FR3094533A1 - Method for verifying clean room equipment - Google Patents
Method for verifying clean room equipment Download PDFInfo
- Publication number
- FR3094533A1 FR3094533A1 FR1903054A FR1903054A FR3094533A1 FR 3094533 A1 FR3094533 A1 FR 3094533A1 FR 1903054 A FR1903054 A FR 1903054A FR 1903054 A FR1903054 A FR 1903054A FR 3094533 A1 FR3094533 A1 FR 3094533A1
- Authority
- FR
- France
- Prior art keywords
- operator
- image
- neural network
- verification method
- acquired
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000013528 artificial neural network Methods 0.000 claims abstract description 75
- 238000012795 verification Methods 0.000 claims abstract description 74
- 238000004458 analytical method Methods 0.000 claims description 49
- 238000001514 detection method Methods 0.000 claims description 26
- 210000004205 output neuron Anatomy 0.000 claims description 16
- 230000001960 triggered effect Effects 0.000 claims description 11
- 230000005855 radiation Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 4
- 239000011248 coating agent Substances 0.000 abstract description 3
- 238000000576 coating method Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010191 image analysis Methods 0.000 abstract description 2
- 238000013526 transfer learning Methods 0.000 abstract description 2
- 238000011109 contamination Methods 0.000 description 6
- 239000011521 glass Substances 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003749 cleanliness Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 239000000825 pharmaceutical preparation Substances 0.000 description 1
- 229940127557 pharmaceutical product Drugs 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000036555 skin type Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
[En synthèse, l’invention concerne un procédé de vérification (1) qui permet de vérifier la conformité le revêtement d’un équipement de salle blanche (4) par un opérateur (OP). Le procédé de vérification (1) est basé sur des technologies de réseaux de neurones (22) et d’apprentissage par transfert. En particulier, le réseau de neurones (22) a été étalonné par des images de référence (231, 232, 233, 234) afin de pouvoir détecter prioritairement (i) si l’opérateur (OP) porte une combinaison ou pas, et (ii) si la manière dont il porte son équipement de salle blanche (4) ne laisse pas apparaître des parties de son corps non attendues. A cet effet, le système de reconnaissance (2) mettant en œuvre le procédé de vérification (1) comprend un capteur d’image (21) connecté au réseau de neurones (22) afin de réaliser une analyse d’image.[In summary, the invention relates to a verification process (1) which makes it possible to verify the conformity of the coating of clean room equipment (4) by an operator (OP). The verification process (1) is based on neural network (22) and transfer learning technologies. In particular, the neural network (22) has been calibrated by reference images (231, 232, 233, 234) in order to be able to detect as a priority (i) whether the operator (OP) is wearing a combination or not, and ( ii) if the way he wears his cleanroom equipment (4) does not reveal unexpected parts of his body. To this end, the recognition system (2) implementing the verification method (1) comprises an image sensor (21) connected to the neural network (22) in order to perform an image analysis.
Description
Le contexte technique de la présente invention est lié à l’utilisation des salles blanches. Plus particulièrement, l’invention a trait à un procédé de vérification de la conformité d’un équipement de salle blanche porté par un opérateur se présentant à l’entrée de ladite salle blanche. En outre, l’invention a aussi trait à un système de reconnaissance mettant en œuvre un tel procédé de vérification et déployé à proximité directe des salles blanches.The technical context of the present invention is linked to the use of clean rooms. More particularly, the invention relates to a method for verifying the compliance of clean room equipment worn by an operator arriving at the entrance to said clean room. In addition, the invention also relates to a recognition system implementing such a verification method and deployed in direct proximity to clean rooms.
Une salle propre est un environnement contrôlé dans lequel – principalement – une concentration particulaire est maîtrisée afin de minimiser l'introduction, la génération, la rétention de particules à l'intérieur de la salle propre, généralement dans un but industriel ou de recherche. De plus, d’autres paramètres pertinents tels que la température, l'humidité et la pression y sont également maintenues à un niveau précis. De telles salles propres, ou salles blanches, sont définies et catégorisées de manière connue dans la norme ISO 14644-1 selon plusieurs classes en fonction d’un nombre de particules par mètre cube d’air et pour une granulométrie donnée.A clean room is a controlled environment in which – mainly – a particulate concentration is controlled in order to minimize the introduction, generation, retention of particles inside the clean room, generally for industrial or research purposes. In addition, other relevant parameters such as temperature, humidity and pressure are also maintained there at a precise level. Such clean rooms, or clean rooms, are defined and categorized in a known manner in the ISO 14644-1 standard according to several classes according to a number of particles per cubic meter of air and for a given particle size.
De telles salles propres sont notamment utilisées pour maîtriser la contamination de produits sensibles lors de processus industriels, tels que la fabrication de composants électroniques, de produits pharmaceutiques, de dispositifs médicaux, en recherche et développement, ou encore dans le domaine hospitalier pour protéger la santé des patients.Such clean rooms are used in particular to control the contamination of sensitive products during industrial processes, such as the manufacture of electronic components, pharmaceutical products, medical devices, in research and development, or even in the hospital field to protect health. patients.
Dans le contexte de la présente invention, les termes salles blanches, salles propres ou salles contrôlées sont entendus pour tout environnement sensible à l’intérieur duquel il est nécessaire d’avoir un niveau de propreté élevé et/ou une concentration minimale de particules présentes dans l’air. A titre d’exemples non limitatifs, la présente invention s’adresse tout particulièrement aux environnements de recherche technologique, telle que dans l’industrie de la microélectronique par exemple, aux environnements de recherche médicale et aux laboratoires pharmaceutiques, ainsi qu’aux sites industriels spécifiques tels que notamment le domaine du nucléaire.In the context of the present invention, the terms clean rooms, clean rooms or controlled rooms are understood to mean any sensitive environment inside which it is necessary to have a high level of cleanliness and/or a minimum concentration of particles present in the air. By way of non-limiting examples, the present invention is particularly aimed at technological research environments, such as in the microelectronics industry for example, medical research environments and pharmaceutical laboratories, as well as industrial sites. specific, such as in particular the nuclear field.
Afin de maintenir la propreté nécessaire au bon usage des salles propres en limitant l’introduction de polluants par le personnel habilité à y pénétrer, on équipe généralement le personnel destiné à y travailler d’un équipement spécifique – utilisé uniquement dans les salles propres. Un tel équipement spécifique comprend habituellement une sur-combinaison intégrale pouvant être vêtue par-dessus des habits portés par l’opérateur. Plus particulièrement, la sur-combinaison comprend avantageusement une capuche, et l’équipement spécifique aux salles propres comprend en outre un masque à placer devant le nez et la bouche ainsi que des gants et, éventuellement, des lunettes de protection dans le cas où l’opérateur porterait des lunettes de vue.In order to maintain the cleanliness necessary for the proper use of clean rooms by limiting the introduction of pollutants by the personnel authorized to enter them, the personnel intended to work there are generally equipped with specific equipment – used only in clean rooms. Such specific equipment usually includes an integral oversuit that can be worn over the clothes worn by the operator. More particularly, the oversuit advantageously comprises a hood, and the specific equipment for clean rooms further comprises a mask to be placed in front of the nose and mouth as well as gloves and, possibly, protective goggles in the event that the operator would wear prescription glasses.
Bien entendu, ces équipements spécifiques de salle propres ne sont efficaces que s’ils sont bien portés, à défaut de contaminer rapidement la salle propre correspondante. Or, on constate qu’il arrive parfois que certains opérateurs ne portent pas tout l’équipement, négligeant parfois de porter les lunettes complémentaires ou le masque de protection. En outre, on observe aussi parfois que mêmes si tous les accessoires sont portés, l’équipement spécifique de salle propre peut avoir été mal apprêté sur l’opérateur, laissant par exemple une partie trop importante du visage à découvert, ou encore laissant une mèche de cheveux dépasser hors de la capuche.Of course, this specific clean room equipment is only effective if it is well worn, failing to quickly contaminate the corresponding clean room. However, we note that it sometimes happens that certain operators do not wear all the equipment, sometimes neglecting to wear additional glasses or a protective mask. In addition, it is also sometimes observed that even if all the accessories are worn, the specific cleanroom equipment may have been poorly fitted on the operator, leaving for example too much of the face uncovered, or even leaving a lock of hair sticking out of the hood.
Ces défaillances dans l’équipement de l’opérateur conduisent ainsi à des risques de contamination de la salle propre ainsi que des équipements et/ou matériaux présents dans ladite salle propre. Ces risques peuvent avoir de graves conséquences sur la fiabilité de la production industrielle ou des recherches menées en salles propres, et ils peuvent en outre conduire à une augmentation rapide des coûts de maintenance – déjà élevés – de ces environnements contrôlés.These failures in the operator's equipment thus lead to risks of contamination of the clean room as well as the equipment and/or materials present in said clean room. These risks can have serious consequences on the reliability of industrial production or research carried out in clean rooms, and they can also lead to a rapid increase in the maintenance costs – already high – of these controlled environments.
Un but de l’invention est de proposer un nouveau procédé de vérification de la conformité d’un équipement de salle propre porté par un opérateur, ainsi qu’un système de reconnaissance pour salle blanche afin de répondre au moins en grande partie aux problèmes précédents et de conduire en outre à d’autres avantages.An object of the invention is to propose a new method for verifying the conformity of clean room equipment worn by an operator, as well as a recognition system for clean rooms in order to respond at least in large part to the above problems. and further lead to other benefits.
Plus particulièrement, un but de l’invention est de réduire la contamination des salles propres, en limitant les risques d’introduction de contaminants par les opérateurs.More particularly, an object of the invention is to reduce the contamination of clean rooms, by limiting the risks of the introduction of contaminants by the operators.
Un autre but de l’invention est de permettre aux opérateurs de salles propres de mieux porter leurs équipements spécifiques.Another object of the invention is to enable cleanroom operators to better carry their specific equipment.
Selon un premier aspect de l’invention, on atteint au moins l’un des objectifs précités avec un procédé de vérification de conformité d’un équipement de salle blanche par un système de reconnaissance comportant un réseau de neurones, le procédé de vérification comportant (i) une étape d’acquisition d’au moins une image par un capteur d’image du système de reconnaissance, (ii) une première étape d’analyse durant laquelle la présence d’une combinaison portée par un opérateur est recherchée dans l’au moins une image acquise durant l’étape d’acquisition, (iii) une deuxième étape d’analyse durant laquelle il est testé une conformité de la combinaison portée par l’opérateur et visible dans l’au moins une image acquise durant l’étape d’acquisition, la deuxième étape étant réalisée si la présence de la combinaison portée par l’opérateur est détectée au cours de la première étape d’analyse. Conformément à l’invention selon son premier aspect, la première et la deuxième étape d’analyse sont mises en œuvre par le réseau de neurones du système de reconnaissance et dans lequel des neurones de sortie sont associés à l’au moins une image acquise au cours de l’étape d’acquisition afin de pouvoir analyser le contenu de l’au moins une image acquise.According to a first aspect of the invention, at least one of the aforementioned objectives is achieved with a method for verifying the conformity of clean room equipment by a recognition system comprising a neural network, the verification method comprising ( i) a step of acquisition of at least one image by an image sensor of the recognition system, (ii) a first step of analysis during which the presence of a suit worn by an operator is sought in the at least one image acquired during the acquisition step, (iii) a second analysis step during which the conformity of the suit worn by the operator and visible in the at least one image acquired during the acquisition step, the second step being carried out if the presence of the suit worn by the operator is detected during the first analysis step. In accordance with the invention according to its first aspect, the first and the second analysis step are implemented by the neural network of the recognition system and in which output neurons are associated with the at least one image acquired at the during the acquisition step in order to be able to analyze the content of the at least one acquired image.
Ainsi, le procédé de vérification conforme au premier aspect de l’invention permet de vérifier la conformité d’un équipement de salle blanche porté par l’opérateur, au regard d’un certain nombre de critères qui sont appréciés par une analyse du contenu du ou des images détectées durant l’étape d’acquisition. Le procédé de vérification conforme au premier aspect de l’invention contribue ainsi à optimiser l’utilisation des salles blanches en améliorant la manière dont les opérateurs revêtent leurs équipements de salle blanche, réduisant ainsi les risques de contamination par incorporation de nouveaux intrants par lesdits opérateurs.Thus, the verification method in accordance with the first aspect of the invention makes it possible to verify the conformity of clean room equipment worn by the operator, with regard to a certain number of criteria which are assessed by an analysis of the content of the or images detected during the acquisition step. The verification method according to the first aspect of the invention thus contributes to optimizing the use of clean rooms by improving the way in which operators don their clean room equipment, thus reducing the risks of contamination by incorporation of new inputs by said operators. .
Plus particulièrement, et de manière non limitative, les critères ont trait à la présence ou l’absence de la combinaison portée par l’opérateur pour la première étape d’analyse. En d’autres termes, le réseau de neurones va analyser le contenu de l’image ou des images captées durant l’étape d’acquisition afin de vérifier si elles sont conformes à des images de références qui représentent des situations valides de combinaison portée par l’opérateur, comme il sera précisé ultérieurement. Cette analyse comparative est réalisée par le réseau de neurones qui a été entrainé sur un certain nombre d’images de référence afin de lui faire « apprendre » les situations valides de port de combinaison pour un environnement de salle blanche.More particularly, and in a non-limiting manner, the criteria relate to the presence or absence of the suit worn by the operator for the first stage of analysis. In other words, the neural network will analyze the content of the image or images captured during the acquisition step in order to check whether they conform to reference images which represent valid combination situations carried by the operator, as will be specified later. This comparative analysis is carried out by the neural network which has been trained on a number of reference images in order to make it “learn” the valid situations of wearing the suit for a clean room environment.
La première étape d’analyse est une analyse rapide pour vérifier dans un premier temps si l’opérateur porte une combinaison ou s’il n’en porte pas. En fonction du résultat de la première étape d’analyse, et notamment dans le cas où l’opérateur porte bien une combinaison, alors le procédé de vérification met en œuvre la deuxième étape d’analyse qui réalise un examen plus poussé de la manière dont la combinaison et, d’une manière plus générale, l’équipement spécifique de salle blanche est porté par l’opérateur afin de vérifier un certain nombre de critères associés à certaines zones spécifiques de l’équipement de salle blanche et permettant de déterminer une conformité – ou une non-conformité – de la manière dont ledit opérateur porte son équipement de salle blanche.The first analysis step is a quick analysis to first check whether the operator is wearing a suit or not. Depending on the result of the first analysis step, and in particular in the case where the operator is indeed wearing a combination, then the verification method implements the second analysis step which carries out a more in-depth examination of the way in which the suit and, more generally, the specific cleanroom equipment is worn by the operator in order to verify a certain number of criteria associated with certain specific areas of the cleanroom equipment and allowing compliance to be determined – or non-compliance – in the way said operator wears his cleanroom equipment.
Le procédé de vérification conforme au premier aspect de l’invention comprend avantageusement au moins un des perfectionnements ci-dessous, les caractéristiques techniques formant ces perfectionnements pouvant être prises seules ou en combinaison :The verification method in accordance with the first aspect of the invention advantageously comprises at least one of the improvements below, the technical characteristics forming these improvements being able to be taken alone or in combination:
- le réseau de neurones du système de reconnaissance est du type capable d’un apprentissage par transfert, l’au moins une image acquise lors de l’étape de détection ainsi qu’un résultat de la première étape d’analyse et/ou de la deuxième étape d’analyse sont intégrés aux couches supérieures du réseau de neurones afin de lui permettre d’apprendre de nouvelles situations en fonction des cas réels d’usage, améliorant ainsi sa fiabilité et sa robustesse ;- the neural network of the recognition system is of the type capable of learning by transfer, the at least one image acquired during the detection step as well as a result of the first step of analysis and/or the second analysis step are integrated into the upper layers of the neural network to enable it to learn new situations based on real use cases, thus improving its reliability and robustness;
- selon une première variante de réalisation, la première et la deuxième étape sont mises en œuvre par le même réseau de neurones. Selon une deuxième variante de réalisation, la première étape d’analyse de la présence de combinaison est réalisée par un premier réseau de neurones, et la deuxième étape d’analyse de la présence de combinaison est réalisée par un deuxième réseau de neurones disjoint dudit premier réseau de neurones. Dans l’une ou l’autre des variantes, le réseau de neurone est avantageusement mis en œuvre par un ordinateur ;- According to a first variant embodiment, the first and the second step are implemented by the same neural network. According to a second variant embodiment, the first step of analyzing the presence of combination is carried out by a first neural network, and the second step of analyzing the presence of combination is carried out by a second neural network disjoint from said first neural network. In either variant, the neural network is advantageously implemented by a computer;
- l’étape d’acquisition est du type d’une acquisition d’au moins une image thermique, le capteur d’image étant configuré pour détecter un rayonnement infrarouge généré par l’opérateur et/ou le capteur d’image comprenant un filtre infra-rouge afin de pouvoir détecter ledit rayonnement infra-rouge. Cette configuration avantageuse permet de plus facilement mettre en œuvre la première et/ou la deuxième étape d’analyse, en amplifiant un contraste entre les parties du corps couvertes par l’équipement de salle blanche de celles non protégées par ledit équipement de salle blanche ;- the acquisition step is of the type of acquisition of at least one thermal image, the image sensor being configured to detect infrared radiation generated by the operator and/or the image sensor comprising a filter infrared in order to be able to detect said infrared radiation. This advantageous configuration makes it easier to implement the first and/or the second analysis step, by amplifying a contrast between the parts of the body covered by the clean room equipment and those not protected by said clean room equipment;
- la première étape d’analyse comporte une étape de détermination par le réseau de neurones d'une corrélation entre l’au moins une image acquise et des premières images de référence relatives à un apprentissage supervisé et préenregistrées dans une base de données, le réseau de neurones déterminant, pour chaque neurone de sortie, une probabilité que ladite au moins une image acquise corresponde à une combinaison portée par un opérateur audit neurone de sortie, la deuxième étape du procédé de vérification étant déclenchée en fonction de ladite corrélation. De manière avantageuse, les premières images de référence représentent plusieurs versions d’opérateurs portant une combinaison afin de permettre au réseau de neurones d’apprendre à distinguer un opérateur portant une combinaison d’un opérateur ne portant pas de combinaison ;- the first analysis step comprises a step of determination by the neural network of a correlation between the at least one image acquired and first reference images relating to supervised learning and prerecorded in a database, the network of neurons determining, for each output neuron, a probability that said at least one acquired image corresponds to a combination carried by an operator to said output neuron, the second step of the verification method being triggered as a function of said correlation. Advantageously, the first reference images represent several versions of operators wearing a suit in order to allow the neural network to learn to distinguish an operator wearing a suit from an operator not wearing a suit;
- la première étape d’analyse comporte en outre une étape d’estimation d’une première probabilité associée à l’au moins une image acquise et correspondant à une corrélation entre ladite au moins une image acquise et les premières images de références ayant servies à l’apprentissage du réseau de neurones, éventuellement complétées par les occurrences antérieures du procédé de vérification conforme au premier aspect de l’invention. Cette première probabilité est ensuite comparée à une première valeur seuil. Si la première probabilité ainsi déterminée par le réseau de neurones est supérieure à la première valeur seuil, alors l’au moins une image acquise est déterminée conforme aux premières images de références, traduisant ainsi que l’opérateur est perçu comme revêtant une combinaison d’un équipement de salle blanche. De manière avantageuse, la deuxième étape d’analyse n’est déclenchée que si la première probabilité déterminée par le réseau de neurones durant la première étape d’analyse est supérieure à la première valeur seuil ;- the first analysis step further comprises a step of estimating a first probability associated with the at least one acquired image and corresponding to a correlation between said at least one acquired image and the first reference images having been used to the training of the neural network, possibly supplemented by previous occurrences of the verification method in accordance with the first aspect of the invention. This first probability is then compared with a first threshold value. If the first probability thus determined by the neural network is greater than the first threshold value, then the at least one acquired image is determined to conform to the first reference images, thus reflecting that the operator is perceived as wearing a combination of clean room equipment. Advantageously, the second analysis step is triggered only if the first probability determined by the neural network during the first analysis step is greater than the first threshold value;
- la deuxième étape d’analyse comporte une étape de détermination par le réseau de neurones d'une corrélation entre l’au moins une image acquise et des deuxièmes images de référence relatives à un apprentissage supervisé et préenregistrées dans la base de données, le réseau de neurones déterminant, pour chaque neurone de sortie, une probabilité que ladite au moins une image acquise corresponde à plusieurs critères attendus audit neurone de sortie. Les critères attendus ont trait à la manière dont la combinaison est portée par l’opérateur, tel que par exemple si des mèches de cheveux sont visibles, si des lunettes sont visibles, si le nez de l’opérateur est visible. A cet effet, les deuxièmes images de références représentent avantageusement plusieurs versions d’opérateurs portant tout ou partie d’une combinaison et/ou des gants et/ou des lunettes et/ou une capuche et/ou des sur-lunettes afin de permettre au réseau de neurones d’apprendre à distinguer un opérateur portant une combinaison de manière conforme d’un opérateur portant une telle combinaison de manière non conforme ;- the second analysis step comprises a step of determination by the neural network of a correlation between the at least one image acquired and second reference images relating to supervised learning and prerecorded in the database, the network of neurons determining, for each output neuron, a probability that said at least one acquired image corresponds to several criteria expected from said output neuron. The expected criteria relate to the way the suit is worn by the operator, such as for example if locks of hair are visible, if glasses are visible, if the operator's nose is visible. To this end, the second reference images advantageously represent several versions of operators wearing all or part of a suit and/or gloves and/or goggles and/or a hood and/or over-goggles in order to allow the neural network to learn to distinguish an operator wearing a suit in a compliant manner from an operator wearing such a suit in a non-compliant manner;
- la deuxième étape d’analyse comporte en outre une étape d’estimation d’une deuxième probabilité associée à l’au moins une image acquise et correspondant à une corrélation entre ladite au moins une image acquise et les deuxièmes images de références ayant servies à l’apprentissage du réseau de neurones, éventuellement complétées par les occurrences antérieures du procédé de vérification conforme au premier aspect de l’invention. Cette deuxième probabilité est ensuite comparée à une deuxième valeur seuil. Si la deuxième probabilité ainsi déterminée par le réseau de neurones est supérieure à la deuxième valeur seuil, alors l’au moins une image acquise est déterminée conforme aux deuxièmes images de références, traduisant ainsi que l’opérateur est perçu comme revêtant son équipement de salle blanche de manière correcte, c’est-à-dire d’une manière telle que le risque de contamination de la salle blanche est minimal ;- the second analysis step further comprises a step of estimating a second probability associated with the at least one acquired image and corresponding to a correlation between said at least one acquired image and the second reference images having been used to the training of the neural network, possibly supplemented by previous occurrences of the verification method in accordance with the first aspect of the invention. This second probability is then compared with a second threshold value. If the second probability thus determined by the neural network is greater than the second threshold value, then the at least one acquired image is determined to conform to the second reference images, thus reflecting that the operator is perceived as wearing his room equipment clean in the correct manner, i.e. in such a way that the risk of contamination of the clean room is minimal;
- le procédé de vérification conforme au premier aspect de l’invention comprend une étape préalable de recadrage de l’au moins une image acquise afin d’analyser uniquement une partie recadrée de ladite au moins une image acquise, l’étape de recadrage étant réalisée avant la première étape d’analyse. Avantageusement, la partie recadrée de l’image comprend le visage de l’opérateur ;- the verification method in accordance with the first aspect of the invention comprises a prior step of cropping the at least one acquired image in order to analyze only a cropped part of said at least one acquired image, the cropping step being carried out before the first analysis step. Advantageously, the cropped part of the image includes the face of the operator;
– selon une première variante de réalisation, l’étape d’acquisition du procédé de vérification conforme au premier aspect de l’invention est mise en œuvre par une caméra enregistrant un flux vidéo comprenant une pluralité d’images. Selon une deuxième variante de réalisation, l’étape d’acquisition du procédé de vérification conforme au premier aspect de l’invention est mise en œuvre par un appareil photo enregistrant une image ;– according to a first variant embodiment, the acquisition step of the verification method in accordance with the first aspect of the invention is implemented by a camera recording a video stream comprising a plurality of images. According to a second variant embodiment, the acquisition step of the verification method in accordance with the first aspect of the invention is implemented by a camera recording an image;
- le procédé de vérification conforme au premier aspect de l’invention comprend une phase d’initialisation comportant une étape de détection de mouvement, la phase d’initialisation étant antérieure à la première étape d’analyse. Cette étape a pour but de détecter la présence d’un opérateur dans le champ du capteur d’image du système de reconnaissance, déclenchant par la suite les étapes ultérieures du procédé de vérification conforme au premier aspect de l’invention lorsqu’un opérateur est détecté devant le capteur d’image. De manière avantageuse, l’étape de détection de mouvement comprend une étape de conversion de l’au moins une image acquise en niveau de gris afin de faciliter le traitement numérique, de réduire une consommation énergétique, de limiter des capacités informatiques pour la réalisation du traitement numérique, et afin de réduire un temps de réalisation de l’étape de détection du mouvement ;- the verification method in accordance with the first aspect of the invention comprises an initialization phase comprising a motion detection step, the initialization phase being prior to the first analysis step. The purpose of this step is to detect the presence of an operator in the field of the image sensor of the recognition system, subsequently triggering the subsequent steps of the verification method in accordance with the first aspect of the invention when an operator is detected in front of the image sensor. Advantageously, the motion detection step comprises a step of converting the at least one acquired image into gray level in order to facilitate the digital processing, to reduce energy consumption, to limit computing capacities for the production of the digital processing, and in order to reduce a time for performing the motion detection step;
- l’étape de détection de mouvement comprend une étape de détection d’un visage de l’opérateur, l’étape de détection de mouvement étant mise en œuvre par le réseau de neurones déterminant une corrélation entre l’au moins une image acquise et des troisièmes images de référence relatives à un apprentissage supervisé et préenregistrées dans la base de données, le réseau de neurones déterminant, pour chaque neurone de sortie, une probabilité que ladite au moins une image acquise corresponde à un visage d’opérateur, la première étape d’analyse du procédé de vérification étant déclenchée en fonction de ladite corrélation ;- the motion detection step comprises a step of detecting a face of the operator, the motion detection step being implemented by the neural network determining a correlation between the at least one image acquired and third reference images relating to supervised learning and prerecorded in the database, the neural network determining, for each output neuron, a probability that said at least one acquired image corresponds to an operator's face, the first step analysis of the verification process being triggered as a function of said correlation;
– l’étape de détection du visage de l’opérateur comporte en outre une étape d’estimation d’une troisième probabilité associée à l’au moins une image acquise et correspondant à une corrélation entre ladite au moins une image acquise et les troisièmes images de références ayant servies à l’apprentissage du réseau de neurones, éventuellement complétées par les occurrences antérieures du procédé de vérification conforme au premier aspect de l’invention. Cette troisième probabilité est ensuite comparée à une troisième valeur seuil. Si la troisième probabilité ainsi déterminée par le réseau de neurones est supérieure à la troisième valeur seuil, alors l’au moins une image acquise est déterminée conforme aux troisièmes images de références, traduisant ainsi qu’un visage opérateur est perçu devant le capteur d’image, attendant à ce que son équipement de salle blanche soit vérifié par les étapes ultérieures du procédé de vérification conforme au premier aspect de l’invention ;– the operator's face detection step further comprises a step of estimating a third probability associated with the at least one acquired image and corresponding to a correlation between said at least one acquired image and the third images references having been used to train the neural network, possibly supplemented by previous occurrences of the verification method in accordance with the first aspect of the invention. This third probability is then compared with a third threshold value. If the third probability thus determined by the neural network is greater than the third threshold value, then the at least one acquired image is determined in accordance with the third reference images, thus reflecting that an operator face is perceived in front of the sensor. image, waiting for its clean room equipment to be verified by the subsequent steps of the verification method according to the first aspect of the invention;
- la phase d’initialisation comprend une étape de détection d’un geste de référence de l’opérateur ultérieure à l’étape de détection du mouvement, la première étape d’analyse du procédé de vérification étant déclenchée si le geste de référence a été détecté. Cette configuration avantageuse permet à l’opérateur de piloter le procédé de vérification conforme au premier aspect de l’invention sans avoir à manipulé une interface utilisateur qui pourrait contaminer son équipement de salle blanche et, in fine, contaminer la salle blanche lorsque l’opérateur y entrerait ;- the initialization phase comprises a step of detecting a reference gesture of the operator subsequent to the step of detecting the movement, the first step of analysis of the verification method being triggered if the reference gesture has been detected. This advantageous configuration allows the operator to control the verification method in accordance with the first aspect of the invention without having to manipulate a user interface which could contaminate his clean room equipment and, ultimately, contaminate the clean room when the operator would enter it;
- l’étape de détection du geste de référence est mise en œuvre par le réseau de neurones déterminant une corrélation entre l’au moins une image acquise et des quatrièmes images de référence relatives à un apprentissage supervisé et préenregistrées dans la base de données, le réseau de neurones déterminant, pour chaque neurone de sortie, une probabilité que ladite au moins une image acquise corresponde au geste de référence. De manière avantageuse, les quatrièmes images de références représentent une pluralité de versions différentes du même geste de référence, correspondant à une pluralité d’essais successifs de réalisation dudit geste de référence ;- the reference gesture detection step is implemented by the neural network determining a correlation between the at least one acquired image and fourth reference images relating to supervised learning and prerecorded in the database, the neural network determining, for each output neuron, a probability that said at least one acquired image corresponds to the reference gesture. Advantageously, the fourth reference images represent a plurality of different versions of the same reference gesture, corresponding to a plurality of successive attempts to perform said reference gesture;
– l’étape de détection du geste de référence réalisé par l’opérateur comporte en outre une étape d’estimation d’une quatrième probabilité associée à l’au moins une image acquise et correspondant à une corrélation entre ladite au moins une image acquise et les quatrièmes images de références ayant servies à l’apprentissage du réseau de neurones, éventuellement complétées par les occurrences antérieures du procédé de vérification conforme au premier aspect de l’invention. Cette quatrième probabilité est ensuite comparée à une quatrième valeur seuil. Si la quatrième probabilité ainsi déterminée par le réseau de neurones est supérieure à la quatrième valeur seuil, alors l’au moins une image acquise est déterminée conforme aux quatrièmes images de références, traduisant ainsi que l’opérateur a réalisé le geste de référence attendu pour déclencher la suite des étapes ultérieures du procédé de vérification conforme au premier aspect de l’invention ;– the step of detecting the reference gesture performed by the operator further comprises a step of estimating a fourth probability associated with the at least one acquired image and corresponding to a correlation between said at least one acquired image and the fourth reference images having been used for training the neural network, possibly supplemented by previous occurrences of the verification method in accordance with the first aspect of the invention. This fourth probability is then compared with a fourth threshold value. If the fourth probability thus determined by the neural network is greater than the fourth threshold value, then the at least one acquired image is determined to conform to the fourth reference images, thus reflecting that the operator has performed the reference gesture expected for triggering the rest of the subsequent steps of the verification method in accordance with the first aspect of the invention;
- de manière avantageuse, l’ensemble des étapes du procédé de vérification conforme au premier aspect de l’invention sont réalisées durant un intervalle de temps inférieur ou égal à trois secondes ;- advantageously, all the steps of the verification method in accordance with the first aspect of the invention are carried out during a time interval less than or equal to three seconds;
- le procédé de vérification conforme au premier aspect de l’invention comprend une étape ultérieure d’ouverture d’une porte de salle blanche en fonction de la conformité de la combinaison portée par l’opérateur. Selon une première variante de réalisation, l’étape d’ouverture consiste en l’ouverture de la porte d’entrée en salle blanche, ladite porte étant ouverte par un actionneur piloté par le procédé de vérification. Selon une deuxième variante, l’étape d’ouverture consiste en le déverrouillage d’une gâche de la porte de la salle blanche afin de permettre à l’opérateur de l’ouvrir manuellement.- the verification method in accordance with the first aspect of the invention comprises a subsequent step of opening a clean room door depending on the conformity of the suit worn by the operator. According to a first variant embodiment, the opening step consists of opening the entrance door to the clean room, said door being opened by an actuator controlled by the verification method. According to a second variant, the opening step consists of unlocking a latch of the clean room door in order to allow the operator to open it manually.
Selon un deuxième aspect de l’invention, il est proposé un système de reconnaissance d’un équipement de salle blanche porté par un opérateur, le système comportant des moyens configurés pour mettre en œuvre le procédé de vérification conforme au premier aspect de l’invention ou selon l’un quelconque de ses perfectionnements.According to a second aspect of the invention, there is proposed a system for recognizing clean room equipment worn by an operator, the system comprising means configured to implement the verification method in accordance with the first aspect of the invention or according to any of its improvements.
En particulier, les moyens comportent (i) un capteur d’image configuré pour pouvoir générer au moins une image de l’opérateur se trouvant à proximité du système de reconnaissance, (ii) un réseau de neurones configuré pour détecter dans l’au moins une image la présence de l’opérateur et/ou détecter un geste de référence réalisé par l’opérateur et/ou analyser une tenue vestimentaire de l’opérateur afin de déterminer si la combinaison est portée de manière conforme ou non conforme, et (iii) une base de données comportant des images de référence ayant servies à l’apprentissage du réseau de neurones pour la réalisation des étapes du procédé de vérification.In particular, the means comprise (i) an image sensor configured to be able to generate at least one image of the operator located close to the recognition system, (ii) a neural network configured to detect in the at least an image of the operator's presence and/or detecting a reference gesture made by the operator and/or analyzing the operator's clothing in order to determine whether the suit is worn in a compliant or non-compliant manner, and (iii ) a database comprising reference images having been used for training the neural network for carrying out the steps of the verification method.
Le système de reconnaissance conforme au deuxième aspect de l’invention est avantageusement situé à proximité d’une salle blanche, et plus particulièrement à proximité d’une porte d’entrée de salle blanche. Selon un mode de réalisation avantageux de l’invention, le système de reconnaissance est destiné à être installé dans un vestiaire de salle blanche ou dans un dans d’entrée de salle blanc. Le système de reconnaissance permet ainsi de vérifier si l’opérateur porte son équipement de salle blanche et si ce dernier est correctement porté par celui-là. Consécutivement, le système de reconnaissance conforme au deuxième aspect de l’invention permet de réduire le risque de contamination de la salle blanche et de réduire les coûts de maintenance associés.The recognition system in accordance with the second aspect of the invention is advantageously located close to a clean room, and more particularly close to a clean room entrance door. According to an advantageous embodiment of the invention, the recognition system is intended to be installed in a clean room locker room or in a clean room entrance. The recognition system thus makes it possible to check whether the operator is wearing his clean room equipment and whether it is correctly worn by him. Consequently, the recognition system in accordance with the second aspect of the invention makes it possible to reduce the risk of contamination of the clean room and to reduce the associated maintenance costs.
Le système de reconnaissance conforme au deuxième aspect de l’invention comprend avantageusement au moins un des perfectionnements ci-dessous, les caractéristiques techniques formant ces perfectionnements pouvant être prises seules ou en combinaison :The recognition system in accordance with the second aspect of the invention advantageously comprises at least one of the improvements below, the technical characteristics forming these improvements being able to be taken alone or in combination:
- le réseau de neurones est avantageusement supporté et mis en œuvre par un ordinateur comportant des moyens de calculs tels qu’un ou plusieurs microprocesseurs par exemple ;- the neural network is advantageously supported and implemented by a computer comprising calculation means such as one or more microprocessors for example;
- la base de données comportant les images de références utilisées pour l’apprentissage initial du réseau de neurones et/ou pour son apprentissage par transfert est distante ou locale. Lorsque la base de données est distante, elle est avantageusement connectée au réseau de neurones par des moyens de communication filaires ou sans fil ;- the database comprising the reference images used for the initial learning of the neural network and/or for its learning by transfer is remote or local. When the database is remote, it is advantageously connected to the neural network by wired or wireless communication means;
- le système de reconnaissance conforme au deuxième aspect de l’invention comprend un écran de contrôle configuré pour afficher une image générée par le capteur d’image et/ou pour afficher des instructions afin d’aider l’opérateur à ajuster son équipement de salle blanche ;- the recognition system according to the second aspect of the invention comprises a control screen configured to display an image generated by the image sensor and/or to display instructions in order to help the operator to adjust his room equipment white ;
- le système de reconnaissance conforme au deuxième aspect de l’invention comprend une source lumineuse configurée pour pouvoir éclairer l’opérateur de manière homogène et selon une température d’éclairage supérieure à 5500 K, correspondant ainsi à une lumière blanche dite froide. Cette configuration avantageuse permet d’améliorer la fiabilité du procédé de vérification conforme au premier aspect de l’invention, en permettant d’avoir une lumière et/ou une température d’éclairage constante entre la phase d’apprentissage du réseau de neurones et la phase d’utilisation de ce dernier. En outre, l’utilisation d’un tel éclairage est du type de celui utilisé dans certaines salles blanches, et il permet en outre d’améliorer les détections et analyses réalisées par le procédé de vérification mis en œuvre par le système de reconnaissance, notamment au regard des différents types de peau des opérateurs. De manière avantageuse, la source lumineuse du système de reconnaissance conforme au deuxième aspect de l’invention est du type d’une ou plusieurs diodes électroluminescentes ;- the recognition system in accordance with the second aspect of the invention comprises a light source configured to be able to illuminate the operator in a homogeneous manner and according to a lighting temperature greater than 5500 K, thus corresponding to a so-called cold white light. This advantageous configuration makes it possible to improve the reliability of the verification method in accordance with the first aspect of the invention, by making it possible to have constant light and/or lighting temperature between the learning phase of the neural network and the its use phase. In addition, the use of such lighting is of the type used in certain clean rooms, and it also makes it possible to improve the detections and analyzes carried out by the verification method implemented by the recognition system, in particular with regard to the different skin types of the operators. Advantageously, the light source of the recognition system according to the second aspect of the invention is of the type of one or more light-emitting diodes;
- le capteur d’image du système de reconnaissance est du type d’une caméra – en particulier une webcam – et/ou d’un appareil photo afin de pouvoir générer une ou plusieurs images de l’opérateur situé devant et à distance dudit dispositif de reconnaissance ;- the image sensor of the recognition system is of the type of a camera – in particular a webcam – and/or a camera in order to be able to generate one or more images of the operator located in front and at a distance from said device recognition;
- le capteur d’image du système de reconnaissance comprend avantageusement un photodétecteur sensible au rayonnement infra-rouge et/ou le capteur d’image comprend un filtre infra-rouge située entre l’opérateur et le photodétecteur. Cette configuration avantageuse permet d’améliorer les contrastes entre les parties du corps de l’opérateur couvertes par son équipement de salle blanche et celles découvertes, facilitant ainsi la détection des défauts d’équipement par rapport aux critères de conformités définis dans les différentes images de références décrites précédemment et ayant servies à l’apprentissage initial du réseau de neurones ;- the image sensor of the recognition system advantageously comprises a photodetector sensitive to infrared radiation and/or the image sensor comprises an infrared filter located between the operator and the photodetector. This advantageous configuration makes it possible to improve the contrasts between the parts of the operator's body covered by his clean room equipment and those uncovered, thus facilitating the detection of equipment faults with respect to the conformity criteria defined in the various images of references described previously and having been used for the initial learning of the neural network;
- le dispositif de reconnaissance conforme au deuxième aspect de l’invention comprend astucieusement une optique statique à focale fixe afin de permettre d’obtenir une distance de focalisation prédéterminée, le système de reconnaissance comportant avantageusement un repère de positionnement pour l’opérateur afin de le placer à ladite distance de focalisation. De manière avantageuse, le repère de positionnement peut être un marquage au sol et/ou un pilier et/ou un mur afin de forcer l’opérateur à se placer face au dispositif de reconnaissance et à la distance désirée. La distance de focalisation est avantageusement comprise entre 1,30 m et 1,70 m ; préférentiellement, elle est égale à 1,50 m.- the recognition device in accordance with the second aspect of the invention cleverly comprises fixed focal length static optics in order to make it possible to obtain a predetermined focusing distance, the recognition system advantageously comprising a positioning mark for the operator in order to place at said focusing distance. Advantageously, the positioning marker can be a marking on the ground and/or a pillar and/or a wall in order to force the operator to stand facing the recognition device and at the desired distance. The focusing distance is advantageously between 1.30 m and 1.70 m; preferably, it is equal to 1.50 m.
Des modes de réalisation variés de l’invention sont prévus, intégrant selon l’ensemble de leurs combinaisons possibles les différentes caractéristiques optionnelles exposées ici.Various embodiments of the invention are provided, integrating according to all of their possible combinations the various optional characteristics set out here.
D’autres caractéristiques et avantages de l’invention apparaîtront encore au travers de la description qui suit d’une part, et de plusieurs exemples de réalisation donnés à titre indicatif et non limitatif en référence aux dessins schématiques annexés d’autre part, sur lesquels :Other characteristics and advantages of the invention will become apparent through the description which follows on the one hand, and several embodiments given by way of indication and not limiting with reference to the appended diagrammatic drawings on the other hand, on which :
Bien entendu, les caractéristiques, les variantes et les différentes formes de réalisation de l'invention peuvent être associées les unes avec les autres, selon diverses combinaisons, dans la mesure où elles ne sont pas incompatibles ou exclusives les unes des autres. On pourra notamment imaginer des variantes de l’invention ne comprenant qu’une sélection de caractéristiques décrites par la suite de manière isolées des autres caractéristiques décrites, si cette sélection de caractéristiques est suffisante pour conférer un avantage technique ou pour différencier l’invention par rapport à l’état de la technique antérieur.Of course, the characteristics, the variants and the different embodiments of the invention can be associated with each other, according to various combinations, insofar as they are not incompatible or exclusive of each other. In particular, variants of the invention may be imagined comprising only a selection of characteristics described below in isolation from the other characteristics described, if this selection of characteristics is sufficient to confer a technical advantage or to differentiate the invention from to the state of the prior art.
En particulier toutes les variantes et tous les modes de réalisation décrits sont combinables entre eux si rien ne s’oppose à cette combinaison sur le plan technique.In particular, all the variants and all the embodiments described can be combined with each other if nothing prevents this combination from a technical point of view.
Sur les figures, les éléments communs à plusieurs figures conservent la même référence.In the figures, the elements common to several figures retain the same reference.
En référence à la FIGURE 1, le procédé de vérification 1 conforme au premier aspect de l’invention est décrit. Sur la FGURE 1, les traits en pointillés indiquent des étapes optionnelles du procédé de vérification 1 conforme au premier aspect de l’invention.With reference to FIGURE 1, the verification method 1 according to the first aspect of the invention is described. In FIGURE 1, the dotted lines indicate optional steps of the verification method 1 in accordance with the first aspect of the invention.
Un tel procédé de vérification 1 est mis en œuvre par un système de reconnaissance 2 qui sera décrit plus en détail en référence à la FIGURE 2. Conformément au premier aspect de l’invention, le procédé de vérification 1 comprend nécessairement les étapes suivantes :Such a verification method 1 is implemented by a recognition system 2 which will be described in more detail with reference to FIGURE 2. In accordance with the first aspect of the invention, the verification method 1 necessarily comprises the following steps:
- une étape d’acquisition 11 d’au moins une image 211 par un capteur d’image 21 du système de reconnaissance 2 ;- a step 11 of acquisition of at least one image 211 by an image sensor 21 of the recognition system 2;
- une première étape d’analyse 12 durant laquelle la présence d’une combinaison portée par un opérateur est recherchée dans l’au moins une image acquise durant l’étape d’acquisition 11. La première étape d’analyse 12 permet de réaliser une analyse rapide de l’image acquise 211 durant l’étape d’acquisition 11 afin de vérifier si l’opérateur porte une combinaison ou s’il n’en porte pas ;- a first analysis step 12 during which the presence of a combination worn by an operator is sought in the at least one image acquired during the acquisition step 11. The first analysis step 12 makes it possible to carry out a rapid analysis of the image acquired 211 during the acquisition step 11 in order to check whether the operator is wearing a suit or if he is not wearing one;
- une deuxième étape d’analyse 13 durant laquelle il est testé une conformité de la combinaison portée par l’opérateur et visible dans l’au moins une image acquise 211 durant l’étape d’acquisition 11. En fonction du résultat de la première étape d’analyse 11, et notamment dans le cas où l’opérateur porte bien une combinaison – peu importe la manière dont elle est portée - alors le procédé de vérification 1 met en œuvre la deuxième étape d’analyse 12 qui réalise un examen plus poussé de la manière dont l’équipement spécifique de salle blanche est porté par l’opérateur afin de vérifier un certain nombre de critères associés à certaines zones spécifiques de l’équipement de salle blanche et permettant de déterminer une conformité – ou une non-conformité – de la manière dont ledit opérateur porte son équipement de salle blanche.- a second analysis step 13 during which the conformity of the suit worn by the operator and visible in the at least one image acquired 211 during the acquisition step 11 is tested. Depending on the result of the first analysis step 11, and in particular in the case where the operator is indeed wearing a combination - regardless of how it is worn - then the verification method 1 implements the second analysis step 12 which carries out a more detailed examination how specific cleanroom equipment is worn by the operator to verify a number of criteria associated with specific areas of cleanroom equipment to determine compliance – or non-compliance – how said operator wears his clean room equipment.
Selon l’invention conforme à son premier aspect, la première 12 et la deuxième étape 13 d’analyse sont mises en œuvre par un réseau de neurones 22 du système de reconnaissance 2, des neurones de sortie dudit réseau de neurones 22 étant associés à l’au moins une image acquise 211 au cours de l’étape d’acquisition 11 afin de pouvoir analyser le contenu de l’au moins une image acquise 211.According to the invention in accordance with its first aspect, the first 12 and the second 13 analysis step are implemented by a neural network 22 of the recognition system 2, output neurons of said neural network 22 being associated with the at least one image acquired 211 during the acquisition step 11 in order to be able to analyze the content of the at least one image acquired 211.
En particulier, chaque étape d’analyse 12, 13 comporte une étape de détermination 121, 131 par le réseau de neurones 22 d'une corrélation entre l’au moins une image acquise 211 et respectivement des premières 231 et deuxièmes 322 images de référence relatives à un apprentissage supervisé et préenregistrées dans une base de données 23 du système de reconnaissance 2. En particulier, le réseau de neurones 22 détermine, pour chaque neurone de sortie, une probabilité τ1, τ2 que l’au moins une image acquise 211 durant l’étape d’acquisition 11 corresponde à au moins une image de référence 231, 232. Dans le contexte de l’invention, la notion de correspondance est prise ici au sens d’une corrélation ou d’une égalité ou d’une ressemblance, ladite correspondance étant évaluée par le réseau de neurones 22, la probabilité τ1, τ2 déterminée par ledit réseau de neurones 22 correspondant à une quantification de cette correspondance.In particular, each analysis step 12, 13 comprises a step 121, 131 for determining by the neural network 22 a correlation between the at least one acquired image 211 and respectively first 231 and second 322 relative reference images to supervised learning and prerecorded in a database 23 of the recognition system 2. In particular, the neural network 22 determines, for each output neuron, a probability τ1, τ2 that the at least one image acquired 211 during the acquisition step 11 corresponds to at least one reference image 231, 232. In the context of the invention, the notion of correspondence is taken here in the sense of a correlation or an equality or a resemblance, said correspondence being evaluated by the neural network 22, the probability τ1, τ2 determined by said neural network 22 corresponding to a quantification of this correspondence.
En particulier, la première étape d’analyse 12 comporte en outre une étape d’estimation 121 d’une première probabilité τ1 associée à l’au moins une image acquise 211 et correspondant à une corrélation entre ladite au moins une image acquise 211 et les premières images de références 231 ayant servies à l’apprentissage du réseau de neurones 22, éventuellement complétées par les occurrences antérieures du procédé de vérification 1 conforme au premier aspect de l’invention. Cette première probabilité τ1 est ensuite comparée à une première valeur seuil S1 au cours d’une première étape de comparaison 122 :In particular, the first analysis step 12 further comprises a step 121 of estimating a first probability τ1 associated with the at least one acquired image 211 and corresponding to a correlation between said at least one acquired image 211 and the first reference images 231 having been used for learning the neural network 22, possibly supplemented by previous occurrences of the verification method 1 in accordance with the first aspect of the invention. This first probability τ1 is then compared with a first threshold value S1 during a first comparison step 122:
- si la première probabilité τ1 est supérieure à la première valeur seuil S1, alors l’au moins une image acquise 211 est conforme aux premières images de références 231, traduisant ainsi que l’opérateur est perçu comme revêtant une combinaison d’un équipement de salle blanche. La deuxième étape d’analyse 13 est alors déclenchée ;- if the first probability τ1 is greater than the first threshold value S1, then the at least one acquired image 211 conforms to the first reference images 231, thus reflecting that the operator is perceived as wearing a combination of equipment of White room. The second analysis step 13 is then triggered;
- si la première probabilité τ1 est inférieure à la première valeur seuil S1, alors l’au moins une image acquise 211 n’est pas conforme aux premières images de références 231, traduisant ainsi que l’opérateur est perçu comme ne revêtant pas une combinaison d’un équipement de salle blanche. Dans ce cas, la deuxième étape d’analyse 13 n’est pas déclenchée.- if the first probability τ1 is less than the first threshold value S1, then the at least one acquired image 211 does not conform to the first reference images 231, thus reflecting that the operator is perceived as not wearing a wetsuit of clean room equipment. In this case, the second analysis step 13 is not triggered.
Les premières images de référence 231 stockées dans la base de données 23 du système de reconnaissance 2 représentent plusieurs versions d’opérateurs portant une combinaison afin de permettre au réseau de neurones 22 d’apprendre à distinguer un opérateur portant une combinaison d’un opérateur ne portant pas de combinaison.The first reference images 231 stored in the database 23 of the recognition system 2 represent several versions of operators wearing a combination in order to allow the neural network 22 to learn to distinguish an operator wearing a combination from an operator not wearing no jumpsuit.
De manière analogue, la deuxième étape d’analyse 13 comporte une étape d’estimation 131 d’une deuxième probabilité τ2 associée à l’au moins une image acquise 211 et correspondant à une corrélation entre ladite au moins une image acquise 211 et les deuxièmes images de références 232 ayant servies à l’apprentissage du réseau de neurones 22, éventuellement complétées par les occurrences antérieures du procédé de vérification 1 conforme au premier aspect de l’invention. Cette deuxième probabilité τ2 est ensuite comparée à une deuxième valeur seuil S2 au cours d’une deuxième étape de comparaison 132 :Similarly, the second analysis step 13 includes a step 131 of estimating a second probability τ2 associated with the at least one acquired image 211 and corresponding to a correlation between said at least one acquired image 211 and the second reference images 232 having been used for learning the neural network 22, possibly supplemented by previous occurrences of the verification method 1 in accordance with the first aspect of the invention. This second probability τ2 is then compared with a second threshold value S2 during a second comparison step 132:
- si la deuxième probabilité τ2 est supérieure à la deuxième valeur seuil S2, alors l’au moins une image acquise 211 est conforme aux deuxièmes images de références 232, traduisant ainsi que l’opérateur est perçu comme revêtant son équipement de salle blanche de manière conforme par rapport à des critères attendus ;- if the second probability τ2 is greater than the second threshold value S2, then the at least one acquired image 211 conforms to the second reference images 232, thus reflecting that the operator is perceived as wearing his clean room equipment in such a way compliant with expected criteria;
- si la deuxième probabilité τ2 est inférieure à la deuxième valeur seuil S2, alors l’au moins une image acquise 211 n’est pas conforme aux deuxièmes images de références 232, traduisant ainsi que l’opérateur est perçu comme revêtant son équipement de salle blanche de manière non conforme aux critères attendus.- if the second probability τ2 is less than the second threshold value S2, then the at least one acquired image 211 does not conform to the second reference images 232, thus reflecting that the operator is perceived as wearing his room equipment white in a way that does not comply with the expected criteria.
Les critères attendus ont trait à la manière dont l’équipement de salle blanche est porté par l’opérateur, tel que par exemple si des mèches de cheveux sont visibles, et/ou si des lunettes sont visibles, et/ou si le nez de l’opérateur est visible. A cet effet, les deuxièmes images de références 232 représentent avantageusement plusieurs versions d’opérateurs portant tout ou partie d’une combinaison et/ou des gants et/ou des lunettes et/ou une capuche et/ou des sur-lunettes afin de permettre au réseau de neurones 22 d’apprendre à distinguer un opérateur portant son équipement de salle blanche de manière conforme d’un opérateur portant un tel équipement de salle blanche de manière non conforme.The expected criteria relate to the way the cleanroom equipment is worn by the operator, such as for example if strands of hair are visible, and/or if glasses are visible, and/or if the nose of the operator is visible. To this end, the second reference images 232 advantageously represent several versions of operators wearing all or part of a suit and/or gloves and/or goggles and/or a hood and/or over-goggles in order to allow the neural network 22 to learn to distinguish an operator wearing his clean room equipment in a compliant manner from an operator wearing such clean room equipment in a non-compliant manner.
De manière astucieuse, si l’opérateur porte son équipement de salle blanche de manière conforme, c’est-à-dire si la deuxième probabilité τ2 est supérieure à la deuxième valeur seuil S2, alors le procédé de vérification 1 peut comprendre une étape ultérieure d’ouverture 15 d’une porte de salle blanche. L’étape d’ouverture peut consister le pilotage d’un actionneur manœuvrant l’ouverture de la porte d’entrée 31 en salle blanche, consister en le déverrouillage d’une gâche de la porte de la salle blanche.Cleverly, if the operator wears his clean room equipment in a compliant manner, that is to say if the second probability τ2 is greater than the second threshold value S2, then the verification method 1 can comprise a subsequent step opening 15 of a clean room door. The opening step can consist of piloting an actuator operating the opening of the entrance door 31 in the clean room, consist of unlocking a latch of the door of the clean room.
Dans l’exemple de réalisation illustré sur la FIGURE 1, le procédé de vérification 1 conforme au premier aspect de l’invention comprend une phase d’initialisation 14 préalable aux étapes d’analyse 12, 13.In the exemplary embodiment illustrated in FIGURE 1, the verification method 1 in accordance with the first aspect of the invention comprises an initialization phase 14 prior to the analysis steps 12, 13.
La phase d’initialisation 14 comprend :The initialization phase 14 includes:
– une étape de détection de mouvement 141 afin de détecter la présence d’un opérateur dans le champ du capteur d’image 21 du système de reconnaissance2 ; et/ou– a motion detection step 141 in order to detect the presence of an operator in the field of the image sensor 21 of the recognition system2; and or
- une étape de détection d’un geste de référence 142 de l’opérateur afin de permettre à l’opérateur de pouvoir piloter le procédé de vérification 1 sans contact. L’étape de détection du geste de référence 142 est ultérieure à l’étape de détection de mouvement 141 de la phase d’initialisation 14.- a step of detecting a reference gesture 142 of the operator in order to allow the operator to be able to control the verification method 1 without contact. The reference gesture detection step 142 is subsequent to the motion detection step 141 of the initialization phase 14.
L’étape de détection du geste de référence 142 n’est déclenchée que si la présence d’un opérateur a été détectée durant l’étape de détection de mouvement 141. De même, la première étape d’analyse 12 n’est déclenchée que si le geste de référence a été détecté durant l’étape de détection du geste de référence 142.The reference gesture detection step 142 is triggered only if the presence of an operator has been detected during the motion detection step 141. Similarly, the first analysis step 12 is only triggered if the reference gesture was detected during the step of detecting the reference gesture 142.
Plus particulièrement, l’étape de détection de mouvement 141 comprend une étape de détection d’un visage de l’opérateur, l’étape de détection de mouvement 141 étant mise en œuvre par le réseau de neurones 22 du système de reconnaissance 2 afin de déterminer une corrélation entre l’au moins une image acquise 211 et des troisièmes images de référence 233 relatives à un apprentissage supervisé du réseau de neurones 22 et préenregistrées dans la base de données 23. Ainsi, l’étape de détection du visage de l’opérateur comporte une étape d’estimation 1411 d’une troisième probabilité τ3 associée à l’au moins une image acquise 211 et correspondant à une corrélation entre ladite au moins une image acquise 211 et les troisièmes images de références 233 ayant servies à l’apprentissage du réseau de neurones, éventuellement complétées par les occurrences antérieures du procédé de vérification 1. Cette troisième probabilité τ3 est ensuite comparée à une troisième valeur seuil S3 au cours d’une troisième étape de comparaison 1412 :More particularly, the motion detection step 141 comprises a step of detecting a face of the operator, the motion detection step 141 being implemented by the neural network 22 of the recognition system 2 in order to determine a correlation between the at least one acquired image 211 and third reference images 233 relating to supervised learning of the neural network 22 and prerecorded in the database 23. Thus, the step of detecting the face of the operator includes a step 1411 of estimating a third probability τ3 associated with the at least one acquired image 211 and corresponding to a correlation between said at least one acquired image 211 and the third reference images 233 having been used for learning of the neural network, possibly supplemented by previous occurrences of verification method 1. This third probability τ3 is then compared with a third threshold value S3 during a third comparison step 1412:
- si la troisième probabilité τ3 est supérieure à la troisième valeur seuil S3, alors l’au moins une image acquise 211 est jugée conforme aux troisièmes images de références 233, traduisant ainsi qu’un visage opérateur est perçu devant le capteur d’image 21 du système de reconnaissance 2. Le procédé de vérification 1 passe alors à l’étape suivante : soit la détection du geste de référence 142, soit la première étape d’analyse 12 ;- if the third probability τ3 is greater than the third threshold value S3, then the at least one acquired image 211 is judged to conform to the third reference images 233, thus reflecting that an operator's face is perceived in front of the image sensor 21 of the recognition system 2. The verification method 1 then proceeds to the next step: either the detection of the reference gesture 142, or the first analysis step 12;
- si la troisième probabilité τ3 est inférieure à la troisième valeur seuil S3, alors l’au moins une image acquise 211 est jugée non conforme aux troisièmes images de références 233, traduisant ainsi qu’un visage opérateur n’est pas perçu devant le capteur d’image 21 du système de reconnaissance 2, et le procédé de vérification 1 reste à cette étape jusqu’à ce que la troisième probabilité τ3 devienne supérieure à la troisième valeur seuil S3.- if the third probability τ3 is less than the third threshold value S3, then the at least one acquired image 211 is judged not to conform to the third reference images 233, thus reflecting that an operator's face is not perceived in front of the sensor image 21 of the recognition system 2, and the verification method 1 remains at this step until the third probability τ3 becomes greater than the third threshold value S3.
De manière analogue, l’étape de détection du geste de référence 142 est mise en œuvre par le réseau de neurones 22 du système de reconnaissance 2 afin de déterminer une corrélation entre l’au moins une image acquise 211 et des quatrièmes images de référence 234 relatives à un apprentissage supervisé dudit réseau de neurones 22 et préenregistrées dans la base de données 23.Similarly, the reference gesture detection step 142 is implemented by the neural network 22 of the recognition system 2 in order to determine a correlation between the at least one acquired image 211 and fourth reference images 234 relating to supervised learning of said neural network 22 and pre-recorded in the database 23.
A cet effet, les quatrièmes images de références 234 représentent une pluralité de versions différentes du même geste de référence, correspondant à une pluralité d’essais successifs de réalisation dudit geste de référence.For this purpose, the fourth reference images 234 represent a plurality of different versions of the same reference gesture, corresponding to a plurality of successive attempts to perform said reference gesture.
L’étape de détection du geste de référence 142 comporte une étape d’estimation 1421 d’une quatrième probabilité τ4 associée à l’au moins une image acquise 211 et correspondant à une corrélation entre ladite au moins une image acquise 211 et les quatrièmes images de références 234 ayant servies à l’apprentissage du réseau de neurones 22 du système de reconnaissance 2, éventuellement complétées par les occurrences antérieures du procédé de vérification 1. Cette quatrième probabilité est ensuite comparée à une quatrième valeur seuil S4 au cours d’une étape de comparaison 1422 :The reference gesture detection step 142 includes a step 1421 of estimating a fourth probability τ4 associated with the at least one acquired image 211 and corresponding to a correlation between said at least one acquired image 211 and the fourth images of references 234 having been used for learning the neural network 22 of the recognition system 2, possibly supplemented by previous occurrences of the verification method 1. This fourth probability is then compared with a fourth threshold value S4 during a step comparison 1422:
- si la quatrième probabilité τ4 est supérieure à la quatrième valeur seuil S4, alors l’au moins une image acquise 211 est jugée comme étant conforme aux quatrièmes images de références 234, traduisant ainsi que l’opérateur a réalisé le geste de référence attendu pour déclencher la suite des étapes ultérieures du procédé de vérification 1 ;- if the fourth probability τ4 is greater than the fourth threshold value S4, then the at least one acquired image 211 is judged to be consistent with the fourth reference images 234, thus reflecting that the operator has performed the reference gesture expected for triggering the rest of the subsequent steps of the verification method 1;
- si la quatrième probabilité τ4 est inférieure à la quatrième valeur seuil S4, alors l’au moins une image acquise 211 est jugée comme n’étant pas conforme aux quatrièmes images de références 234, traduisant ainsi que l’opérateur n’a pas réalisé le geste de référence attendu pour déclencher la suite des étapes ultérieures du procédé de vérification 1. Le procédé de vérification 1 reste alors sur l’étape de détection du geste de référence 142 jusqu’à ce que l’opérateur réalise le geste attendu. Eventuellement, des instructions sont fournies à l’opérateur afin de l’aider pour la réalisation du geste de référence attendu.- if the fourth probability τ4 is less than the fourth threshold value S4, then the at least one acquired image 211 is judged as not being in conformity with the fourth reference images 234, thus translating that the operator has not realized the expected reference gesture to trigger the following subsequent steps of the verification method 1. The verification method 1 then remains on the reference gesture detection step 142 until the operator performs the expected gesture. If necessary, instructions are provided to the operator to help him perform the expected reference gesture.
En référence à la FIGURE 2, un exemple de réalisation d’un système de reconnaissance 2 d’un équipement de salle blanche 4 porté par un opérateur OP. Conformément à l’invention, le système de reconnaissance 2 comporte des moyens configurés pour mettre en œuvre le procédé de vérification 1 tel que décrit précédemment.With reference to FIGURE 2, an example embodiment of a recognition system 2 of a clean room equipment 4 carried by an operator OP. In accordance with the invention, the recognition system 2 comprises means configured to implement the verification method 1 as described above.
Dans l’exemple illustré sur la FIGURE 2, le système de reconnaissance 2 est mis en œuvre à proximité d’une salle blanche, par exemple dans un sas d’entrée 3 permettant à l’opérateur OP de revêtir son équipement de salle blanche 4 et d’en vérifier la conformité de son revêtement avant de franchir la porte d’entrée 31 de la salle blanche.In the example illustrated in FIGURE 2, the recognition system 2 is implemented near a clean room, for example in an entrance lock 3 allowing the operator OP to put on his clean room equipment 4 and to check the conformity of its coating before crossing the entrance door 31 of the clean room.
Dans l’exemple illustré sur la FIGURE 2, les moyens du système de reconnaissance 2 comprennent nécessairement :In the example illustrated in FIGURE 2, the means of the recognition system 2 necessarily include:
- un capteur d’image 21 configuré pour pouvoir générer au moins une image 211 de l’opérateur OP se trouvant à proximité du système de reconnaissance 2. A titre d’exemples non limitatifs, le capteur d’image 21 est du type d’un appareil photo ou d’une caméra, préférentiellement une webcam. En outre, le capteur d’image 21 comprend une optique de focalisation afin de permettre de faire une mise au point sur l’opérateur. L’optique de focalisation est avantageusement statique, définissant ainsi une longueur de focalisation prédéterminée D environ égale à 1,50 mètre ;- an image sensor 21 configured to be able to generate at least one image 211 of the operator OP located close to the recognition system 2. By way of non-limiting examples, the image sensor 21 is of the type a camera or video camera, preferably a webcam. In addition, the image sensor 21 includes focusing optics to enable focusing on the operator. The focusing optics are advantageously static, thus defining a predetermined focusing length D approximately equal to 1.50 meters;
-un réseau de neurones 22 configuré pour analyser l’au moins une image acquise 211 par le capteur d’image 21 afin d’y détecter la présence de l’opérateur et/ou détecter un geste de référence réalisé par l’opérateur et/ou analyser une tenue vestimentaire de l’opérateur afin de déterminer si la combinaison est portée de manière conforme ou non conforme, selon le procédé de vérification 1 tel que décrit précédemment en référence à la FIGURE 1 ; eta neural network 22 configured to analyze the at least one image acquired 211 by the image sensor 21 in order to detect the presence of the operator therein and/or detect a reference gesture made by the operator and/ or analyzing clothing of the operator in order to determine whether the suit is worn in a compliant or non-compliant manner, according to the verification method 1 as described above with reference to FIGURE 1; And
- une base de données 23, distante ou locale, comportant notamment des images de référence 231, 232, 233, 234 ayant servies à l’apprentissage du réseau de neurones 22 pour la réalisation des étapes du procédé de vérification 1.- a database 23, remote or local, comprising in particular reference images 231, 232, 233, 234 having been used for learning the neural network 22 for carrying out the steps of the verification method 1.
La mise en œuvre du procédé de vérification 1 te que décrit précédemment est avantageusement réalisé par un ordinateur 24 comportant des moyens de calculs tels qu’un ou plusieurs microprocesseurs par exemple. En particulier, la FIGURE 2 représente le réseau de neurones 22 de manière schématique à l’extérieur de l’ordinateur 22 pour faciliter la compréhension de l’invention. Selon un mode de réalisation avantageux de l’invention, le réseau de neurones 22 est du type virtuel et mis en œuvre par l’ordinateur 24.The implementation of the verification method 1 you described above is advantageously carried out by a computer 24 comprising calculation means such as one or more microprocessors for example. In particular, FIGURE 2 represents the neural network 22 schematically outside the computer 22 to facilitate understanding of the invention. According to an advantageous embodiment of the invention, the neural network 22 is of the virtual type and implemented by the computer 24.
Comme évoqué précédemment, la base de données 23 comporte les images de références 231-234 ainsi que – selon un mode particulier de l’invention – les images issues des utilisations successives du procédé de vérification 1 afin de permettre un apprentissage permanent du réseau de neurones 22. La base de données 23 est distante ou locale, et elle est avantageusement connectée au réseau de neurones 22 et/ou à l’ordinateur 24 par des moyens de communication filaires ou sans fil.As mentioned above, the database 23 includes the reference images 231-234 as well as – according to a particular mode of the invention – the images resulting from the successive uses of the verification method 1 in order to allow permanent learning of the neural network 22. The database 23 is remote or local, and it is advantageously connected to the neural network 22 and/or to the computer 24 by wired or wireless communication means.
Afin d’aider l’opérateur OP à ajuster son équipement de salle blanche 4, le système de reconnaissance 2 illustré sur la FIGURE 2 comprend un écran de contrôle 26 configuré pour afficher une image générée par le capteur d’image 21 et/ou pour afficher des instructions pour la mise en œuvre du procédé de vérification 1.In order to help the operator OP to adjust his clean room equipment 4, the recognition system 2 illustrated in FIGURE 2 comprises a control screen 26 configured to display an image generated by the image sensor 21 and/or to display instructions for performing verification process 1.
Afin de faciliter la détection de conformité de l’équipement 4 porté par l’opérateur OP, le capteur d’image 21 du système de reconnaissance 2 comprend un photodétecteur sensible au rayonnement infra-rouge et/ou le capteur d’image comprend un filtre infra-rouge située entre l’opérateur et le photodétecteur.In order to facilitate the detection of conformity of the equipment 4 carried by the operator OP, the image sensor 21 of the recognition system 2 comprises a photodetector sensitive to infrared radiation and/or the image sensor comprises a filter infrared located between the operator and the photodetector.
Dans l’exemple illustré sur la FIGURE 2, le système de reconnaissance 2 comprend une source lumineuse 25 configurée pour pouvoir éclairer l’opérateur de manière homogène et selon une température d’éclairage supérieure à 5500 K afin d’améliorer la fiabilité du procédé de vérification 1 et d’améliorer la détection de conformité dudit procédé de vérification 1 mis en œuvre par le système de reconnaissance 2.In the example illustrated in FIGURE 2, the recognition system 2 comprises a light source 25 configured to be able to illuminate the operator in a homogeneous manner and according to a lighting temperature greater than 5500 K in order to improve the reliability of the method of verification 1 and to improve the conformity detection of said verification method 1 implemented by the recognition system 2.
Afin de permettre à l’opérateur OP de bien se positionner devant le système de reconnaissance 2, et notamment devant le capteur d’image 21 et au regard de sa distance de focalisation prédéterminée, le système de reconnaissance comporte un repère de positionnement 27 pour l’opérateur OP la forme d’un marquage elliptique au sol dans l’exemple de réalisation illustré sur la FIGURE 2.In order to allow the operator OP to position himself correctly in front of the recognition system 2, and in particular in front of the image sensor 21 and with regard to his predetermined focusing distance, the recognition system comprises a positioning mark 27 for the operator OP the shape of an elliptical marking on the ground in the embodiment illustrated in FIGURE 2.
En synthèse, l’invention concerne un procédé de vérification 1 qui permet de vérifier la conformité le revêtement d’un équipement de salle blanche 4 par un opérateur OP. Le procédé de vérification 1 est basé sur des technologies de réseaux de neurones 22 et d’apprentissage par transfert. En particulier, le réseau de neurones 22 a été étalonné par des images de référence 231, 232, 233, 234 afin de pouvoir détecter prioritairement (i) si l’opérateur OP porte une combinaison ou pas, et (ii) si la manière dont il porte son équipement de salle blanche 4 ne laisse pas apparaître des parties de son corps non attendues. A cet effet, le système de reconnaissance 2 mettant en œuvre le procédé de vérification 1 comprend un capteur d’image 21 connecté au réseau de neurones 22 afin de réaliser une analyse d’image.In summary, the invention relates to a verification method 1 which makes it possible to verify the conformity of the coating of a clean room equipment 4 by an operator OP. Verification method 1 is based on neural network 22 and transfer learning technologies. In particular, the neural network 22 has been calibrated by reference images 231, 232, 233, 234 in order to be able to detect as a priority (i) whether the operator OP is wearing a combination or not, and (ii) whether the way in which he's wearing his cleanroom 4 gear doesn't show any unexpected body parts. To this end, the recognition system 2 implementing the verification method 1 comprises an image sensor 21 connected to the neural network 22 in order to perform an image analysis.
Bien sûr, l’invention n’est pas limitée aux exemples qui viennent d’être décrits et de nombreux aménagements peuvent être apportés à ces exemples sans sortir du cadre de l’invention. Notamment, les différentes caractéristiques, formes, variantes et modes de réalisation de l’invention peuvent être associées les unes avec les autres selon diverses combinaisons dans la mesure où elles ne sont pas incompatibles ou exclusives les unes des autres. En particulier toutes les variantes et modes de réalisation décrits précédemment sont combinables entre eux.Of course, the invention is not limited to the examples which have just been described and many adjustments can be made to these examples without departing from the scope of the invention. In particular, the different characteristics, forms, variants and embodiments of the invention may be associated with each other in various combinations insofar as they are not incompatible or exclusive of each other. In particular, all the variants and embodiments described above can be combined with each other.
Claims (10)
- une étape d’acquisition (11) d’au moins une image (211) par un capteur d’image (21) du système de reconnaissance (2) ;
- une première étape d’analyse (12) durant laquelle la présence d’une combinaison portée par un opérateur (OP) est recherchée dans l’au moins une image (211) acquise durant l’étape d’acquisition (11) ;
- une deuxième étape d’analyse (13) durant laquelle il est testé une conformité de la combinaison portée par l’opérateur (OP) et visible dans l’au moins une image (211) acquise durant l’étape d’acquisition (11), la deuxième étape d’analyse (13) étant réalisée si la présence de la combinaison portée par l’opérateur (OP) est détectée au cours de la première étape d’analyse (12) ;
la première (12) et la deuxième (13) étape d’analyse étant mises en œuvre par le réseau de neurones (22) du système de reconnaissance (2) et dans lequel des neurones de sortie sont associés à l’au moins une image (211) acquise au cours de l’étape d’acquisition (11) afin de pouvoir analyser le contenu de l’au moins une image (211) acquise.Verification method (1) of conformity of clean room equipment (4) by a recognition system (2) comprising a neural network, the verification method (1) comprising the following steps:
- an acquisition step (11) of at least one image (211) by an image sensor (21) of the recognition system (2);
- a first analysis step (12) during which the presence of a suit worn by an operator (OP) is sought in the at least one image (211) acquired during the acquisition step (11);
- a second analysis step (13) during which the conformity of the suit worn by the operator (OP) and visible in the at least one image (211) acquired during the acquisition step (11) is tested ), the second analysis step (13) being carried out if the presence of the suit worn by the operator (OP) is detected during the first analysis step (12);
the first (12) and the second (13) analysis step being implemented by the neural network (22) of the recognition system (2) and in which output neurons are associated with the at least one image (211) acquired during the acquisition step (11) in order to be able to analyze the content of the at least one image (211) acquired.
- la première étape d’analyse (12) comporte une étape de détermination (121) par le réseau de neurones (22) d'une corrélation entre l’au moins une image (211) acquise et des premières images de référence (321) relatives à un apprentissage supervisé et préenregistrées dans une base de données (23), le réseau de neurones (22) déterminant, pour chaque neurone de sortie, une première probabilité (τ1) que ladite au moins une image (211) acquise corresponde à une combinaison portée par un opérateur (OP) audit neurone de sortie, la deuxième étape d’analyse (13) du procédé de vérification (1) étant déclenchée en fonction de ladite corrélation ; et/ou
- la deuxième étape d’analyse (13) comporte une étape de détermination (131) par le réseau de neurones (22) d'une corrélation entre l’au moins une image (211) acquise et des deuxièmes images de référence (232) relatives à un apprentissage supervisé et préenregistrées dans la base de données (23), le réseau de neurones (22) déterminant, pour chaque neurone de sortie, une deuxième probabilité (τ2) que ladite au moins une image (211) acquise corresponde à plusieurs critères attendus audit neurone de sortie.Verification method (1) according to any one of the preceding claims, in which:
- the first analysis step (12) comprises a step of determination (121) by the neural network (22) of a correlation between the at least one image (211) acquired and first reference images (321) relating to supervised learning and prerecorded in a database (23), the neural network (22) determining, for each output neuron, a first probability (τ1) that said at least one acquired image (211) corresponds to a combination carried by an operator (OP) to said output neuron, the second analysis step (13) of the verification method (1) being triggered as a function of said correlation; and or
- the second analysis step (13) comprises a step of determination (131) by the neural network (22) of a correlation between the at least one image (211) acquired and second reference images (232) relating to supervised learning and prerecorded in the database (23), the neural network (22) determining, for each output neuron, a second probability (τ2) that said at least one acquired image (211) corresponds to several expected criteria to said output neuron.
- un capteur d’image (21) configuré pour pouvoir générer au moins une image (211) de l’opérateur (OP) se trouvant à proximité du système de reconnaissance (2) ;
- un réseau de neurones (22) configuré pour détecter dans l’au moins une image (211) la présence de l’opérateur (OP) et/ou détecter un geste de référence réalisé par l’opérateur (OP) et/ou analyser une tenue vestimentaire de l’opérateur (OP) afin de déterminer si la combinaison est portée de manière conforme ou non conforme ;
- une base de données (23) comportant des images de référence ayant servies à l’apprentissage du réseau de neurones (22) pour la réalisation des étapes du procédé de vérification.Recognition system (2) according to the preceding claim, in which the means comprise:
- an image sensor (21) configured to be able to generate at least one image (211) of the operator (OP) located close to the recognition system (2);
- a neural network (22) configured to detect in the at least one image (211) the presence of the operator (OP) and/or detect a reference gesture performed by the operator (OP) and/or analyze an operator (OP) attire to determine if the suit is worn compliant or non-compliant;
- a database (23) comprising reference images having served for learning the neural network (22) for carrying out the steps of the verification method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1903054A FR3094533B1 (en) | 2019-03-25 | 2019-03-25 | Method for verifying clean room equipment |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1903054A FR3094533B1 (en) | 2019-03-25 | 2019-03-25 | Method for verifying clean room equipment |
| FR1903054 | 2019-03-25 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3094533A1 true FR3094533A1 (en) | 2020-10-02 |
| FR3094533B1 FR3094533B1 (en) | 2021-08-06 |
Family
ID=67956905
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR1903054A Active FR3094533B1 (en) | 2019-03-25 | 2019-03-25 | Method for verifying clean room equipment |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR3094533B1 (en) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110274314A1 (en) * | 2010-05-05 | 2011-11-10 | Nec Laboratories America, Inc. | Real-time clothing recognition in surveillance videos |
| WO2013178819A1 (en) * | 2012-06-01 | 2013-12-05 | Dublin Institute Of Technology | A method and apparatus for protective clothing compliance |
| EP2878875A1 (en) * | 2013-11-14 | 2015-06-03 | Omron Corporation | Monitoring device and monitoring method |
| US20180114084A1 (en) * | 2015-07-13 | 2018-04-26 | Baidu Online Network Technology (Beijing) Co., Ltd | Method for recognizing picture, method and apparatus for labelling picture, and storage medium |
| WO2018109048A1 (en) * | 2016-12-16 | 2018-06-21 | Glaxosmithkline Intellectual Property Development Limited | A clothing compliance detection apparatus, and associated clothing standard enforcement apparatus |
-
2019
- 2019-03-25 FR FR1903054A patent/FR3094533B1/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110274314A1 (en) * | 2010-05-05 | 2011-11-10 | Nec Laboratories America, Inc. | Real-time clothing recognition in surveillance videos |
| WO2013178819A1 (en) * | 2012-06-01 | 2013-12-05 | Dublin Institute Of Technology | A method and apparatus for protective clothing compliance |
| EP2878875A1 (en) * | 2013-11-14 | 2015-06-03 | Omron Corporation | Monitoring device and monitoring method |
| US20180114084A1 (en) * | 2015-07-13 | 2018-04-26 | Baidu Online Network Technology (Beijing) Co., Ltd | Method for recognizing picture, method and apparatus for labelling picture, and storage medium |
| WO2018109048A1 (en) * | 2016-12-16 | 2018-06-21 | Glaxosmithkline Intellectual Property Development Limited | A clothing compliance detection apparatus, and associated clothing standard enforcement apparatus |
Also Published As
| Publication number | Publication date |
|---|---|
| FR3094533B1 (en) | 2021-08-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lagorio et al. | Liveness detection based on 3D face shape analysis | |
| US20220337788A1 (en) | System and method for remote detection and location of gas leaks | |
| FR3007171B1 (en) | METHOD FOR CONTROLLING PEOPLE AND APPLICATION TO INSPECTION OF PERSONS | |
| FR2901898A1 (en) | IDENTIFICATION METHOD AND ACQUIRING DEVICE FOR CARRYING OUT SAID METHOD | |
| EP2223264A1 (en) | Method of identifying a person by his iris | |
| FR2978267A1 (en) | METHOD AND DEVICE FOR CONTROLLING AN APPARATUS BASED ON THE DETECTION OF PERSONS NEAR THE DEVICE | |
| WO2014206887A1 (en) | Method for detecting a real face | |
| KR20110103571A (en) | Apparatus and method imaging through hole of each pixels of display panel | |
| CA2839596A1 (en) | Fall detection device and method by image analysis | |
| WO2021250189A1 (en) | Method for automatic protection of an object, a person or a piece of information or visual work from a risk of undesired observation | |
| Kashyap et al. | Detection of a facemask in real-time using deep learning methods: Prevention of Covid 19 | |
| EP3163484B1 (en) | Method for recorded image projection fraud detection in biometric authentication | |
| EP2909787B1 (en) | Process for authentifying a capture of an image of a tridimensional entity | |
| FR2950723A1 (en) | SYSTEM AND METHOD FOR DETECTING THE PRESENCE OF A SENSITIVE AREA SUBJECT | |
| FR3065306A1 (en) | METHOD OF DETECTING FRAUD | |
| FR3011960A1 (en) | METHOD FOR IDENTIFICATION FROM A SPATIAL AND SPECTRAL OBJECT MODEL | |
| FR3094533A1 (en) | Method for verifying clean room equipment | |
| EP3264329B1 (en) | A method and a device for detecting fraud by examination using two different focal lengths during automatic face recognition | |
| FR3084943A1 (en) | METHOD FOR OBTAINING A FINGERPRINT IMAGE | |
| Chatterjee et al. | A low-cost optical sensor for secured antispoof touchless palm print biometry | |
| Lewicki et al. | AI thermometer for temperature screening: Demo abstract | |
| WO2020109122A1 (en) | Device and method for authenticating an individual | |
| FR3073301B1 (en) | METHOD FOR STANDARDIZED ANALYSIS IDENTIFICATION OF PHYSICAL DATA | |
| EP3036687A2 (en) | Decision device provided to decide whether an eye is real or false | |
| FR3074312A1 (en) | DEVICE FOR CONTROLLING THE ACCESS OF AN INDIVIDUAL BY 2D OR 3D RECOGNITION OF THE FACE OF AN INDIVIDUAL FROM ITS 3D PRIOR ACQUISITION |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20201002 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |
|
| PLFP | Fee payment |
Year of fee payment: 4 |
|
| PLFP | Fee payment |
Year of fee payment: 5 |
|
| PLFP | Fee payment |
Year of fee payment: 6 |