Le deep learning au service du contrôle visuel en production : cas d'usages

Les matinales techniques de Sogilis
Les matinales techniques de Sogilis
Public group

Sogilis

4 avenue Doyen Louis Weil · Grenoble

How to find us

Arrêt de tram A Berriat, B palais de justice ou gare de Grenoble

Location image of event venue

Details

Découvrez la méthode du deep learning avec Sogilis.

Notre expertise historique dans les problématiques de vision assistée par ordinateur, couplée aux nouvelles techniques de deep learning représente un avantage dans le contrôle, à différents niveaux, des étapes-clés de la chaîne de production.
Vous êtes confrontés à des défauts récurrents dans votre chaîne de production ? Vous souhaitez trier des produits selon certains critères visuels ? (aliments, pièces manufacturées, composants, ...).

La mise en place de contrôles visuels par ordinateur permet d'éviter les erreurs, souvent humaines, ou tout simplement de remplacer des contrôles déjà présents mais souvent manuels et fastidieux.

Les avantages de cette méthode sont nombreux :

- Le coût récurrent est quasi nul,

- C'est une solution générique (apprentissage machine),

- fiabilité,

- scalabilité (montée en charge),

- rapidité d'analyse.

Sogilis vous propose un atelier mêlant présentation des concepts, démonstrations et cas d’usages illustrés pour que vous puissiez saisir les avantages du contrôle visuel adapté à votre métier.

Rejoignez-nous !

Cible : CTO, lead tech, responsables de production et managers techniques de PME industrielles

Intervenants :

Antoine Gervail, Ingénieur machine learning / systèmes embarqués.
Précédemment employé en machine learning, il a rejoint Sogilis il y a plus d'un an pour continuer dans ce domaine. Parallèlement il est impliqué dans le développement de CAP2018, le projet d'autopilote de drone certifié porté par Sogilis. Il continue d'apporter son aide sur les thématiques d'apprentissage et de vision par ordinateur.

Lucas Felix, Ingénieur vision par ordinateur.
Depuis 3 ans à Sogilis, il a essentiellement travaillé sur des problématiques de vision par ordinateur et de learning autour du tracking visuel pour les drones volants et sous-marins (Hexo+ et iBubble). Plus récemment en imagerie multispectrale pour l'agronomie. La vision par ordinateur étant de plus en plus liée au deep learning, l'évolution vers ce domaine en était une suite logique.