Le 8 Janvier 2021

TraceParts a aidé l’université Purdue dans ses recherches sur les composants mécaniques

Les chercheurs de l’école de génie mécanique de l’université Purdue ont utilisé l’API de TraceParts pour avoir un accès illimité à plus de 120 millions de modèles ...

Domaines

St Romain de Colbosc, le 8 janvier 2021

Une équipe talentueuse d’ingénieurs en mécanique de l’université Purdue aux États-Unis a créé la première base de données annotée complète en code source ouvert. Celle-ci comporte plus de 58 000 composants mécaniques en 3D et vise à aider les chercheurs à appliquer l’apprentissage automatique (machine learning) sur ces composants dans des machines réelles.

TraceParts a aidé l’université Purdue dans ses recherches sur les composants mécaniques
(Cliquez sur l'image pour l'agrandir)

"Nous sommes à l’ère de l’apprentissage approfondi, où nous utilisons les ordinateurs pour rechercher des objets visuellement. Pourtant, personne ne met l’accent sur les composants qui entrent dans les machines, autrement dit les tuyaux, les roulements, les moteurs, les rondelles, les écrous et les boulons, etc. Ce sont des choses qui sont importantes pour nous, en tant qu’ingénieurs et fabricants. Nous voulons pouvoir pointer une caméra sur un composant réel et que l’ordinateur nous dise tout ce qu’il y a à savoir sur ce composant ou cette conception." indique Karthik Ramani, professeur émérite de génie mécanique de la chaire Donald W. Feddersen à l’université Purdue

L’équipe de Karthik Ramani a expérimenté la recherche visuelle de composants dès le début des années 2000, mais la puissance de calcul et les techniques d’apprentissage automatique n’étaient alors pas encore suffisamment avancées. Au cours des années qui ont suivi, les chercheurs ont appris que la constitution d’un solide jeu de données est à la fois une question de qualité et de quantité.

"L’apprentissage approfondi est gourmand en données. Il faut beaucoup d’exemples pour que l’ordinateur apprenne ce que les humains veulent dire et comment les choses sont liées entre elles. Cela signifie que nous avions besoin de beaucoup de modèles 3D de composants qui nécessitaient également une classification technique sous-jacente." explique Karthik Ramani.

L’équipe a commencé par s’associer à TraceParts, l’un des principaux fournisseurs mondiaux de contenu numérique 3D pour l’ingénierie, afin d’obtenir un accès illimité, via l’API TraceParts, à une base de données extrêmement complète contenant plus de 120 millions de modèles CAO 3D de composants industriels. L’équipe a collaboré avec le professeur adjoint Qixing Huang de l’université du Texas à Austin pour rechercher dans d’autres bases de données des modèles 3D similaires. Ils ont fini par compiler une base de données de 58 696 composants mécaniques.

L’équipe de Karthik Ramani a organisé les composants en établissant une taxonomie hiérarchique de 68 classes, basée sur la Classification internationale pour les normes (ICS), système de normes techniques créé et tenu à jour par l’Organisation internationale de normalisation (ISO).

"Maintenant, lorsqu’un ordinateur voit l’image d’un composant de joint, il sait qu’il entre dans la catégorie des joints dynamiques et, plus précisément, dans celle des joints composites." détaille Karthik Ramani.

Les chercheurs viennent de publier leur base de données en code source ouvert, invitant les chercheurs en apprentissage automatique et en vision par ordinateur à y accéder et à créer leurs propres expériences. Ils ont présenté leurs travaux lors de la 16e conférence européenne sur la vision par ordinateur en août.

"Nous sommes ravis de nous associer à TraceParts. Comme nous avions besoin de dizaines de milliers de modèles CAO 3D pour nos recherches, l’accès à la base de données de TraceParts a été une aide fantastique, car elle est vaste et suffisamment diversifiée." ajoute Karthik Ramani.


Plus sur TraceParts : www.traceparts.com/fr/

Partager le communiqué

Tweeter Facebook Envoyer par e-mail

Recommandé

Abonnez-vous

Recevez deux fois par mois la synthèse de l'actualité CAO et PLM et gagnez peut-être une imprimante 3D ou une souris 3D (un tirage au sort chaque mois)