Assistant QA visuel : comment l'IA embarquée et Qt transforment l'assurance qualité

L'assurance qualité dans le secteur manufacturier a traditionnellement reposé sur des indicateurs simples, tels que des marqueurs rouges ou verts, des cartes thermiques et l'inspection visuelle. Ces indicateurs laissent très souvent les opérateurs dans l'incertitude. Bien que ces systèmes puissent indiquer qu'un problème existe, ils expliquent rarement pourquoi ce problème est important ou quelle est sa gravité. La formation peut être longue pour le nouveau personnel, et même les opérateurs expérimentés peuvent avoir des difficultés à interpréter des signaux visuels ambigus.

C'est là qu'intervient l'inspection visuelle assistée par IA. En combinant l'analyse d'images en temps réel avec l'apprentissage automatique, les fabricants peuvent détecter les défauts plus rapidement, plus précisément et avec une meilleure compréhension. Cependant, la détection seule ne suffit pas – les opérateurs ont besoin d'explications compréhensibles. C'est pourquoi l'IA explicable et des interfaces intuitives et conviviales pour les opérateurs sont essentielles pour transformer l'assurance qualité d'un processus statique et opaque en un processus dynamique et exploitable.

Qu'est-ce que l'Assistant QA Visuel ?

L'Assistant QA Visuel est un module d'inspection intelligent conçue pour répondre aux défis les plus pressants en matière d'assurance qualité dans la fabrication moderne. Il transforme le contrôle qualité traditionnel, un processus statique et largement basé sur l'estimation, en une expérience intelligente et conviviale pour les opérateurs, en combinant la détection des défauts assistée par l'IA, l'informatique en périphérie et une interface utilisateur intuitive basée sur Qt.

Ce système est idéal pour les OEM et les intégrateurs cherchant à moderniser leurs flux de travail QA grâce à une IA explicable et une technologie flexible et évolutive. Il fournit des informations exploitables en temps réel, aidant les opérateurs à comprendre non seulement ce qui ne va pas, mais aussi pourquoi cela compte. Ces informations sont affichées via des superpositions visuelles claires, des explications en langage naturel et un retour vocal optionnel.

Vous souhaitez construire vous-même des systèmes QA ? Consultez nos offres d'emploi !

Postuler maintenant

Postuler maintenant

Voici comment cela fonctionne en pratique :

• Il scanne des pièces physiques réelles à l'aide d'une caméra haute résolution.
• Les défauts sont détectés à l'aide de modèles d'apprentissage profond via l'API Qt AI Inference, exécutée directement sur une carte Renesas RZ/V2H Vision AI en périphérie.
• Il fournit des explications en langage naturel sur les problèmes détectés, en décrivant clairement ce qui ne va pas et pourquoi cela compte.
• Les résultats sont affichés visuellement au moyen de superpositions et d'annotations d'images, et un retour vocal est proposé en option supplémentaire pour une expérience multimodale.
• La configuration de démonstration compacte nécessite environ 1 m² d'espace et se compose d'un boîtier dédié, d'une caméra, d'un écran et d'un ordinateur monocarte.

Exemple de sortie :

Le condensateur semble manquer dans le coin supérieur droit. Cela peut entraîner une instabilité de tension.

Capacités clés pour un QA plus intelligent :

• Architecture légère et modulaire: conçu comme un module Qt autonome et prêt à l'emploi qui s'intègre parfaitement aux installations industrielles existantes, offrant flexibilité et évolutivité.
• Démonstration marquante en salon professionnel: une configuration visuellement impressionnante et pratique qui démontre rapidement Qt comme une pile complète d'intelligence en périphérie.
• Explications en langage naturel : aller au-delà des simples indicateurs rouge/vert, en décrivant clairement les défauts en langage courant afin que les opérateurs puissent comprendre instantanément ce qui ne va pas et pourquoi.
• Fonctionnement en périphérie: fonctionne entièrement sur un ASUS NUC + Renesas RZ Vision AI / V2H, sans dépendance à la connectivité cloud. Cela garantit une faible latence et une inspection fiable.
• inspection visuelle assistée par IAutilise une caméra et l'apprentissage profond pour détecter les défauts sur des composants physiques réels en temps réel.
• Retour d'information multimodalcommunique les résultats par le biais de superpositions visuelles, d'explications textuelles et d'alertes vocales ou sonores facultatives, offrant ainsi une expérience opérateur plus riche et plus intuitive.
• Architecture légère et modulaire: conçu comme un module Qt autonome et prêt à l'emploi qui s'intègre parfaitement aux installations industrielles existantes, offrant flexibilité et évolutivité.

Pourquoi le Visual QA Assistant est le choix judicieux pour le QA ?

• Moins de défauts non détectés dans les produits commercialisés – Les problèmes sont identifiés plus tôt et plus précisément, réduisant le risque que des défauts atteignent le client.
• Réduction des faux aspects positifs – L'assistant aide à distinguer les défauts réels du bruit, minimisant les reprises inutiles et les ralentissements de production.
• Auditabilité améliorée et simplifiée – Les décisions de QA sont plus faciles à examiner, expliquer et vérifier lors des audits internes et externes.
• Moins d'ambiguïté dans les décisions de QA – Les opérateurs comprennent clairement ce qu'est le défaut et son impact sur le produit—fini les suppositions ou les interprétations subjectives.
• Intégration plus rapide des nouveaux employés – L'assistant agit comme un « formateur », guidant le nouveau personnel QA et accélérant leur montée en productivité.
• Meilleure traçabilité – Des explications textuelles combinées à des superpositions visuelles soutiennent les audits et l'analyse des causes profondes des défauts.
• Modèle prêt à l'emploi pour les équipementiers – Les OEM peuvent intégrer leurs propres modèles et composants dans une stack éprouvée Qt et edge-computing.

La technologie derrière l'assistant

Le Visual QA Assistant s'appuie sur une pile technologique robuste, axée sur l'edge, pour fournir une inspection visuelle en temps réel et explicable :

• API d'inférence Qt AI Sert de pont entre les modèles de détection de défauts en temps réel et les LLM locaux, permettant une analyse assistée par IA et des explications en langage naturel en périphérie.
• Interface utilisateur Qt Quick / QML – Fournit une interface intuitive et réactive avec des superpositions visuelles, des annotations d'images et un retour interactif, ce qui permet aux opérateurs de comprendre facilement les résultats d'inspection.
• Qt Application Manager – Assure un déploiement et une gestion sécurisés des applications sur les appareils en périphérie, soutenant des opérations fiables dans les environnements industriels.
• Qt Multimedia – Prise en charge optionnelle des alertes vocales ou sonores, permettant un retour multimodal qui renforce les résultats de l'inspection visuelle.
• Inférence locale en périphérie – Tous les traitements AI et LLM s'exécutent localement sur des appareils tels que Raspberry Pi, NUC ou des ordinateurs monocartes à base d'ARM, éliminant ainsi la dépendance à la connectivité cloud et réduisant la latence.

Cette stack permet à l'outil de fonctionner comme une solution d'inspection entièrement autonome, modulaire et évolutive, combinant intelligence IA, insights explicables et HMI industrielle moderne dans un ensemble unique déployable en périphérie.

Qt comme fondation de référence pour l'IA en périphérie et l'IHM industrielle

Qt sert de hub pour l'IA en périphérie, connectant de manière transparente l'inspection visuelle, l'inférence LLM locale et une HMI industrielle au sein d'un cadre unique et indépendant du cloud. Qt unit les caméras, les modèles d'IA et les explications en langage naturel pour créer un système cohérent.

Elle fournit également aux opérateurs une IA explicable qu'ils peuvent comprendre immédiatement en remplaçant les heatmaps abstraites par des superpositions visuelles claires et des informations en langage simple diffusées via une interface utilisateur intuitive.

Enfin, elle fournit une architecture de référence pour les fabricants d'équipements d'origine et les intégrateurs, permettant l'intégration de modèles, de pièces et de machines personnalisés tout en conservant la même HMI et la même logique applicative basées sur Qt.

Au cœur de l'architecture de l'assistant

En ce qui concerne l'architecture applicative, le Visual QA Assistant repose sur une architecture modulaire orientée edge, conçue pour permettre la détection de défauts en temps réel et fournir un retour d'IA explicable. Les images de la caméra sont capturées et analysées immédiatement par un modèle de segmentation des fissures, qui met en évidence tout défaut détecté et envoie les images annotées à un serveur TCP. Un client TCP sur une machine connectée reçoit ensuite ces images, ainsi que les informations relatives aux défauts détectés. Le module CameraProvider récupère alors les images pour un affichage en direct, offrant aux opérateurs une vue instantanée de l'inspection. Les images contenant des défauts sont placées dans une file de traitement et envoyées séquentiellement à l'interface Qt AI, qui les transmet à un service hébergé localement Ollama serveur. Le LLM analyse chaque image et renvoie une description en langage naturel de tout dommage visible.

Les résultats sont enfin présentés dans la vue liste de scans de l'application, combinant des superpositions visuelles sur les images avec des explications textuelles claires afin de fournir aux opérateurs des informations exploitables en temps réel.

À vous de jouer

Notre assistant démontre comment intelligence artificielle, l'inspection explicable et les HMI modernes basées sur Qt peuvent être développées en solutions pratiques. Conçues en tenant compte des contraintes industrielles réelles, elles peuvent être intégrées de manière transparente dans inspection des produits en fin de ligne, contrôles qualité des composants entrants, vérification de l'assemblage, et audits qualité de la maintenance et du service. Cela est possible même dans des environnements exigeants, comme ceux de l'industrie de la fabrication de biens de consommation.

En tant quePartenaire Premium Qt, nous nous appuyons sur une pile technologique éprouvée Qt et edge et présentons régulièrement l'assistant sous forme de démonstration en direct sur les stands d'exposition de Qt lors de grands événements du secteur, notamment SPS à Nuremberg et Embedded World 2026. Là, son installation physique, sa détection de défauts en temps réel et ses explications en langage clair ont été très bien accueillies par les OEM, les intégrateurs de systèmes et les professionnels de l'assurance qualité cherchant à moderniser les processus d'inspection.

Si vous souhaitez voir comment cette approche fonctionne en pratique ou construire vous-même des systèmes QA intelligents et explicables, jetez un œil ànos offres d'emploi et rejoignez notre équipe d'experts !