Tirer parti des opportunités actuelles de contrôle qualité basé sur la vision par ordinateur
Les solutions de contrôle de la qualité des produits basées sur la vision par ordinateur sont prêtes à fournir des résultats tangibles aux fabricants et aux détaillants. À l'aide de caméras, de calculs et d'outils d'IA déployés sur site dans les magasins et les usines, ou à l'edge où des données visuelles sur les produits sont collectées, les entreprises peuvent contrôler et évaluer la qualité des produits en temps quasi-réel. Quel que soit le cas d'utilisation, qu'il s'agisse d'inspecter des produits sortant d'une chaîne de montage pour détecter les défauts ou d'évaluer la fraîcheur des fraises dans le rayon des fruits et légumes, de nombreuses entreprises ont du mal à se lancer dans la vision par ordinateur, et anticipent d'autres problèmes de coût et d'évolutivité lorsqu'elles passeront de l'étude de faisabilité (PoC) à la production.
En fin de compte, les différents types d'organisations emprunteront des voies différentes pour se doter de capacités de contrôle qualité des produits améliorées par l'IA. Les grandes entreprises de distribution et les fabricants sont susceptibles de développer des capacités d'IA en interne, tandis que les petites et moyennes entreprises de ces secteurs se tourneront davantage vers des fournisseurs de logiciels indépendants (ISV) et des intégrateurs de solutions (SI) pour obtenir de l'aide. Ces vendeurs et fournisseurs de solutions doivent créer des capacités d'IA renforcées par la vision par ordinateur tout en respectant des contraintes de coûts et de performances très strictes.
Que vous soyez un ISV, un SI, un détaillant ou un fabricant, passons en revue quelques considérations essentielles qui peuvent vous aider à déployer une surveillance de la qualité des produits améliorée par l'IA avec une efficacité et une rapidité optimales.
Entraîner des modèles d'IA pour la vision par ordinateur
Au cœur de toute stratégie de contrôle qualité des produits basée sur la vision par ordinateur se trouve l'utilisation de modèles d'IA à l'edge pour effectuer l'inférence. Les modèles sont d'abord entraînés, avant d'être déployés, pour se spécialiser dans la détection des défauts ou la reconnaissance des dates de péremption. Ils sont ensuite déployés sur des appareils à l'edge dans le cadre du logiciel accéléré par l'IA qui analyse les données des caméras pour identifier les problèmes et les signaler au personnel afin qu'il puisse prendre les mesures nécessaires pour les résoudre.
Alors que les entreprises des secteurs de la vente au détail et de la fabrication sont plus enclines à entraîner ces modèles à partir de zéro ou à ajuster (fine-tuning) les modèles existants à l'aide de leur personnel en interne, les petites et moyennes entreprises choisiront probablement de s'appuyer sur leurs partenaires technologiques pour les aider à mettre en place les capacités d'IA dont elles ont besoin. Il peut s'agir simplement d'acheter à un ISV une solution conçue pour leur cas d'utilisation spécifique. Elles peuvent également faire appel à un SI pour assembler plusieurs solutions et s'occuper de la personnalisation du modèle qui s'impose.
Lorsque vous cherchez à mettre en place des solutions de vision par ordinateur, il est important de se rappeler qu'il n'est pas nécessaire de partir de zéro. Les modèles existants, dont beaucoup sont disponibles gratuitement en ligne, peuvent servir de point de départ à la personnalisation, et contribuer à accélérer vos efforts. Par exemple, Open Model Zoo pour le kit d'outils OpenVINO™ fournit une gamme de modèles de Deep Learning qui peuvent être ré-entraînés ou ajustés pour les applications cibles.
Matériel
Du point de vue matériel, vous aurez besoin de différents niveaux de calcul, en fonction de la tâche d'entraînement que vous entreprenez.
Si vous partez d'un modèle existant pour répondre à vos besoins ou à ceux de vos clients, vous pourrez peut-être l'ajuster ou le ré-entraîner à l'aide d'un matériel polyvalent rentable. Vous éviterez ainsi de surinvestir dans des ressources spécialisées dont vous n'avez pas vraiment besoin, tout en réduisant la complexité globale de l'architecture.
L'entraînement de modèles complexes à partir de zéro pourrait toutefois nécessiter les performances avancées d'accélérateurs spécialisés conçus pour les charges de travail d'IA. Ces technologies sont conçues dès le départ pour offrir les performances extrêmes nécessaires à l'entraînement de modèles complexes avec des ensembles de paramètres massifs.
Par exemple, les accélérateurs d'IA Intel® Gaudi™ sont spécialement conçus pour soutenir les charges de travail d'entraînement et d'inférence exigeantes de l'IA. Pour le ré-entraînement et l'ajustement, les processeurs Intel® Xeon® Scalable avec moteurs d'IA intégrés sont particulièrement bien adaptés pour vous aider à répondre aux exigences de performances avec une architecture CPU uniquement.
Logiciels
Pour de nombreuses organisations, l'un des principaux défis consiste à traduire l'expertise de leurs équipes, spécifique à un domaine ou à un secteur, en solutions d'IA utilisables. Diverses plateformes logicielles sont disponibles pour vous aider à résoudre ce défi. Ces outils peuvent accélérer considérablement le délai de rentabilité des initiatives de développement de solutions de vision par ordinateur.
Par exemple, la plateforme Intel® Geti permet aux experts du secteur de créer des modèles d'IA prêts à la production rapidement et en collaboration dans une interface unique, avec un minimum d'expertise en science des données. Les utilisateurs peuvent facilement ajouter des images ou des données vidéo, créer des annotations et entraîner, ré-entraîner, exporter et optimiser les modèles d'IA en vue de leur déploiement.
Déploiement de modèles d'IA sur du matériel à l'Edge pour la vision par ordinateur
De nombreuses entreprises partent du principe que le déploiement d'un contrôle qualité basé sur la vision par ordinateur nécessite toujours une infrastructure de pointe équipée de GPU. Cette hypothèse n'est pas tout à fait vraie. Les fabricants et les détaillants peuvent désormais utiliser des ressources matérielles communes pour alimenter la vision par ordinateur de l'IA à l'edge.
Les CPU modernes sont bien équipés pour gérer les charges de travail de vision par ordinateur à l'edge. Comme pour l'entraînement, le fait de s'appuyer sur les CPU pour l'inférence à l'edge permet d'éviter le surinvestissement technologique, de rationaliser les déploiements et d'optimiser l'efficacité énergétique. Les CPU peuvent être facilement déployés dans des systèmes compacts prêts à l'emploi, afin de prendre en charge la grande variété d'environnements d'exploitation présents à l'edge.
Les CPU tels que les processeurs Intel® Xeon® et Intel® Core™ Ultra offrent des performances d'IA écoénergétiques, idéales pour les charges de travail de vision par ordinateur à l'edge.
De nombreux fabricants et détaillants utilisent déjà des systèmes critiques à l'edge dotés de CPU, notamment des systèmes de point de vente et des infrastructures IT/OT définies par logiciel. Dans de nombreux cas, ces investissements existants peuvent prendre en charge la vision par ordinateur à l'edge tout en minimisant la nécessité d'acheter du matériel supplémentaire.
Si nécessaire, le matériel GPU peut être utilisé pour répondre à des exigences de performances plus élevées. Les technologies GPU sont généralement plus gourmandes en énergie et plus encombrantes, mais elles permettent des déploiements à l'edge pour prendre en charge des capacités avancées et des cas d'utilisation innovants.
Par exemple, nous proposons à la fois le GPU Intel® Arc et l'Intel® Data Center GPU Flex pour mettre en place des capacités avancées de vision par ordinateur à l'edge.
Cela dit, le matériel n'est qu'un aspect de l'équation. Les ISV et les SI doivent pouvoir aider leurs clients du secteur de la distribution et de l'industrie à gérer plus facilement des environnements de déploiement hétérogènes, à optimiser les performances et à simplifier le développement de modèles. Ils peuvent exploiter des ressources logicielles afin d'accélérer et de rationaliser leurs efforts.
Par exemple, le kit d'outils OpenVINO™ peut vous aider à optimiser, ajuster et exécuter une inférence d'IA complète à l'aide d'un optimiseur de modèle inclus et d'outils d'exécution et de développement. Ce kit d'outils open source accélère l'inférence de l'IA avec une latence plus faible et un débit plus élevé tout en maintenant la précision, en réduisant l'empreinte du modèle et en optimisant l'utilisation du matériel, autant d'ingrédients essentiels à l'évolutivité de la vision par ordinateur dans plusieurs usines ou magasins. Il peut également être utilisé pour convertir et optimiser des modèles entraînés à l'aide de frameworks populaires tels que TensorFlow et PyTorch.
Basé sur Intel® oneAPI, OpenVINO™ aide les SI et les ISV à déployer plus facilement l'inférence de l'IA à l'edge pour prendre en charge les solutions de vision par ordinateur. En utilisant le kit d'outils OpenVINO™, vous garantissez que vos offres logicielles peuvent fonctionner sur le large éventail de matériel que les détaillants et les fabricants peuvent déjà avoir déployé. Il simplifie également les exigences techniques pour les nouveaux déploiements.
Ce type de flexibilité permet de mettre en place des solutions à l'edge évolutives et légères, capables de fournir des informations en temps quasi-réel sans dépendre d'une infrastructure Cloud. Ce faisant, ces solutions sur site évitent les problèmes de coût, de complexité et de sécurité liés au transport des données vers le Cloud pour leur traitement.
Lancez-vous sans plus attendre
Pour les ISV, les SI et les détaillants et fabricants qu'ils servent, le moment est venu d'adopter une approche évolutive et efficace du contrôle qualité des produits basé sur l'IA. Intel et son écosystème de partenaires s'engagent à fournir les technologies ouvertes et interopérables dont vous avez besoin.
Alors que vous continuez à explorer les possibilités de développement de solutions qui s'offrent à vous, gardez à l'esprit que vous pouvez essayer vous-même un grand nombre des technologies matérielles et logicielles abordées dans cet article via le Cloud Intel® Tiber™ pour les développeurs