Surveillance de l’état des outils assistée par IA dans la préparation automatisée d’échantillons d’acier

Une préparation de surface fiable est essentielle pour garantir une analyse OES précise et reproductible des échantillons d’acier. Cette Application Note compare une méthode conventionnelle d’évaluation d’images basée sur des algorithmes à une approche de segmentation basée sur le deep learning pour la surveillance automatisée de l’usure des inserts de fraisage sur la HS-F 1000 équipée de PrepMaster Vision. Le modèle de deep learning offre une robustesse et une précision nettement améliorées dans des conditions d’imagerie industrielles exigeantes, telles que les réflexions, les variations d’éclairage et les géométries complexes des inserts, tout en présentant des écarts sensiblement plus faibles par rapport aux mesures de référence en microscopie optique et en simplifiant l’adaptation à différents types d’inserts et conditions d’exploitation.