Etude d'un capteur électro-optique pour la détection et la classification temps réel de défauts dans des panneaux alvéolaires translucides

Study of an electro-optic detector for real time detection and classification of faults in translucent alveolar panels

• Auteur / Autrice : Freddy Anstotz
• Direction : Julien Gresser
• Type : Thèse de doctorat
• Discipline(s) : Électronique, électrotechnique, automatique
• Date : Soutenance en 1991
• Etablissement(s) : Mulhouse

Mots clés

Mots clés contrôlés

Traitement optique de l'information

Contrôle non destructif

Qualité -- Contrôle

Détection de défaut (ingénierie)

Dispositifs électrooptiques

Résumé

Cette étude concerne le contrôle non destructif de panneaux alvéolaires translucides. Les caractéristiques optiques des panneaux (transparence, striures. . . ) ainsi que la nature des défauts (taches, rayures. . . ) nous ont conduit à étudier un capteur optoélectronique composé d'une source laser et d'un système optique réalisant la transformée de Fourier (spectre de diffraction) de la surface du panneau au plan focale du système. Une matrice de photo-détecteurs permet l'échantillonnage spatial du spectre et l'obtention d'un vecteur de mesures caractérisant la surface du produit inspecté. La détection et la reconnaissance des vecteurs de mesures se font à l'aide d'algorithmes de classification implémentés sur calculateur. L'analyse du spectre de diffraction en fonction des différents types de défauts nous a conduit à proposer une première méthode de détection en mesurant l'intensité globale et la déformation du spectre de diffraction. Les défauts sont détectés par simple seuillage de ces deux paramètres lors du balayage des panneaux. Cette méthode simple permet la détection de trois types de défauts. Une seconde méthode consistant à extraire 16 caractéristiques spectrales nous a conduit à l'optimisation du montage optique. L'analyse en composantes principales (ACP) des mesures a permis de déterminer les paramètres optimaux du système optique afin de garantir une classification correcte des mesures. Enfin nous proposons différentes stratégies de détection et de reconnaissance des défauts permettant de traiter les informations en temps réel. Pour cela nous avons utilisé d'une part, des algorithmes classiques de reconnaissance des signaux (mesure de vraisemblance, Foley-Sammon. . . ). D'autre part, nous avons mis en oeuvre des réseaux de neurones permettant également la classification des défauts. Cette seconde méthode permet la détection de cinq types de défauts par analyse alvéole par alvéole de la surface des panneaux