Doppio illuminatore Monitoraggio a raggi UV: confronto con luce naturale principale sono aziende medio-grandi, con fatturati compresi tra 50 e oltre 100 milioni di euro, che non possono permettersi errori nei processi di ispezione. Falsi scarti o difetti non rilevati su produzioni da milioni di pezzi l’ anno rappresentano infatti costi elevatissimi in termini sia economici sia reputazionali.
Due approcci, un’ unica competenza Vision-E adotta un doppio canale operativo collaborando sia con aziende end user, ovvero produttori finali, sia con system integrator specializzati nell’ automazione industriale. Ai primi fornisce soluzioni“ chiavi in mano”, installate direttamente sulle linee di produzione. Ai secondi propone software altamente personalizzabili su licenza, che possono essere integrati nei sistemi di automazione già esistenti, sempre con un supporto tecnico diretto e continuativo. « Il nostro approccio cambia a seconda del tipo di cliente, ma in entrambi i casi la qualità e la precisione della soluzione restano il nostro obiettivo primario », precisa Tondelli.
L’ intelligenza artificiale con metodo Negli ultimi anni, Vision-E ha iniziato a integrare in modo sempre più consistente modelli di intelligenza artificiale, con l’ o- biettivo di potenziare le capacità di riconoscimento e classificazione automatica dei difetti. Tuttavia, l’ approccio adottato è estremamente pragmatico: nessuna promessa di“ bacchetta magica”, ma una visione concreta e ingegneristica. « Non usiamo l’ intelligenza artificiale come stand-alone, ma come parte di un ecosistema. Sviluppiamo internamente i modelli, scegliamo la tipologia migliore e forniamo strumenti per il riaddestramento, ma sempre nell’ ambito del progetto, non lasciando tutto in mano all’ utente », sottolinea Tondelli. L’ obiettivo, quindi, è garantire stabilità e affidabilità sulle linee produttive, riducendo al minimo i tempi di fermo macchina, che rappresentano una delle criticità più grandi per le aziende. « Cambiare una soglia può fermare la macchina per un’ ora. Riaddestrare un modello può significare giorni. E chi interviene? Il modello va pensato per funzionare fin da subito o con minime regolazioni », continua il Computer Vision & Deep Learning Engineer di Vision-E. Per questo motivo, la società Vision-E adotta due strategie differenti a seconda delle necessità: fornire modelli già pronti e robusti, oppure modelli che possono essere facilmente riaddestrati in ambienti controllati, senza compromettere l’ operatività.
Semplicità, intelligenza e autonomia Guardando al futuro, Vision-E ha una visione ben chiara: i sistemi di visione artificiale devono diventare sempre più semplici da usare e gestire. L’ intelligenza
Analisi tessuto: illuminazione dome per eliminare ombre e riflessi artificiale non deve complicare i processi ma semplificarli, rendendo la tecnologia accessibile anche agli operatori meno esperti. « L’ intelligenza artificiale deve rendere i sistemi più semplici, non più complessi. In particolare stiamo già lavorando per integrare sistemi intelligenti in grado di automatizzare l’ autodiagnosi e l’ autoconfigurazione, per migliorare l’ usabilità all’ utilizzatore finale », afferma Tondelli. Oltre all’ IA, anche la visione 3D e multispettrale rappresentano un obiettivo raggiunto. Queste tecnologie permettono di aumentare ulteriormente l’ accuratezza delle ispezioni, rilevando difetti invisibili all’ occhio umano o alla visione tradizionale. Anche qui l’ approccio è sempre orientato al valore pratico: « Non si tratta solo di rilevare meglio i difetti, ma di aiutare chi lavora con questi sistemi a gestirli in modo efficace, senza complicare inutilmente i processi. La tecnologia dev’ essere alleata, non ostacolo », conclude Eric Tondelli. www. techmec. it Giugno 2025 125