rete di discriminazione nella individuazione delle difettosità.

Inoltre, è stato generato un confronto con un modello digitale 3D nominale per potere visualizzare la presenza di eventuali difetti in ambiente di Realtà Aumentata o di ologrammi per l’identificazione della posizione del difetto direttamente sul prodotto fisico. L’operatore potrà, usufruire in tempo reale di marcatori virtuali applicati direttamente sul pezzo reale che ne evidenzino eventuali distribuzioni dalle quali si potrà poi identificare e fornire maggiori informazioni sull’origine e le cause del difetto

LEAVE REPLY

Your email address will not be published. Required fields are marked *