Software di riconoscimento difetti con algoritmo di Machine Learning

Il cliente è tra i leader in Europa nella produzione di barre in ottone e nastri in rame e sue leghe, dall’ottone al bronzo e leghe speciali. Il processo di produzione delle barre può portare alla generazione di impurità nei laminati. Alcuni difetti possono essere accettati, mentre altri necessitano di effettuare uno scarto del materiale prodotto. Il cliente, prima di rivolgersi a CSMT, usava un sistema di visione commerciale che permettesse di scattare fotografie su entrambe le superfici dei laminati prodotti. Queste fotografie, classificate attraverso il software proprietario del produttore del sistema, permettono di visualizzare le difettosità del materiale. La classificazione effettuata dal software iniziale non era assolutamente affidabile, in quanto non riusciva a distinguere le macchie (difetti da non considerare) dalle altre tipologie di difetti da scartare, nel particolare le sfogliature. Questa carenza ha comportato per 5 anni un lavoro di riclassificazione manuale da parte di un operatore di tutte le fotografie effettuate dal sistema (circa mezza giornata di una persona per ogni giorno).

È stato sviluppato un software di riconoscimento dei difetti che, sfruttando un algoritmo di machine learning, permettesse di migliorare sensibilmente la classificazione effettuata.

L’algoritmo ha raggiunto un’affidabilità del 97%, permettendo di effettuare una distinzione veritiera tra le tipologie di difetto scartate a priori dal sistema precedente