Visual automation platform

Computer vision project basics #1 – Quels sont les critères à respecter avant de lancer un projet de reconnaissance d’image ?

Le potentiel de l’intelligence artificielle et de la reconnaissance d’image au service des entreprises est immense. De l’optimisation des process à une meilleure connaissance de la réalité du terrain, en passant par l’automatisation de certaines tâches telles que le contrôle qualité, la reconnaissance d’image permet aux entreprises d’entrer dans une deuxième vague de digitalisation. Cependant, avant de lancer l’élaboration d’un projet de Computer Vision, il est nécessaire de se demander si cette technologie est bien adaptée à la tâche à automatiser et quels sont les critères pour qu’un tel projet puisse naître.

Aloïs Brunel, Directeur du produit chez Deepomatic, détaille les différents critères de faisabilité à l’occasion d’un webinaire Deepomatic le 2 Mars 2020.

La tâche que l’entreprise souhaite automatiser peut-elle être résolue grâce à la reconnaissance d’image ? Pour répondre à cette question essentielle, 4 critères de faisabilité sont à prendre en compte :

 

  • Être visuelle :  La vue, c’est-à-dire le caractère visuel de la tâche, doit être au centre du processus à automatiser. Par exemple, la détection d’anomalies de pièces mécaniques sur une chaîne de production est une tâche qui ne peut s’exécuter que visuellement. Il est donc facile de substituer la vue humaine par une caméra équipée d’une solution de reconnaissance d’image qui va analyser la pièce, détecter les problèmes éventuels et transmettre les rapports de façon automatique. 

 

  • Exécutable par un opérateur humain. Peu importe son niveau de complexité, la tâche à résoudre doit cependant pouvoir être traitée par un technicien physique. La technologie de reconnaissance d’image fonctionne de manière similaire à l’œil humain. Cela implique donc que si un opérateur humain n’est pas capable d’effectuer la tâche à automatiser, il y a peu de chance que le système automatisé y parvienne.

 

  • La tâche est déjà effectuée par un opérateur. Avoir un opérateur humain effectuant déjà cette tâche, même à petit échelle, est un vrai plus. C’est la confirmation que la tâche existe et est déjà traitée. Cela permet de faciliter sa digitalisation, plutôt que d’avoir à créer un tout nouveau processus pour l’exécuter.

 

  • Les données sont disponibles facilement. Avoir des données prêtes à être exploitées permet de savoir rapidement si la reconnaissance d’image est en capacité de fonctionner. Si le processus actuel de la tâche à automatiser inclut la prise de photo ou qu’un système de captation de la donnée est déjà en place, la mise en place d’une solution de reconnaissance d’image va s’en trouver facilitée.  Le meilleur moyen d’accéder à ces données est d’avoir déjà un opérateur effectuant la tâche manuellement, dans un poste de surveillance par exemple. 
 

 

Ces critères ne sont pas des conditions obligatoires à respecter pour se lancer dans l’élaboration d’un projet de computer vision. Ils permettent d’évaluer la faisabilité d’un projet, d’apprécier si la reconnaissance d’image est bien adaptée au besoin de l’entreprise et, in fine, le délai pour la mise en production d’un tel projet. Si un des critères n’est pas respecté, la mise en place de la reconnaissance d’image au sein de l’entreprise sera plus longue et plus coûteuse, mais pas impossible. 

 

Cet article est la première partie d’un ensemble de 5 articles dédiés aux étapes déterminantes permettant la réussite d’un projet de reconnaissance d’image. Consultez l’entièreté du webinar ici.

 

Pour consulter les cas d’usages, développés avec Deepomatic, cliquez ici. 

Pour connaître les 6 étapes pour construire votre propre système de reconnaissance d’image, cliquez ici.

Vous aimerez aussi

L’anonymisation des données, un challenge à relever !
RSE : Deepomatic passe à l’action pour réduire son empreinte carbone
5 conseils pour rendre sa démarche de comptabilité carbone fructueuse
Comment concilier IA et RGPD ? La reconnaissance d’image pour la smart city
La révolution de l’intelligence artificielle commence avec la reconnaissance visuelle
Pourquoi le secteur tech a t-il besoin de plus de transparence ?

OÙ NOUS TROUVER?

Deepomatic New York
135 East 57th street, 16th floor
New York, NY 10022

Deepomatic Paris
53 rue de Turbigo, 75 003 Paris

©Deepomatic 2020 – Privacy Policy

Ce site web utilise des cookies pour améliorer votre expérience. Pour modifier vos paramètres de cookies ou en savoir plus, cliquez ici. Si vous continuez à naviguer sur notre site web, vous acceptez ces cookies.