20 façons d'utiliser la vision par ordinateur en industrie aujourd'hui

L'analyste IoT Analytics chiffrait le marché de la vision par ordinateur industrielle 2025 à 15,6 milliards de dollars, en hausse de 22 % en glissement annuel. La majorité de ces dépenses se cache derrière le jargon métier (« AOI », « QA visuelle »). Voici la liste en clair de ce que la techno fait vraiment sur les vraies lignes de production en 2026, classée par poste sur le shopfloor.

Ces 20 cas d'usage viennent de quatre ans de déploiements Enao, plus des études de cas publiées par Cognex, Keyence, Omron et le Fraunhofer IPM. Chaque item ci-dessous tourne dans au moins une usine aujourd'hui, pas dans un labo de recherche.

Inspection qualité en ligne

1. Détection de défauts de surface sur pièces injectées. Lignes d'écoulement, défauts de remplissage, retassures et dépôts blancs sont signalés sur le tapis avant l'emballage. Les défauts d'injection ont une taxonomie précise et bien connue.

2. Détection de défauts de surface sur carreaux céramiques. Fissures de glaçure, microbulles, éclats de bord et écarts de couleur sont attrapés avant que la palette parte. Le cas céramique est dur parce que les tailles de défauts couvrent trois ordres de grandeur, du trou inférieur au millimètre à la dérive de motif sur tout le carreau.

3. Inspection de surface des profilés PVC. Les extrusions de cadres de fenêtres sont contrôlées pour rayures, marques de brûlure et déformations de profil à des vitesses de ligne supérieures à 30 m/min.

4. Inspection des cordons de soudure. Porosité, caniveau, projections et défaut de fusion sont signalés sur les soudures BIW automobile et les cuves sous pression.

5. Inspection des soudures de composants électroniques. Les systèmes AOI vérifient les soudures SMT pour détecter ponts, tombstoning, composants manquants et pattes décollées à des cadences allant jusqu'à 50 000 composants par heure.

6. Vérification d'étiquettes et d'impression. L'OCR combiné au pattern matching attrape les étiquettes mal imprimées, les mauvais codes de lot et les marquages réglementaires manquants avant qu'ils ne quittent la ligne.

Vérification d'assemblage

7. Contrôle de présence/absence. Chaque boulon, clip, rondelle, joint et connecteur sur un sous-ensemble est vérifié avant que le produit ne descende la ligne. C'est le cas d'usage qui ferme le trou de l'assemblage manuel.

8. Vérification d'orientation. Les pièces installées dans le mauvais sens sont attrapées avant d'être scellées dans un boîtier. Pense aux flèches sur les roulements, aux diodes ou à l'orientation des diodes sur un PCB.

9. Contrôle des marques de couple. La vision par ordinateur lit la marque de peinture qu'une clé dynamométrique laisse, vérifiant que chaque fixation a bien été serrée sur le bon boulon.

10. Mesure d'ajustement et de jeu. Des contrôles dimensionnels sans contact confirment que les panneaux adjacents s'alignent dans les tolérances spécifiées, critique pour l'automobile, l'électroménager et l'assemblage de meubles.

Mesure dimensionnelle

11. Métrologie dimensionnelle sub-pixel. La triangulation par ligne laser et la détection de bords affinée par deep learning mesurent des features à ±5 microns sans contact, remplaçant des machines de mesure tridimensionnelles plus lentes pour les contrôles en ligne.

12. Vérification de forme 3D. Les scanners à lumière structurée et les capteurs à temps de vol comparent chaque pièce à un modèle CAO, signalant les écarts hors tolérance.

Logistique et manutention de matière

13. Tri de colis. La lecture de codes-barres combinée aux contrôles de forme et de dimension oriente les colis dans les centres de distribution à des cadences supérieures à 15 000 par heure.

14. Vérification de palette et de chargement. La vision confirme les motifs d'empilage palette, l'intégrité du film d'emballage et les dimensions de chargement avant que le camion quitte le quai.

15. Bin-picking. Les bras robotisés utilisent la vision 3D et l'estimation de prise par deep learning pour saisir des pièces orientées aléatoirement dans des bacs pour alimentation aval.

Traçabilité et sérialisation

16. Lecture de numéro de série et Data Matrix. Les codes gravés laser, imprimés ou marqués par micro-percussion sont lus à travers les étapes de production pour suivre chaque unité dans l'usine. Les clients Enao s'appuient sur des lecteurs basés iPhone pour ça.

17. Identification de matière première. La vision confirme que le bon lot de matière première ou le bon type de granulé est chargé dans une machine avant le démarrage du run.

Suivi opérateur et process

18. Contrôle de port d'EPI. Les caméras vérifient que les opérateurs portent les lunettes de sécurité, gants et casques requis dans les zones désignées, signalant les écarts en temps réel.

19. Suivi de posture ergonomique. Le tracking squelettique identifie les mauvaises postures répétitives qui corrèlent avec un risque de blessure dans le temps.

20. Vérification de changement de série. La vision confirme que le bon montage, outil ou matrice a été installé après un changement, attrapant les erreurs de mauvais outil qui font partir des lots entiers à la benne.

Quoi faire de cette liste

Choisis une ligne et marche-la. Chaque fois que quelque chose est contrôlé visuellement par un opérateur ou un capteur dédié, demande-toi si le contrôle attrape les défauts de manière fiable. La plupart des opérations industrielles ont entre 6 et 12 des 20 cas d'usage ci-dessus qui tournent quelque part sur site. La question intéressante, c'est lesquels deux manquent et te coûtent le plus en reprises ou en retours.

Si tu veux voir à quoi ressemble un déploiement en 1 à 3 semaines sur tes propres échantillons de défauts, réserve une démo Enao Vision et envoie trois images.