Numérisation et caractérisation de la réflectancelocale des surfaces complexes pour l'inspection visuelle

Digitization and characterization of local reflectance of complex surfaces for visual inspection

• Auteur / Autrice : Marvin Nurit
• Direction : Alamin Mansouri, Gaëtan Le Goïc
• Type : Thèse de doctorat
• Discipline(s) : Instrumentation et informatique de l'image
• Date : Soutenance le 24/03/2022
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Imagerie et Vision Artificielle (ImVia) (Dijon)
• Partenaire(s) de recherche : Etablissement de préparation : Université de Bourgogne (1970-....)
• Jury : Président / Présidente : Saida Bouakaz-Brondel
• Jury : Examinateurs / Examinatrices : Hermine Chatoux, Jean-Luc Maire, Jean-José Orteu
• Jury : Rapporteurs / Rapporteuses : Maxence Bigerelle, Sylvie, Julie Chambon

Mots clés

Mots clés contrôlés

Qualité -- Contrôle

Produits industriels

Vision artificielle (robotique)

Mots clés libres

Apparence des matériaux

Vision Artificielle

Inspection qualité

Reflectance Transformation Imaging

Material Appearance

Artificial Vision

Quality inspection

Reflectance Transformation Imaging

Résumé

La maitrise de la perception visuelle des surfaces des produits manufacturés est un enjeu central pour l'industrie. Or, en entreprise, la qualité des surfaces est souvent évaluée par des contrôleur humain. Seul quelques cas spécifiques utilisent une approche instrumentale ou photométrique. Parmi les approches photométriques, l'une d'elle connaît un essor important: le Reflectance Transformation Imaging (RTI). Le RTI permet d'obtenir une estimation réduite et simplifié de la Bidirectional Reflectance Distribution Function (BRDF) et une estimation de la géométrie de la surface. Cependant cette technique présente des limites au niveau de l'acquisition et du traitement des données. L'objectif est donc de corriger certaines de ces limites afin d'améliorer le RTI et, par conséquent, le contrôle qualité visuel des états de surfaces dans l'industrie.L'une de ces limites est la grande quantité de données, complexe à analyser, obtenue avec une acquisition RTI. Nous proposons une méthodologie afin de caractériser l'apparence des surfaces à partir mesures RTI. La caractérisation des états de surface est basée sur l'utilisation de descripteurs d'apparence, statistiques et géométriques. A partir des descripteurs extraits des acquisitions RTI nous proposons une méthode afin d'estimer la saillance visuelle multi-échelle et multi-niveau en chaque pixel et permettre ainsi de discriminer les anomalies de surfaces. Une méthodologie, pour segmenter les données RTI en utilisant la saillance, est ensuite appliqué sur un cas d'application. La méthode permet de déterminer les descripteurs les plus pertinents pour la segmentation. Le calcul de distance est étendue aux acquisitions RTI afin de comparer les états de surface. Ces méthodes se basent sur la distance de Mahalanobis en utilisant les descripteurs.Une autre des limites du RTI correspond aux biais de mesure. Certains descripteurs sont invariant à ces biais de mesures sauf celui du temps d'exposition pour lequel aucun descripteurs est insensible. Nous proposons alors d'utiliser le High Dynamic Range (HDR) couplé au RTI (HD-RTI). Le couplage est fait de façon à prendre en compte les spécificité de chacune des techniques afin d'optimiser le temps d'acquisition du RTI tout en permettant la pleine mesure de la Dynamique de la scène en chaque position angulaire de la source de lumière. Avec les donnée stéréo-photométrique HD-RTI, nous pouvons reconstruire virtuellement la scène en simulant un temps d'exposition arbitraire, mais aussi, mieux caractériser et donc discriminer les anomalies de surfaces.

Mastering the visual perception of the surfaces of manufactured products is a central issue for industry. However, in industry, the quality of surfaces is often assessed by human inspectors. Only a few specific cases use an instrumental or photometric approach. Among the photometric approaches, one of them is experiencing significant growth: Reflectance Transformation Imaging (RTI). The RTI makes it possible to obtain a reduced and simplified estimate of the Bidirectional Reflectance Distribution Function (BRDF) and an estimate of the geometry of the surface. However, this technique has limitations in terms of data acquisition and processing. The objective is therefore to correct some of these limits in order to improve the RTI and, consequently, the visual quality control of surface conditions in industry.One of these limitations is the large amount of data, complex to analyze, obtained with an RTI acquisition. We propose a methodology to characterize the appearance of surfaces from RTI measurements. The characterization of surface states is based on the use of appearance, statistical and geometric descriptors. From the descriptors extracted from the RTI acquisitions, we propose a method to estimate the multi-scale and multi-level visual salience in each pixel and thus make it possible to discriminate surface anomalies. A methodology, to segment RTI data using salience, is then applied to an application case. The method makes it possible to determine the most relevant descriptors for segmentation. Distance calculation is extended to RTI acquisitions in order to compare surface states. These methods are based on the Mahalanobis distance using the descriptors.Another limitation of RTI is measurement bias. Some descriptors are invariant to these measurement biases except that of the exposure time for which no descriptor is insensitive. We then propose to use High Dynamic Range (HDR) coupled with RTI (HD-RTI). The coupling is done in such a way as to take into account the specificities of each of the techniques in order to optimize the RTI acquisition time while allowing the full measurement of the Dynamics of the scene in each angular position of the light source. With HD-RTI stereo-photometric data, we can virtually reconstruct the scene by simulating an arbitrary exposure time, but also better characterize and therefore discriminate surface anomalies.