SolVisionÉtude de cas
Détection des défauts de soudage laser à l’aide de l’IA
Cas
Soudage laser de précision
Parmi les différents types de soudage, le soudage laser se distingue par son utilisation d’un faisceau lumineux concentré pour faire fondre, vaporiser, refroidir et solidifier rapidement les matériaux, créant ainsi des joints solides. Il est facile à mettre en place et offre un soudage rapide et précis, même pour des matériaux résistants à la chaleur. Cette technique offre une efficacité et une qualité supérieures par rapport aux méthodes de soudage traditionnelles.
Défi
Assurer une inspection de soudure cohérente
Le soudage laser comprend deux méthodes principales : le soudage par conduction thermique et le soudage par clé de trou (également connu sous le nom de soudage à pénétration profonde), chacune ayant des caractéristiques de soudure uniques. Cependant, les positions et les motifs de soudage en constante évolution posent un défi de taille pour les systèmes d’inspection basés sur des règles, rendant difficile l’identification précise des motifs de tissage ou la détection des points de soudure manqués et d’autres erreurs de production. En conséquence, les inspections manuelles des défauts de soudure sont généralement utilisées, ce qui contribue à des incohérences dans la qualité de la soudure.
Solution
Contrôle de qualité de soudure alimenté par l’IA
SolVision est un système d’inspection visuelle basé sur l’IA qui améliore le contrôle de la qualité de la soudure. En utilisant une image d’échantillon doré pour entraîner un modèle d’IA, SolVision détecte rapidement et avec précision les incohérences de soudure, surpassant les méthodes d’inspection conventionnelles en termes de précision et d’efficacité. Ce système intelligent identifie précisément les défauts de soudure et localise les soudures manquées à l’aide d’outils d’IA de classification et de segmentation. Grâce à des techniques avancées d’apprentissage en profondeur, SolVision peut également analyser les motifs de tissage de soudure, optimisant ainsi davantage le processus d’inspection.
Détection des défauts
Échantillon d’or
Anomalies détectées