[TRIBUNE de Paul Eyre, ZEBRA TECHNOLOGIES] Depuis 25 ans, la vision industrielle est une technologie qui a su faire ses preuves dans l’industrie manufacturière. Son adoption dans la logistique a toutefois été plus lente en raison de la nature peu structurée des entrepôts, caractérisés par une grande diversité de formes de colis, de matériaux et de positionnements des étiquettes. Aujourd’hui, la convergence de la détection 3D haute résolution, du deep learning et des technologies IoT avancées permet désormais à la vision industrielle de répondre aux complexités de la logistique. Analyse de Paul Eyre, Directeur de la vision industrielle pour la logistique chez Zebra Technologies.
Le rapport Impact of Intelligent Operations mené récemment par la cabinet d’étude Oxford Economics révèle que trois quarts des décideurs de la logistique estiment que l’analyse des données n’est réalisée que dans certaines parties de leur entreprise ou reste limitée et cloisonnée.
La véritable avancée dans la logistique réside donc dans l’intégration de la vision industrielle à des technologies complémentaires afin de décloisonner ces données.
Les plateformes logicielles avancées peuvent désormais agréger et analyser des flux provenant de multiples sources, grâce à la vision industrielle. Elles offrent ainsi une vue unique et complète du parcours et de l’état d’un produit.
L’IA change la donne
Les systèmes de vision peuvent aujourd’hui gérer la grande diversité de variations et d’anomalies propres aux environnements logistiques. En entraînant les modèles à partir de jeux de données et d’images de référence de produits conformes, l’algorithme apprend à identifier tout écart par rapport à cette norme.
Une analyse plus fine et contextualisée des flux de colis devient ainsi possible, dépassant la simple logique "bloqué ou non bloqué" des anciennes cellules photoélectriques. Cette analyse contextuelle est particulièrement utile pour traiter les blocages coûteux sur les convoyeurs.
Des caméras intelligentes associées à l’IA surveillent en continu les flux de colis et analysent notamment leur vitesse et les niveaux de congestion afin de distinguer un véritable blocage d’un ralentissement temporaire.
Lorsqu’un véritable blocage est identifié, les opérateurs reçoivent une alerte visuelle leur permettant d’intervenir rapidement, tandis que les équipes restent concentrées sur des tâches à plus forte valeur ajoutée.
La vision 3D : ajouter la profondeur et le contexte
Si l’imagerie 2D constitue une base essentielle pour l’identification, les opérations logistiques modernes nécessitent une compréhension plus précise de l’espace physique, rendue possible par la vision 3D.
Le dimensionnement d’objets non cubiques, l’optimisation du chargement des palettes ou le guidage robotisé nécessitent en effet une connaissance détaillée du volume et de la position des objets.
Les nouvelles générations de technologies de détection 3D, comme la lumière structurée parallèle, offrent la précision nécessaire. Elles permettent de capturer plusieurs images 3D virtuelles au cours d’une seule exposition et ainsi de scanner en haute résolution des objets se déplaçant à grande vitesse.
Cette approche limite les distorsions liées au mouvement et permet un guidage robotisé fiable ainsi que des applications avancées de prélèvement dans des bacs en entrepôt. De leur côté, les systèmes composés de plusieurs caméras génèrent des nuages de points détaillés.
En convertissant les données de profondeur en mesures volumétriques précises, le système peut calculer l’espace disponible dans un bac, sur une palette ou dans un camion.
Un point de convergence entre vision industrielle, RFID et scan
Imaginons un quai de réception d’entrepôt équipé de plusieurs solutions installées au-dessus et sur les côtés :
- Caméras et logiciels de vision industrielle 2D et 3D, pour capturer les données volumétriques, de surface et de caractères nécessaires au dimensionnement, à la reconnaissance, à l’inspection et aux contrôles de conformité
- Scanners industriels fixes, pour la lecture et l’identification rapides des codes-barres
- Lecteurs RFID directionnels de nouvelle génération, associés à des logiciels d’analyse de localisation pour identifier les produits étiquetés et déterminer leur sens de déplacement
- Plateformes IoT industrielles, capables de connecter différentes solutions et différents capteurs de capture de données afin de fournir les informations nécessaires sur les stocks et l’environnement.
C’est ce que l’on peut appeler l’intelligence des stocks en périphérie : chaque caractéristique physique d’un colis est capturée puis instantanément transformée en données exploitables, réinjectées dans les workflows opérationnels pour optimiser aussi bien la manutention des colis que le respect des niveaux de service.
Des données brutes à l’intelligence en périphérie de réseau
Cette agrégation des données en périphérie s’effectue directement dans l’entrepôt. Les importants volumes de données provenant des différents capteurs installés autour du quai ou du convoyeur sont traités localement, notamment sur des caméras et capteurs, des contrôleurs de vision ou des serveurs edge équipés d’unités de traitement neuronal (NPU) conçues pour les charges de travail liées à l’IA.
Cette architecture permet de réduire considérablement la latence, puisque l’analyse initiale ne nécessite pas d’aller-retour vers un cloud privé distant. Ces différentes informations créent en temps réel un ensemble de données riche et consolidé pour chaque colis, qui peut ensuite alimenter le système de gestion d’entrepôt (WMS) ou d’autres logiciels opérationnels. Le secteur de la logistique dépasse aujourd’hui les contraintes qui freinaient autrefois l’adoption de la vision industrielle.
L’intégration de l’IA, des technologies avancées de détection 3D et d’autres solutions de capture de données, comme la RFID, ouvre une nouvelle voie.
En plaçant la vision industrielle au cœur d’un écosystème connecté de capteurs, les organisations peuvent désormais envisager de créer un jumeau numérique beaucoup plus détaillé et dynamique de leurs opérations.
