Solution logicielle personnalisée

Personnalisez votre logiciel ! ZEISS ZEN core peut être élargi en utilisant l'environnement macro propre au logiciel (OAD - Open Application Development) et Python. La bibliothèque ZEN pour l'analyse et le contrôle avancés du logiciel est disponible gratuitement sur github.com. Résultat, vous pouvez résoudre les tâches d'analyse les plus complexes soit en utilisant le code Open Source et votre propre programmation, soit en tant que service de ZEISS. Nous nous ferons un plaisir de vous conseiller.

Le logiciel standard ne répond pas à tous vos besoins ? Nous vous proposons une solution logicielle personnalisée pour les analyses d'images complexes, adaptée précisément à vos exigences et à vos souhaits.

• Commande et chargement du robot
• Connexion à un logiciel externe
• Analyses en arrière-plan
• Intégration dans des flux de tâches complets
• Contrôle des systèmes externes et de l'éclairage

Smith & Nephew est une entreprise britannique internationale qui fabrique des dispositifs médicaux et des produits innovants pour le traitement des plaies et l'arthroscopie, la traumatologie et la thérapie clinique ainsi que la reconstruction orthopédique.

Situation
Smith & Nephew était à la recherche d'un logiciel permettant d'évaluer l'épaisseur de la couche et la porosité des revêtements sur les implants médicaux conformément à la norme ASTM F1854. Les solutions ZEISS ZEN core standard ne permettaient d'obtenir des résultats que jusqu'à un certain point et ne répondaient pas entièrement aux exigences du client.

Notre solution
ZEISS s'est attaqué au problème et a développé une solution logicielle personnalisée pour l'entreprise. Grâce à l'extension du logiciel ZEISS ZEN core avec un module personnalisé dédié à la détection de l'épaisseur du revêtement basée sur l'IA, à la mesure de la porosité dans un flux de tâches automatisé et à un rapport défini par l'utilisateur, tous les besoins et exigences de Smith & Nephew ont pu être satisfaits.

Les avantages

• L'automatisation par l'IA permet de gagner en productivité
• Les influences humaines sont réduites

L'électromobilité fait l'objet d'une attention croissante, les batteries lithium-ion jouant un rôle clé dans l'automobile. Si la capacité et la longévité des batteries sont des critères importants, il n'en va pas autrement de leur sécurité. Pour vérifier si la batterie présente des défauts, les réseaux neuronaux peuvent contribuer à la détection automatique des défauts à l'échelle microscopique.

Dans le cadre d'un projet, l'université d'Aalen a examiné plus en détail une batterie prismatique au lithium-ion (NMC) destinée aux véhicules électriques rechargeables, à l'aide des modules d'IA de la suite logicielle ZEN core. Un modèle d'intelligence artificielle a été formé pour reconnaître et évaluer la microstructure de la batterie, permettant de localiser les défauts tels que les fissures, les plis, les inclusions, etc.

Les résultats des analyses peuvent être illustrés à l'aide d'une carte thermique (voir l'image). Les couleurs bleues représentent des écarts mineurs ou nuls par rapport à la structure attendue. Plus la proportion de rouge dans cette visualisation est élevée, plus le résultat s'écarte de la structure apprise et signale un défaut. Ces analyses peuvent garantir la sécurité et le respect des normes de qualité de la batterie lithium-ion^{. 1}