Système de vision pour l'inspection et la surveillance de surface : application à l'inspection de roues
Auteur / Autrice : | Karim Tout |
Direction : | Florent Retraint, Rémi Cogranne |
Type : | Thèse de doctorat |
Discipline(s) : | Optimisation et Sûreté des Systèmes |
Date : | Soutenance le 06/04/2018 |
Etablissement(s) : | Troyes |
Ecole(s) doctorale(s) : | Ecole doctorale Sciences pour l'Ingénieur (Troyes, Aube) |
Partenaire(s) de recherche : | Entreprise : Mefro Wheels France SAS |
Laboratoire : Institut Charles Delaunay / ICD | |
Jury : | Président / Présidente : Bachar El Hassan |
Examinateurs / Examinatrices : Rémi Cogranne, Bachar El Hassan, Ali Mohammad-Djafari, Jean-Michel Morel, Christine Fernandez-Malaigne | |
Rapporteurs / Rapporteuses : Ali Mohammad-Djafari, Jean-Michel Morel |
Résumé
L'inspection visuelle des produits industriels a toujours été l'une des applications les plus reconnues du contrôle de qualité. Cette inspection reste en grande partie un processus manuel mené par des opérateurs et ceci rend l’opération peu fiable. Par conséquent, il est nécessaire d'automatiser cette inspection pour une meilleure efficacité. L'objectif principal de cette thèse est de concevoir un système d'inspection visuelle automatique pour l'inspection et la surveillance de la surface du produit. L'application spécifique de l'inspection de roues est considérée pour étudier la conception et l'installation du système d'imagerie. Ensuite, deux méthodes d'inspection sont développées : une méthode de détection des défauts à la surface du produit et une méthode de détection d’un changement brusque dans les paramètres du processus d’inspection non stationnaire. Parce que dans un contexte industriel, il est nécessaire de contrôler le taux de fausses alarmes, les deux méthodes proposées s’inscrivent dans le cadre de la théorie de la décision statistique. Un modèle paramétrique des observations est développé. Les paramètres du modèle sont estimés afin de concevoir un test statistique dont les performances sont analytiquement connues. Enfin, l'impact de la dégradation de l'éclairage sur la performance de détection des défauts est étudié afin de prédire les besoins de maintenance du système d'imagerie. Des résultats numériques sur un grand nombre d'images réelles mettent en évidence la pertinence de l'approche proposée