EP4702532A1 - Procede de determination d'un squelette d'un toron d'un materiau composite tisse - Google Patents

Abstract

Procédé (200), mis en œuvre par un ordinateur, de détermination d'un squelette d'un toron s'étendant dans une direction prédéterminée dans une représentation tridimensionnelle d'un matériau composite tissé, la représentation tridimensionnelle comprenant un ensemble de coupes bidimensionnelles : - Obtenir (210) un modèle d'apprentissage automatique entraîné pour déterminer, à partir de la représentation tridimensionnelle de la portion de pièce, des prédictions de positions de centres de sections de torons s'étendant selon la direction prédéterminée dans l'ensemble des coupes bidimensionnelles; - Pour chaque coupe bidimensionnelle parmi au moins un sous-ensemble de coupes bidimensionnelles : déterminer (220), à l'aide du modèle d'apprentissage automatique obtenu, une prédiction de la position du centre de section du toron et comparer (230) la prédiction à une position de référence pour obtenir un indicateur de qualité de la prédiction; - Relier (240) les prédictions des positions pour former le squelette du toron.

Description

DESCRIPTION

TITRE : PROCEDE DE DETERMINATION D’UN SQUELETTE D’UN TORON D’UN MATERIAU COMPOSITE TISSE

DOMAINE TECHNIQUE DE L’INVENTION

[0001] Le domaine technique de l’invention est celui des matériaux composites tissés et notamment celui de la modélisation numérique de ces matériaux.

[0002] En particulier, l’invention concerne un procédé de détermination d’un squelette d’un toron d’un matériau composite tissé fournissant un indicateur de qualité de ladite détermination. L’invention porte également sur un procédé d’entraînement d’un modèle d’apprentissage automatique utilisé dans ledit procédé de détermination d’un squelette d’un toron d’un matériau composite tissé.

ARRIERE-PLAN TECHNOLOGIQUE DE L’INVENTION

[0003] Un matériau composite tissé est un assemblage comportant au moins une ossature textile tissée appelée renfort et un liant appelé matrice. Le renfort est l’armature reprenant l’essentiel des efforts mécaniques. La matrice a pour but de transmettre les efforts mécaniques au renfort, d’assurer sa protection et sa disposition au sein de la pièce.

[0004] Le renfort comprend des torons (aussi appelés « fils ») tissés à l’aide d’un métier à tisser, suivant une topologie de tissage théorique. La topologie de tissage est définie selon au moins deux orientations, également appelées axes de renfort, chaque toron comprenant une pluralité de fibres, souvent de carbone ou de verre. Les axes de renfort sont classiquement appelés « chaîne » et « trame ». En général, la chaîne correspond à la direction principale de tissage, et la trame correspond à la direction transversale, orthogonale à la chaîne. Le mode d’entrecroisement des torons (i.e. le motif selon lequel sont tissés les torons) est classiquement appelé « armure ».

[0005] Les différents arrangements de torons sont conçus et optimisés pour les charges mécaniques attendues. Il est donc important de pouvoir reconstruire le modèle textile d’un matériau tissé, notamment pour contrôler la qualité de sa fabrication, mais aussi pour détecter une éventuelle détérioration au cours de son utilisation, par exemple dans le cas d’une pièce mécanique, telle qu’une pièce aéronautique, soumise à des sollicitations mécaniques importantes. [0006] Classiquement, un modèle textile comprend une description paramétrique de chaque toron au sein d’un tissage. On entend ici par « description paramétrique d’un toron » une description d’un toron en tant qu’objet solide, caractérisé par une fibre neutre et des sections transversales associées à au moins certains points de la fibre neutre.

[0007] On entend par « fibre neutre » ou « squelette » une courbe décrivant le chemin central du toron dans l’espace. Les sections transversales sont des courbes bidimensionnelles définies sur des plans orthogonaux à la tangente de la fibre neutre. Un exemple de description paramétrique d’un toron est représenté à la Figure 1 . La fibre neutre est ici représentée par la série ordonnée de points connectés par la ligne en trait continu. Les ellipses représentent les sections transversales de la représentation paramétrique du toron. Une modélisation textile utilisant le toron comme unité la plus élémentaire est également appelée modélisation textile à l’échelle mésoscopique.

[0008] Il existe des méthodes pour déterminer le modèle textile d’une pièce (ou une portion de pièce) en matériau composite à partir d’une image tomographique 3D de cette pièce. Un exemple d’image tomographique d’un tel matériau tissé est représenté en Figure 2 (adaptée de l’article « Descriptive modeling of textiles using FE simulations and deep learning », de A. Mendoza, R. Trullo et Y. Wielhorski publié dans la revue « Composites Science and Technology » en 2021 ). L'une de ces méthodes repose sur l'extraction manuelle, par des opérateurs experts, des fibres neutres et des sections transversales.

[0009] Une telle approche manuelle d’extraction du modèle textile commence par le repérage manuel des fibres neutres de tous les torons présents à l’intérieur d’une région d’intérêt du matériau composite tissé. Il est important de noter que cette étape de repérage manuel est très longue. Ensuite, une ou plusieurs sections transversales sont attribuées à la fibre neutre de sorte à obtenir un objet solide pour chaque toron. En général, une section transversale paramétrique idéalisée (par exemple une ellipse) est attribuée à chaque orientation (chaîne et trame). Cette étape ne nécessite donc pas une intervention de l’opérateur expert pour chaque toron ou pour chaque point important (par exemple un point associé à un changement de courbure) du toron. Ainsi, c’est bien l’étape de repérage manuel des fibres neutres qui est primordiale dans l’approche manuelle d’extraction du modèle textile. [0010] La procédure de repérage manuel d’un toron / dans la région d’intérêt est détaillée à la Figure 3. La première étape comprend l’identification des plans d’intérêt pour le toron /, représentés par les lignes verticales en tirets. Ce repérage est réalisé sur une image bidimensionnelle ou coupe bidimensionnelle représentant le toron dans sa longueur, telle que celle représentée à gauche. Dans ce cas, il s’agit d’une coupe selon le plan xz, sur laquelle sont déterminées les coordonnées xj selon l’axe x des centres de la fibre neutre au niveau des plans d’intérêt, chaque valeur x- correspondant à la coordonnée selon l’axe x du centre de la fibre neutre associée au toron / au niveau du plan /. Les deux autres coordonnées des centres de la fibre neutre au niveau des plans d’intérêt, à savoir (y z/), sont ensuite identifiées sur une coupe xy correspondant au plan d’intérêt / (illustrée à droite sur la Figure 3). Ces deux étapes permettent d’identifier tous les points de la fibre neutre associée au toron et correspondant aux plans d’intérêt. Les plans d’intérêt sont généralement fixés par l’opérateur en fonction des croisements (des torons dans le sens orthogonal) que le toron présente dans sa longueur ou par ses points d’inflexion.

[0011] Ensuite, des fonctions d’interpolation (par exemple des splines ou des fonctions de base radiale) sont utilisées pour connecter les points identifiés, de sorte à obtenir le squelette associé au toron. Pour chaque toron, une courbe 3D respective est ainsi obtenue. Néanmoins, une comparaison entre la courbe obtenue et plusieurs vues bidimensionnelles est nécessaire pour vérifier la qualité de la modélisation obtenue. Si le squelette ainsi obtenu ne représente pas assez précisément le toron d’intérêt, il est nécessaire de répéter le procédé en rajoutant des plans d’intérêts supplémentaires.

[0012] Ce procédé de repérage manuel doit être effectué pour chaque toron dans la région d’intérêt, ce qui rend l’extraction manuelle du modèle textile particulièrement longue et coûteuse. De plus, les résultats peuvent dépendre fortement de l’opérateur, ce qui limite la reproductibilité et la fiabilité de l’extraction manuelle.

[0013] Récemment, certaines méthodes d’extraction automatique ou semi- automatique du modèle textile ont été proposées. Ces méthodes reposent sur des techniques de traitement d’images, par exemple pour identifier les régions du volume appartenant à chacun des composants du matériau tissé ou pour identifier des points clés pour la définition des torons. [0014] La plupart de ces méthodes fait appel au tenseur de structures pour extraire des informations d’orientations locales. Ces signatures sont ensuite traitées soit par des algorithmes ad hoc construits à base des heuristiques métier (voir par exemple l’article scientifique « 3D composite reinforcement meso F.E. analyses based on X-ray computed tomography» publié dans « Composite Structures » en 2015), soit par des algorithmes basées sur l’analyse statistique des données (voir par exemple l’article scientifique « Quantification of the internal structure and automatic generation of voxel models of textile composites from X-ray computed tomography data » de I. Straumit et al., publié dans « Composites Part A: Applied Science and Manufacturing » en 2015). Il a été également proposé de traiter ces signatures par des algorithmes de type apprentissage profond (voir par exemple « Descriptive modeling of textiles using FE simulations and deep learning » de A. Mendoza et al., publié dans « Composites Science and Technology » en 2021 ).

[0015] Toutefois, chacune de ces méthodes est développée pour un motif de croisement des torons bien précis et n’est pas applicable en général. En outre, ces méthodes sont souvent peu robustes aux erreurs (elles ont tendance à propager les erreurs de positionnement des centres d’une coupe à l’autre), et ne disposent d’aucun moyen de contrôle de telles erreurs. Il existe donc aujourd’hui un besoin de développer une méthode d’extraction d’un modèle textile qui soit au moins partiellement automatique tout en restant fiable, reproductible et applicable à une grande variété de matériaux tissés composites.

RESUME DE L’INVENTION

[0016] L’invention offre une solution aux problèmes évoqués précédemment, en déterminant une représentation tridimensionnelle d’un squelette d’un toron d’un matériau tissé, tout en fournissant une indication concernant la qualité (ou la fiabilité) de la représentation. L’intervention manuelle d’un opérateur peut donc être limitée aux régions du toron dans lesquelles la reconstruction automatique du squelette ne présente pas une fiabilité suffisante. Grâce à l’invention, la reconstruction du squelette d’un toron est effectuée de manière au moins partiellement automatique, et le temps nécessaire pour qu’un opérateur vérifie (et éventuellement corrige) une reconstruction automatique d’un toron est ainsi avantageusement réduit.

[0017] Un premier aspect de l’invention concerne ainsi un procédé, mis en œuvre par ordinateur, de détermination d’un squelette d’un toron s’étendant dans une direction prédéterminée dans une représentation tridimensionnelle d’une portion de pièce en matériau composite tissé, la représentation tridimensionnelle de la portion de pièce comprenant un ensemble de coupes bidimensionnelles, les coupes bidimensionnelles s’étendant selon un plan normal à la direction prédéterminée et comprenant des sections successive du toron, ledit procédé comprenant :

Obtenir un modèle d’apprentissage automatique entraîné pour déterminer, à partir de la représentation tridimensionnelle de la portion de pièce, des prédictions de positions de centres de sections de torons s’étendant selon la direction prédéterminée dans l’ensemble des coupes bidimensionnelles ;

Pour chaque coupe bidimensionnelle parmi un sous-ensemble de coupes bidimensionnelles :

Déterminer, à l’aide du modèle d’apprentissage automatique obtenu, une prédiction de la position du centre de section du toron dans ladite coupe bidimensionnelle ; et

Comparer la prédiction de la position du centre de section du toron à une position de référence du centre de section du toron pour obtenir un indicateur de qualité de la prédiction de la position du centre de section du toron dans la coupe ;

Pour chaque coupe pour laquelle l'indicateur de qualité associé à la position prédite ne vérifie pas un critère de qualité prédéterminé, corriger la position prédite en lui attribuant la position de référence ; et

Relier les prédictions des positions des centres de sections du toron pour former le squelette du toron.

[0018] Par « toron », il est entendu un assemblage d’un ou plusieurs faisceaux de fibres (aussi nommés mèches). Souvent les faisceaux de fibres sont torsadés entre eux pour améliorer la cohésion du toron. Le toron s’étend selon une direction prédéterminée, par exemple une direction de chaîne ou de trame.

[0019] Par « squelette », il est entendu un modèle paramétrique d’un toron comprenant une série de coordonnées spatiales de centres de sections du toron. Le squelette du toron (appelé aussi « fibre neutre ») représente typiquement le chemin du centre du toron dans la représentation tridimensionnelle. [0020] Par « représentation tridimensionnelle d’une portion de pièce en matériau tissé », il est entendu une représentation obtenue grâce à des méthodes d’imagerie permettant l’observation à l’intérieur du matériau tissé de manière non destructive. Les images tomographiques sont un exemple de représentation tridimensionnelle. La représentation tridimensionnelle peut typiquement comprendre une pluralité de voxels, chaque voxel étant associé à un niveau de gris respectif.

[0021] Par « coupe bidimensionnelle », il est entendu une image bidimensionnelle du matériau tissé extraite de la représentation tridimensionnelle. Par exemple, une coupe bidimensionnelle peut être une coupe d’une image tridimensionnelle d’épaisseur 1 voxel.

[0022] Par « qualité » de la prédiction de la position du centre de section du toron, il est entendu une mesure de la fiabilité (ou précision) de ladite représentation tridimensionnelle obtenue en comparant la prédiction de la position à une position de référence. En d’autres termes, l’indicateur de qualité de la prédiction de la position du centre de section du toron dans la coupe fournit une mesure de confiance dans la fiabilité de la prédiction réalisée.

[0023] Par « position de référence du centre de section du toron », il est entendu une valeur de la position du centre de section à laquelle est comparée la position prédite. Cette position de référence peut être établie manuellement par un opérateur, par exemple sur la première coupe bidimensionnelle de la série de coupes bidimensionnelles, ou être issue d’une prédiction effectuée sur une coupe bidimensionnelle de référence.

[0024] La coupe bidimensionnelle de référence peut notamment être une coupe bidimensionnelle « proche » (i.e. respectant un critère prédéfini de distance), selon l’orientation du toron, de la coupe bidimensionnelle pour laquelle la prédiction de la position du centre du toron est calculée (appelée coupe « courante »). Par exemple, la coupe bidimensionnelle de référence est une coupe bidimensionnelle analysée avant la coupe bidimensionnelle courante donnant la prédiction de la position du squelette du toron. La coupe de référence, pour une prédiction réalisée au niveau du plan d’intérêt /, peut par exemple être une coupe correspondant au plan d’intérêt i-1. Cela permet d’évaluer si la prédiction de la position du centre de section du toron s’écarte excessivement de la prédiction précédente et éventuellement d’attirer l’attention d’un opérateur sur cette région de la représentation paramétrique du toron. Les deux coupes « proches » i et i-1 sont par exemple séparées par une distance inférieure à 100 pm, correspondant à environ 5 voxels. Selon un mode de réalisation, les coupes i et i-1 sont séparées par une distance correspondant à 1 voxel.

[0025] Le procédé ci-dessus permet, grâce à un modèle d’apprentissage automatique, d’extraire une représentation d’un toron sous forme d’un squelette tout en fournissant une indication concernant la qualité de ladite représentation.

[0026] De plus, l’indication concernant la qualité de la représentation est fournie pour chaque point du squelette du toron. Cela permet de repérer directement les régions de la représentation paramétrique du toron nécessitant l’intervention d’un opérateur.

[0027] L’étape de comparer la prédiction du centre de section du toron à une position de référence permet de réaliser un « suivi de proche en proche ». En effet, cette étape consiste à comparer le résultat de la segmentation d’une coupe bidimensionnelle avec les positions des centres identifiés pour une coupe de référence, par exemple la coupe précédente. Ceci implique une initialisation des points dans une image quelconque. Cette initialisation peut être réalisée manuellement par l’opérateur, par exemple en identifiant les centres des torons d’intérêt. Ceci présente l’avantage que l’opérateur peut choisir les torons d’intérêt qui feront partie du modèle textile et donc, a fortiori, ceux qui en seront exclus. Ainsi, le procédé selon le premier aspect de l’invention permet de propager les points connus d’une coupe bidimensionnelle à l’autre jusqu’à atteindre la dernière coupe disponible.

[0028] Pour obtenir un modèle textile complet, le procédé selon le premier aspect de l’invention doit être réalisé sur les deux orientations de torons. Il est important de noter que le suivi doit s’intégrer dans une démarche permettant de caractériser la qualité de la prédiction tout en garantissant une détermination « correcte » des fibres neutres (douces, régulières, sans discontinuités et respectant le motif de tissage).

[0029] Grâce au procédé selon le premier aspect de l’invention, le temps nécessaire pour l’extraction d’un modèle théorique du matériau composite tissé est fortement réduit. Par ailleurs, le modèle obtenu est plus fiable et reproductible car il requiert des interventions très limitées de la part d’un opérateur. [0030] Dans un ou plusieurs modes de réalisation, la représentation tridimensionnelle est obtenue par tomographie. Par exemple, la représentation tridimensionnelle peut être obtenue par tomographie par rayons X.

[0031] Dans un ou plusieurs modes de réalisation, la pièce en matériau composite tissé est une pièce aéronautique telle qu’une aube de moteur.

[0032] Dans un ou plusieurs modes de réalisation, l’indicateur de qualité de la prédiction de la position du centre de section du toron dans la coupe est une fonction de la différence entre la prédiction de la position du centre de section du toron et la position de référence du centre de section du toron.

[0033] Dans un ou plusieurs modes de réalisation, le critère de qualité prédéterminé comprend la définition d’un voisinage autour de la position de référence, le critère de qualité prédéterminé étant satisfait si la prédiction de la position déterminée à l’aide du modèle d’apprentissage automatique appartient au voisinage.

[0034] Dans un ou plusieurs modes de réalisation, le procédé selon le premier aspect de l’invention comprend en outre recevoir, pour au moins une coupe bidimensionnelle parmi l’ensemble des coupes bidimensionnelles, un ensemble de positions de centres de section de torons vérifiées, la position de référence du centre de section du toron appartenant audit ensemble de positions de centres de section de torons vérifiées.

[0035] Par position vérifiée, il est entendu une position annotée à la main ou vérifiée par un opérateur. La coupe bidimensionnelle avec des positions vérifiées peut être la première coupe de la séquence de coupes bidimensionnelles, de sorte à initialiser la position initiale du squelette du toron. Dans un autre exemple, on peut recevoir d’autres coupes bidimensionnelles annotées, ces coupes étant éloignées de la première coupe, de sorte à utiliser des positions de référence vérifiées par un opérateur au cours de la reconstruction du squelette du toron.

[0036] Dans un ou plusieurs modes de réalisation, la position de référence du centre de section du toron correspond à la position du centre de section du toron prédite par le modèle dans une autre coupe bidimensionnelle du sous-ensemble de coupes bidimensionnelles.

[0037] Dans un ou plusieurs modes de réalisation : les coupes bidimensionnelles de l’image tridimensionnelles sont des coupes indexées successives selon la direction prédéterminée, chaque coupe étant associée à une valeur respective d’un indice i ; la position de référence correspond à la position du centre de section du toron prédite par le modèle dans une coupe de référence d’indice ÎR ; la valeur absolue de la différence entre ÎR et ic est inférieure à une valeur prédéterminée, ic étant l’indice de la coupe à laquelle la position du centre de section du toron est déterminée.

[0038] Dans un ou plusieurs modes de réalisation, le procédé selon le premier aspect de l’invention comprend en outre obtenir, à partir des indicateurs de qualité déterminés, un indicateur global de qualité de la détermination du squelette du toron.

[0039] Dans un ou plusieurs modes de réalisation, l’indicateur global de qualité est obtenu à partir du pourcentage de prédictions vérifiant un critère de qualité prédéterminé ou à partir d’une combinaison linéaire d’indicateurs de qualité.

[0040] Dans un ou plusieurs modes de réalisation, le procédé selon le premier aspect de l’invention comprend en outre une émission d’un message indiquant que le squelette du toron doit être vérifié par un opérateur si l’indicateur global de qualité ne remplit pas un critère donné.

[0041] Dans un ou plusieurs modes de réalisation, le modèle d’apprentissage automatique est entraîné selon un procédé d’entraînement comprenant :

Recevoir une pluralité de représentations tridimensionnelles d’une pluralité respective de portions de pièce en matériau composite tissé, chaque représentation tridimensionnelle comprenant un ensemble respectif de coupes bidimensionnelles, les coupes bidimensionnelles s’étendant selon un plan normal à la direction prédéterminée et représentant des sections de torons s’étendant selon la direction prédéterminée, les coupes bidimensionnelles étant annotées avec un ensemble de positions correspondant à des centres de section de torons s’étendant selon la direction prédéterminée ;

Entraîner le modèle d’apprentissage automatique en utilisant les coupes bidimensionnelles annotées, le modèle d’apprentissage automatique entraîné prenant en entrée une coupe bidimensionnelle et étant configuré pour fournir en sortie une prédiction des positions des centres de torons dans ladite coupe bidimensionnelle, l’entraînement étant réalisé en optimisant une fonction de coût dépendant d’une différence entre des positions prédites et des positions de la coupe bidimensionnelle annotée.

[0042] Un tel procédé d’entraînement permet d’entraîner un modèle d’apprentissage automatique configuré pour fournir une prédiction d’une position d’un centre de section d’un toron. Pour ce faire, l’entraînement du modèle d’apprentissage automatique est réalisé à partir d’une base de données opportunément établie. Cette base de données comprend des coupes bidimensionnelles annotées, dans lesquelles les propriétés paramétriques d’intérêt ont été repérées par un opérateur.

[0043] En d’autres termes, le modèle d’apprentissage automatique entraîné conformément au deuxième aspect de l’invention permet de segmenter efficacement des images représentant des coupes bidimensionnelles de matériaux composites tissés pour en extraire des centres de sections de torons.

[0044] Dans un ou plusieurs modes de réalisation, le modèle d’apprentissage automatique est un réseau de neurones.

[0045] Un autre aspect de l’invention porte sur un dispositif de détermination d’un squelette d’un toron s’étendant dans une direction prédéterminée dans une représentation tridimensionnelle d’une portion de pièce en matériau composite tissé, la représentation tridimensionnelle de la portion de pièce comprenant un ensemble de coupes bidimensionnelles, les coupes bidimensionnelles s’étendant selon un plan normal à la direction prédéterminée et comprenant des sections successives du toron, ledit dispositif comprenant : une interface d’entrée pour obtenir un modèle d’apprentissage automatique entraîné pour déterminer, à partir de la représentation tridimensionnelle de la portion de pièce, des prédictions de positions de centres de sections de torons s’étendant selon la direction prédéterminée dans l’ensemble des coupes bidimensionnelles ; un circuit configuré pour : pour chaque coupe bidimensionnelle parmi un sous-ensemble de coupes bidimensionnelles : - déterminer, à l’aide du modèle d’apprentissage automatique obtenu, une prédiction de la position du centre de section du toron dans ladite coupe bidimensionnelle ; et comparer la prédiction de la position du centre de section du toron à une position de référence du centre de section du toron pour obtenir un indicateur de qualité de la prédiction de la position du centre de section du toron dans la coupe ; pour chaque coupe pour laquelle l'indicateur de qualité associé à la position prédite ne vérifie pas un critère de qualité prédéterminé, corriger la position prédite en lui attribuant la position de référence ; et relier les prédictions des positions des centres de sections du toron pour former le squelette du toron.

[0046] Selon un mode de réalisation, si l’indicateur de qualité de la prédiction de la position du centre du toron dans la coupe ne remplit pas un critère prédéterminé, la prédiction de la position du centre du toron dans la coupe est remplacée par la position de référence.

[0047] Un quatrième aspect de l’invention porte sur un dispositif d’entraînement d’un modèle d’apprentissage automatique pour déterminer un squelette d’un toron s’étendant dans une direction prédéterminée dans une portion de pièce en matériau composite tissé, le dispositif comprenant :

Une interface d’entrée pour recevoir une pluralité de représentations tridimensionnelles d’une pluralité respective de portions de pièce en matériau composite tissé, chaque représentation tridimensionnelle comprenant un ensemble respectif de coupes bidimensionnelles, les coupes bidimensionnelles s’étendant selon un plan normal à la direction prédéterminée et représentant des sections de torons s’étendant selon la direction prédéterminée, les coupes bidimensionnelles étant annotées avec un ensemble de positions correspondant à des centres de section de torons s’étendant selon la direction prédéterminée ; Un circuit pour entraîner le modèle d’apprentissage automatique en utilisant les coupes bidimensionnelles annotées, le modèle d’apprentissage automatique entraîné prenant en entrée une coupe bidimensionnelle et étant configuré pour fournir en sortie une prédiction des positions des centres de torons dans ladite coupe bidimensionnelle, l’entraînement étant réalisé en optimisant une fonction de coût dépendant d’une différence entre des positions prédites et des positions de la coupe bidimensionnelle annotée.

[0048] Un cinquième aspect de l’invention porte sur un produit programme informatique comportant des instructions pour mettre en œuvre le procédé selon le premier aspect de l’invention lorsque ce programme est exécuté par un processeur.

[0049] L’invention et ses différentes applications seront mieux comprises à la lecture de la description qui suit et à l’examen des figures qui l’accompagnent.

BREVE DESCRIPTION DES FIGURES

[0050] D’autres caractéristiques et avantages de l’invention apparaîtront à la lecture de la description, qui peut être lue en regard des figures. Ces figures sont présentées à titre indicatif et nullement limitatif de l’invention.

[0051] [Fig. 1] La Figure 1 représente schématiquement une représentation paramétrique d’un toron.

[0052] [Fig. 2] La Figure 2 représente une image tomographique d’un matériau composite tissé.

[0053] [Fig. 3] La Figure 3 représente schématiquement le procédé d’extraction manuelle d’un modèle textile selon l’état de l’art.

[0054] [Fig. 4] La Figure 4 représente un ordinogramme d’un procédé d’entraînement d’un modèle d’apprentissage automatique pour la détermination d’une représentation d’un squelette d’un toron selon un mode de réalisation de l’invention.

[0055] [Fig. 5] La Figure 5 représente un ordinogramme d’un procédé pour la détermination d’une représentation d’un squelette d’un toron, selon un mode de réalisation de l’invention. [0056] [Fig. 6a] La Figure 6a représente un exemple d’une coupe bidimensionnelle extraite d’une représentation tridimensionnelle d’un matériau composite tissé.

[0057] [Fig. 6b] La Figure 6b représente le résultat de l’application du modèle d’apprentissage automatique selon le deuxième aspect de l’invention à la coupe bidimensionnelle illustrée à la Figure 6a.

[0058] [Fig. 7a] La Figure 7a illustre une étape de comparaison entre les prédictions de positions de centres de section de torons et des positions de référence.

[0059] [Fig. 7b], [Fig. 7c] Les Figures 7b et 7c représentent des prédictions de position de toron associées à des indicateurs de qualité différents.

[0060] [Fig. 8] La Figure 8 représente un squelette de toron obtenu à l’aide du procédé selon le premier aspect de l’invention.

DESCRIPTION DETAILLEE

[0061] Les Figures 1 , 2 et 3 ont été décrites en relation à l’état de la technique.

[0062] La figure 4 représente un ordinogramme d’un mode de réalisation du procédé 100 d’entraînement d’un modèle d’apprentissage automatique pour déterminer un squelette d’un toron selon le deuxième aspect de l’invention. Le procédé 100 est mis en œuvre par ordinateur.

[0063] Le procédé 100 selon le mode de réalisation illustré à la figure 4 comprend une étape 110 de recevoir une pluralité de représentations tridimensionnelles d’une pluralité respective de portions de pièce en matériau composite tissés. Les représentations tridimensionnelles peuvent par exemple être des images tomographiques de pièces de matériau composite tissé. Chaque représentation tridimensionnelle comprend un ensemble de coupes bidimensionnelles. Le plan des coupes bidimensionnelles est normal à la direction selon laquelle s’étend le toron dont on veut déterminer le squelette, de sorte à montrer des sections de torons. Les images ont été préalablement annotées, par exemple pour identifier les centres de sections de torons s’étendant selon la direction prédéterminée.

[0064] L’ensemble de coupes bidimensionnelles annotées représente donc la base de données pour l’entraînement du modèle d’apprentissage automatique qui est réalisé lors d’une étape 120. L’entraînement est réalisé en optimisant une fonction de coût évaluant la différence entre les positions prédites et les positions annotées dans la base de données.

[0065] Le modèle ainsi entraîné est configuré pour prendre en entrée une coupe bidimensionnelle et fournir en sortie une prédiction des positions des centres de torons dans ladite coupe bidimensionnelle.

[0066] Le procédé 100 peut également comprendre une étape 130 d’émission des prédictions des positions des centres de torons dans la coupe analysée.

[0067] Le modèle d’apprentissage automatique est, selon un mode de réalisation, un réseau de neurones. Par exemple, le réseau de neurones est de type réseau de neurones convolutifs ou de type U-Net.

[0068] La figure 5 illustre un ordinogramme d’un mode de réalisation du procédé 200 de détermination d’un squelette d’un toron s’étendant dans une direction prédéterminée selon le premier aspect de l’invention. Le squelette du toron est déterminé à partir d’une représentation tridimensionnelle du matériau composite tissé comprenant le toron. La représentation tridimensionnelle peut par exemple être une image tomographique d’une portion du matériau composite tissé.

[0069] La représentation tridimensionnelle comprend un ensemble de coupes bidimensionnelles dont le plan est normal à la direction selon laquelle s’étend le toron. L’ensemble de coupes bidimensionnelles comprend des sections successives du toron dont on veut déterminer le squelette.

[0070] Le procédé 200 selon le mode de réalisation illustré à la Figure 5 comprend une étape 210 d’obtention d’un modèle d’apprentissage automatique entraîné pour déterminer des prédictions de positions de centres de sections de torons s’étendant selon la direction prédéterminée. Le modèle d’apprentissage automatique peut par exemple être entrainé conformément au procédé 100 selon le deuxième aspect de l’invention.

[0071] Le procédé 200 selon le mode de réalisation illustré à la Figure 5 comprend une étape 220 de détermination d’une prédiction de la position du centre de section du toron pour chaque coupe bidimensionnelle analysée. La prédiction est fournie par le modèle d’apprentissage automatique obtenu à l’étape 210. [0072] La prédiction obtenue à l’étape 220 est ensuite comparée à une position de référence lors de l’étape 230. Il est alors possible d’obtenir un indicateur de qualité de la prédiction de la position du centre de section du toron dans la coupe. La position de référence peut être une position de référence déterminée manuellement ou encore une prédiction réalisée dans une autre coupe bidimensionnelle. Par exemple, la valeur de référence peut être une prédiction de la position du centre de section du toron réalisée à partir d’une coupe adjacente à la coupe analysée.

[0073] Selon un mode de réalisation, l’indicateur de qualité de la prédiction est une fonction de la distance séparant la prédiction de la position et la position de référence.

[0074] Si l’indicateur de qualité remplit un critère de qualité prédéterminé, il est considéré que la position est correctement prédite ou que la prédiction est de bonne qualité.

[0075] A l’inverse, si l’indicateur de qualité ne remplit pas le critère de qualité prédéterminé, il est considéré que la prédiction n’est pas correcte (ou que la fiabilité de la prédiction est trop faible). Dans ce cas, une correction de la prédiction est mise en œuvre, lors de laquelle la position prédite est remplacée par la position de référence.

[0076] Cela permet d’écarter les prédictions dont la valeur s’écarte trop de la valeur de référence, qui sont des prédictions « aberrantes », et de les remplacer par des positions « correctes » (dans le cas où une annotation manuelle est utilisée) ou « plus probables » (dans le cas où une prédiction d’une coupe voisine est utilisée - en effet, les positions dans deux coupes proches ont de fortes chances de ne pas être trop éloignées l’une de l’autre).

[0077] Le procédé 200 selon le premier aspect de l’invention comprend une étape 240 de relier les prédictions des positions des centres de sections du toron. Cette étape permet d’obtenir le squelette du toron.

[0078] Lors d’une étape optionnelle 250, les indicateurs de qualité déterminés pour les différentes coupes lors de l’étape 230 sont utilisés pour fournir un indicateur global de la qualité de la détermination du squelette du toron. Cela permet d’évaluer rapidement la qualité de la reconstruction du squelette du toron. Par exemple, l’indicateur global de la qualité de la détermination du squelette du toron peut être une combinaison linéaire des indicateurs « locaux » déterminés pour les différentes coupes. Dans un mode de réalisation, les poids peuvent être les mêmes pour tous les indicateurs locaux. Alternativement, il est possible d’attribuer des poids différents aux indicateurs locaux.

[0079] Par exemple, un indicateur global 11 est obtenu en tant que pourcentage de « bonnes prédictions » sur l’ensemble des prédictions. Par « bonne prédiction », il est entendu une prédiction dont l’indicateur de qualité remplit un critère prédéterminé, par exemple un critère de distance entre la prédiction et la position de référence. Dans ce cas, tous les points ont le même poids. On a alors une valeur par toron, à savoir un indicateur qui traduit seulement le pourcentage de bonnes détections.

[0080] Selon un autre exemple, un indicateur global I2 peut comprendre la densité de bonnes prédictions ou leur répartition spatiale. La densité de bonnes prédictions peut être définie localement, où l’on décompose le toron en tronçons de taille identique ou non. Ensuite on pourra calculer l’indicateur global I2 comme une combinaison linéaire des valeurs de l’indicateur local de densité pondéré par la taille du tronçon. En effet, il y a une différence sur la facilité de reconstitution du toron si l’erreur est également répartie sur l’ensemble du squelette du toron ou si elle se concentre sur une zone bien précise. Dans le premier cas, le lissage des points pourra être concluant sans avoir besoin d’apporter de modifications manuelles. Au contraire, dans le second cas, il sera nécessaire de reconstituer toute une zone du squelette du toron.

[0081] Selon un autre exemple, un indicateur global I3 peut être obtenu en tant que produit des indicateurs globaux 11 et I2, I3 = 11 *12.

[0082] Selon un mode de réalisation de l’étape 250 du procédé 200, l’indicateur global de qualité exprime le pourcentage de prédictions correctes sur l’ensemble des prédictions de positions de centres de section utilisées pour déterminer le squelette du toron.

[0083] Selon un mode de réalisation du procédé 200 selon le premier aspect de l’invention, le procédé 200 comprend en outre une étape de recevoir un ensemble de positions de centres de section de torons vérifiées, par exemple par un opérateur. La valeur de référence peut alors être choisie parmi ces positions vérifiées manuellement. Par exemple, pour une coupe courante, les positions prédites par le modèle sont comparées aux positions vérifiées de la même coupe courante. [0084] Selon un mode de réalisation du procédé 200 selon le premier aspect de l’invention, l’ensemble de coupes bidimensionnelles à analyser pour la reconstruction du squelette du toron est un ensemble de coupes indexées successives selon la direction prédéterminée. Chaque coupe est alors associée à une valeur d’un indice /, qui est à son tour liée à la position de la coupe dans la représentation tridimensionnelle du matériau composite tissé.

[0085] Selon un mode de réalisation, la position de référence est une prédiction de la position du centre de section obtenue à partir d’une coupe d’indice ÎR et la prédiction de la position du centre de section est obtenue à partir d’une coupe d’indice ic. La valeur absolue de la différence entre ÎR et ic est alors inférieure à une valeur prédéterminée. Cela permet d’utiliser une position de référence qui est suffisamment « proche » de la coupe analysée et de réaliser efficacement un suivi de proche-en- proche du squelette du toron.

[0086] Par exemple, si la coupe de référence est la coupe adjacente à la coupe analysée, la valeur absolue de la différence entre ÎR et ic est égale à 1 .

[0087] Selon un mode de réalisation, le procédé 200 selon l’invention peut en outre comprendre une étape d’émission d’un message indiquant que le squelette du toron doit être vérifié par un opérateur. Un tel message est par exemple déclenché si l’indicateur global de qualité ne remplit pas un critère donné. Par exemple, le message est émis lorsque le pourcentage de positions correctement prédites parmi les points formant le squelette du toron est inférieur à une valeur seuil prédéfinie, par exemple 50 %.

[0088] La Figure 6a illustre un exemple de coupe bidimensionnelle extraite d’une image tomographique d’un matériau composite tissé. Plusieurs sections de torons s’étendant selon la direction normale au plan de l’image sont visibles, par exemple les sections C1 , C2, C3 et C4. Le modèle d’apprentissage automatique selon le premier aspect de l’invention est entraîné pour prendre en entrée une image telle que celle de la Figure 6a et fournir en sortie une image telle que celle illustrée à la Figure 6b, dans laquelle sont indiquées les prédictions des centres de section des torons. Dans ce cas les prédictions P1 , P2, P3 et P4 correspondent aux centres des sections C1 , C2, C3 et C4 de la Figure 7a. Les deux flèches de la figure 6b illustrent des exemples d’erreurs dans l’analyse ou segmentation de l’image. Par exemple la flèche de gauche indique une redondance de détection d’un toron dans l’image. En effet, le toron dans cette coupe présente une forme plus éclatée que les autres et a induit en erreur le réseau en détectant le même toron deux fois.

[0089] La Figure 7a représente le résultat d’une étape de comparaison entre les prédictions des positions des centres de section, représentées par les positions des maxima des taches en niveaux de gris, et les positions de référence obtenues dans une coupe précédente, représentées par des croix. Suivant la distance entre la prédiction de la position et la position de référence, il est possible de déterminer la qualité de la prédiction. Les croix en gris 80 sur la Figure 7a représentent des prédictions de bonne qualité, à savoir les prédictions qui remplissent un critère de qualité prédéterminé. Les croix en noir 81 représentent des prédictions de mauvaise qualité, à savoir des positions qui ne remplissent pas le critère de qualité prédéterminé.

[0090] Les Figures 7b et 7c représentent des exemples de critères pour déterminer si une prédiction de position du centre de section du toron est de bonne ou mauvaise qualité. Ces critères sont également appelés heuristiques.

[0091] La Figure 7b illustre un cas de prédiction P1 de bonne qualité. Pour la position identifiée dans la vue bidimensionnelle précédente ou position de référence, PO, un voisinage de recherche ellipsoïdal V est défini selon le ratio de la section transversale du toron. Tout point localement maximum M dans la carte de probabilité se trouvant à l’intérieur de ce voisinage devient un candidat pour le nouveau point dans la vue bidimensionnelle courante. En d’autres termes, le point M est la prédiction de la position du centre du toron obtenue sur la coupe courante. Le point M peut être déterminé en tant que maximum local issu de la prédiction.

[0092] Le voisinage V est défini comme étant une surface elliptique car globalement les sections des torons dans une image ont cette forme. Les petits et grands axes peuvent être déterminés selon la densité linéique des torons qui peuvent posséder des tailles variables suivant le nombre de filaments qui les composent et leur niveau de compaction. Les ellipses peuvent donc être de tailles différentes selon la taille des torons à détecter.

[0093] Ces calculs de distance peuvent se réaliser avec une distance euclidienne pondérée par le ratio de la section transversale afin de bien pondérer l’erreur de segmentation. En d’autres termes, les termes dans le calcul de la distance euclidienne peuvent être pondérés selon la longueur du petit axe et la longueur du grand axe de l’ellipse représentant le voisinage V. Ensuite, vu que plusieurs candidats peuvent rester à l’intérieur d’un voisinage donné, une autre heuristique permet d’en choisir un : sélectionner le candidat le plus proche au point analysé si et seulement s’il n’est pas le candidat le plus proche pour un autre voisinage avec une distance inférieure. Si toutefois plusieurs candidats sont possibles, un pourrait être choisi aléatoirement.

[0094] Inversement, la Figure 7c montre le cas où la prédiction P1 est de mauvaise qualité. Dans ce cas, il est possible de définir comme point courant du squelette le point de la coupe courante ayant la même position que le point connu de la vue précédente PO. En d’autres termes, la position du point PO devient le centre de section du toron dans la coupe suivante. Il est important de noter que cette démarche de suivi permet garantir que tout point identifié par l’opérateur sera propagé sur la totalité des vues bidimensionnelles tout en respectant la topologie du tissage. En effet, l’ensemble d’heuristiques décrites précédemment rendent quasiment impossible le fait d’assigner un point à un toron qui ne lui correspond pas (en raison du non-respect de la topologie).

[0095] La Figure 8 illustre un exemple de squelette S de toron déterminé à l’aide du procédé 200 selon le premier aspect de l’invention. Les traits 90 correspondent à des portions de squelette qui n’ont pas été reconstruites de façon assez précise (i.e. pour lesquelles les indicateurs de qualité étaient en-dessous du seuil prédéfini, et pour lesquelles les positions courantes ont été estimées par les positions précédentes du centre). En d’autres termes, chaque point du squelette appartenant à un trait 90 correspond à une situation telle que celle représentée à la Figure 7c. Ces traits sont des segments de lignes droites car chaque position est identique à la position précédente.

[0096] En effet, grâce au procédé 200 selon le premier aspect de l’invention chaque point appartenant au squelette d’un toron est catégorisé comme bien identifié ou non. Dans le premier cas, la position du point est définie comme la prédiction de la position fournie par le modèle d’apprentissage automatique obtenu à l’étape 210. Dans le second cas, l’algorithme de suivi définit la position du point en gardant la position obtenue lors de l’analyse d’une image précédente. Ainsi, un indicateur global par toron peut être défini comme le pourcentage de points bien segmentés (le long du toron). Par exemple, la Figure 8 montre un squelette de toron S avec 65% des points bien segmentés sur un total de 308 points. La valeur de l’indicateur de qualité global associé au squelette S est donc de 65%.

Claims

REVENDICATIONS

[Revendication 1] Procédé (200), mis en œuvre par un ordinateur, de détermination d’un squelette d’un toron s’étendant dans une direction prédéterminée dans une représentation tridimensionnelle d’une portion de pièce en matériau composite tissé, la représentation tridimensionnelle de la portion de pièce comprenant un ensemble de coupes bidimensionnelles, les coupes bidimensionnelles s’étendant selon un plan normal à la direction prédéterminée et comprenant des sections successives du toron, ledit procédé comprenant :

- Obtenir (210) un modèle d’apprentissage automatique entraîné pour déterminer, à partir de la représentation tridimensionnelle de la portion de pièce, des prédictions de positions de centres de sections de torons s’étendant selon la direction prédéterminée dans l’ensemble des coupes bidimensionnelles ;

- Pour chaque coupe bidimensionnelle parmi un sous-ensemble de coupes bidimensionnelles : o Déterminer (220), à l’aide du modèle d’apprentissage automatique obtenu, une prédiction de la position du centre de section du toron dans ladite coupe bidimensionnelle ; et o Comparer (230) la prédiction de la position du centre de section du toron à une position de référence du centre de section du toron pour obtenir un indicateur de qualité de la prédiction de la position du centre de section du toron dans la coupe ;

- Pour chaque coupe pour laquelle l'indicateur de qualité associé à la position prédite ne vérifie pas un critère de qualité prédéterminé, corriger la position prédite en lui attribuant la position de référence ; et

- Relier (240) les prédictions des positions des centres de sections du toron pour former le squelette du toron.

[Revendication 2] Procédé selon la revendication précédente dans lequel la représentation tridimensionnelle est obtenue par tomographie.

[Revendication 3] Procédé selon l’une des revendications précédentes dans lequel la pièce en matériau composite tissé est une pièce aéronautique.

[Revendication 4] Procédé selon l’une des revendications précédentes dans lequel l’indicateur de qualité de la prédiction de la position du centre de section du toron dans la coupe est une fonction de la différence entre la prédiction de la position du centre de section du toron et la position de référence du centre de section du toron.

[Revendication 5] Procédé selon l’une des revendications précédentes, dans lequel le critère de qualité prédéterminé comprend la définition d’un voisinage (V) autour de la position de référence (PO), le critère de qualité prédéterminé étant satisfait si la prédiction de la position (P1 ) déterminée à l’aide du modèle d’apprentissage automatique appartient au voisinage (V).

[Revendication 6] Procédé selon l’une des revendications précédentes comprenant en outre : recevoir, pour au moins une coupe bidimensionnelle parmi l’ensemble des coupes bidimensionnelles, un ensemble de positions de centres de section de torons vérifiées, la position de référence du centre de section du toron appartenant audit ensemble de positions de centres de section de torons vérifiées.

[Revendication 7] Procédé selon l’une des revendications 1 à 5, dans lequel la position de référence du centre de section du toron correspond à la position du centre de section du toron prédite par le modèle dans une autre coupe bidimensionnelle du sous-ensemble de coupes bidimensionnelles.

[Revendication 8] Procédé selon la revendication précédente, dans lequel :

- les coupes bidimensionnelles de la représentation tridimensionnelles sont des coupes indexées successives selon la direction prédéterminée, chaque coupe étant associée à une valeur respective d’un indice i ;

- la position de référence correspond à la position du centre de section du toron prédite par le modèle dans une coupe de référence d’indice ÎR ; la valeur absolue de la différence entre IR et le est inférieure à une valeur prédéterminée, ic étant l’indice de la coupe à laquelle la position du centre de section du toron est déterminée.

[Revendication 9] Procédé selon l’une des revendications précédentes comprenant en outre obtenir (250), à partir des indicateurs de qualité déterminés, un indicateur global de qualité de la détermination du squelette du toron dans lequel l’indicateur global de qualité est obtenu à partir du pourcentage de prédictions vérifiant un critère de qualité prédéterminé ou à partir d’une combinaison linéaire d’indicateurs de qualité.

[Revendication 10] Procédé selon l’une des revendications précédentes, dans lequel le modèle d’apprentissage automatique est entraîné selon un procédé d’entraînement comprenant :

- Recevoir (110) une pluralité de représentations tridimensionnelles d’une pluralité respective de portions de pièce en matériau composite tissé, chaque représentation tridimensionnelle comprenant un ensemble respectif de coupes bidimensionnelles, les coupes bidimensionnelles s’étendant selon un plan normal à la direction prédéterminée et représentant des sections de torons s’étendant selon la direction prédéterminée, les coupes bidimensionnelles étant annotées avec un ensemble de positions correspondant à des centres de section de torons s’étendant selon la direction prédéterminée ;

- Entraîner (120) le modèle d’apprentissage automatique en utilisant les coupes bidimensionnelles annotées, le modèle d’apprentissage automatique entraîné prenant en entrée une coupe bidimensionnelle et étant configuré pour fournir en sortie une prédiction des positions des centres de torons dans ladite coupe bidimensionnelle, l’entraînement étant réalisé en optimisant une fonction de coût dépendant d’une différence entre des positions prédites et des positions de la coupe bidimensionnelle annotée. [Revendication 11] Dispositif de détermination d’un squelette d’un toron s’étendant dans une direction prédéterminée dans une représentation tridimensionnelle d’une portion de pièce en matériau composite tissé, la représentation tridimensionnelle de la portion de pièce comprenant un ensemble de coupes bidimensionnelles, les coupes bidimensionnelles s’étendant selon un plan normal à la direction prédéterminée et comprenant des sections successives du toron, ledit dispositif comprenant :

- une interface d’entrée pour obtenir (210) un modèle d’apprentissage automatique entraîné pour déterminer, à partir de la représentation tridimensionnelle de la portion de pièce, des prédictions de positions de centres de sections de torons s’étendant selon la direction prédéterminée dans l’ensemble des coupes bidimensionnelles ;

- un circuit configuré pour : o Pour chaque coupe bidimensionnelle parmi un sous-ensemble de coupes bidimensionnelles :

• Déterminer (220), à l’aide du modèle d’apprentissage automatique obtenu, une prédiction de la position du centre de section du toron dans ladite coupe bidimensionnelle ; et

• Comparer (230) la prédiction de la position du centre de section du toron à une position de référence du centre de section du toron pour obtenir un indicateur de qualité de la prédiction de la position du centre de section du toron dans la coupe ; o Pour chaque coupe pour laquelle l'indicateur de qualité associé à la position prédite ne vérifie pas un critère de qualité prédéterminé, corriger la position prédite en lui attribuant la position de référence ; et o Relier (240) les prédictions des positions des centres de sections du toron pour former le squelette du toron. [Revendication 12] Produit programme informatique comportant des instructions pour mettre en œuvre le procédé selon l’une des revendications 1 à 10 lorsque ce programme est exécuté par un processeur.