FR3108193A1 - Procédé d’inspection d’une plaque et dispositifs associés - Google Patents

Procédé d’inspection d’une plaque et dispositifs associés Download PDF

Info

Publication number
FR3108193A1
FR3108193A1 FR2002544A FR2002544A FR3108193A1 FR 3108193 A1 FR3108193 A1 FR 3108193A1 FR 2002544 A FR2002544 A FR 2002544A FR 2002544 A FR2002544 A FR 2002544A FR 3108193 A1 FR3108193 A1 FR 3108193A1
Authority
FR
France
Prior art keywords
image
plate
inspected
filter
computer
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.)
Pending
Application number
FR2002544A
Other languages
English (en)
Inventor
Romain PHILIPPE
Jean-Marc MONTANIER
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Faurecia Services Group SAS
Original Assignee
Faurecia Services Group SAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Faurecia Services Group SAS filed Critical Faurecia Services Group SAS
Priority to FR2002544A priority Critical patent/FR3108193A1/fr
Publication of FR3108193A1 publication Critical patent/FR3108193A1/fr
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30136—Metal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

Procédé d’inspection d’ une plaque et dispositifs associés L’invention concerne un procédé d’inspection d’une plaque (12) présentant une direction générale de brossage et comportant une étape de : - réception d’au moins une image d’une plaque (12) à inspecter, - filtrage de l’image reçue par un filtre passe-bas, - obtention d’un fond de l’image reçue à partir de l’image filtrée, l’étape d’obtention comportant l’application d’un filtre pour lequel une direction principale d’extension est définie et parallèle à la direction générale de brossage, - soustraction du fond obtenu à l’image filtrée pour obtenir une image intermédiaire, - seuillage de l’image intermédiaire pour obtenir une image à inspecter, et - analyse de l’image à inspecter par application d’un algorithme de classification de défauts sur l’image à inspecter pour détecter la présence éventuelle de défauts et déterminer le cas échéant la localisation de chaque défaut détecté. Figure pour l'abrégé : figure 1

Description

Procédé d’inspection d’une plaque et dispositifs associés
La présente invention concerne un procédé d’inspection d’une plaque. La présente invention se rapporte également à un calculateur et à un système d’inspection propres à mettre en œuvre ledit procédé. La présente invention concerne également un produit programme d’ordinateur et un support lisible d’informations associés.
Dans le processus de production actuel de plaques ayant un aspect brossé, des défauts peuvent être présents sur les plaques. Les défauts sont très petits (typiquement 300 microns) au regard de la taille des plaques qui correspondent typiquement à une surface de 60 centimètres par 1,2 mètres.
Pour contrôler la présence de tels défauts, il est connu de positionner un opérateur humain en fin de chaîne de production pour effectuer une telle tâche.
Toutefois, cela présente plusieurs inconvénients.
D’abord, en pratique, l'opérateur humain a tendance à manquer certains défauts, notamment sous l’effet de la fatigue.
Ensuite, comme une plaque est produite très rapidement, l’opérateur n’est pas capable d’analyser une plaque pour détecter la présence éventuelle de défauts avant la fabrication de la suivante. Par conséquent, toutes les plaques ne sont pas analysées.
Un tel facteur humain n’est pas impliqué lorsqu’une technique numérique est utilisée.
Néanmoins, en pratique, une telle technique ne donne pas entièrement satisfaction notamment parce que la détection des défauts n’est pas optimale (détection de faux défauts en particulier).
Il existe un besoin pour un procédé d’inspection d’une plaque ayant un aspect brossé qui présente une meilleure précision.
A cet effet, la description décrit un procédé d’inspection d’une plaque présentant une direction générale de brossage, le procédé étant mis en œuvre par un calculateur, le procédé comportant une étape deréception d’au moins une image d’une plaque en métal à inspecter, pour obtenir une image reçue, une étape de filtrage de l’image reçue par un filtre passe-bas, pour obtenir une image filtrée, une étape d’obtention d’un fond de l’image reçue à partir de l’image filtrée, l’étape d’obtention comportant l’application d’un filtre pour lequel une direction principale d’extension est définie, la direction principale d’extension étant parallèle à la direction générale de brossage, une étape de soustraction du fond obtenu à l’image filtrée pour obtenir une image intermédiaire, une étape de seuillage de l’image intermédiaire pour obtenir une image à inspecter et une étape d’analyse de l’image à inspecter et une étape d’analyse comportant l’application d’un algorithme de classification de défauts sur l’image à inspecter pour détecter la présence éventuelle d’un ou de plusieurs défauts et déterminer le cas échéant la localisation de chaque défaut détecté.
Selon des modes de réalisation particuliers, le procédé d’inspection présente une ou plusieurs des caractéristiques suivantes, prise(s) isolément ou selon toutes les combinaisons techniquement possibles :
- le filtre est un filtre convolutif unidimensionnel.
- l’algorithme de classification de défauts est un réseau de neurones convolutif.
- l’étape d’analyse comporte l’application d’un algorithme de classification à chaque défaut détecté pour obtenir la nature de chaque défaut détecté.
- l’étape de seuillage comporte la sélection d’un seuil par une technique de maximisation d’entropie.
- le procédé d’inspection comporte, en outre, une étape d’affichage de l’image reçue avec une mise en évidence de chaque défaut détecté.
- l’étape de filtrage comportel’application d’une transformée de Fourier à l’image reçue pour obtenir un spectre en fréquence, l’élimination des fréquences supérieures ou égales à une fréquence seuil, pour obtenir un spectre filtré, et l’application d’une transformée de Fourier inverse à l’image pour obtenir l’image filtrée.
La présente description décrit aussi un calculateur propre à inspecter une plaque présentant une direction générale de brossage, le calculateur étant adapté à recevoir au moins une image d’une plaque en métal à inspecter, pour obtenir une image reçue, à filtrer l’image reçue par un filtre passe-bas, pour obtenir une image filtrée, à obtenir fond de l’image reçue à partir de l’image filtrée et à appliquer un filtre pour lequel une direction principale d’extension est définie, la direction principale d’extension étant parallèle à la direction générale de brossage, à soustraire le fond à l’image filtrée pour obtenir une image intermédiaire, à seuiller l’image intermédiaire pour obtenir une image à inspecter et à analyser l’image à inspecter, le calculateur étant propre à appliquer un algorithme de classification de défauts sur l’image à inspecter pour détecter la présence éventuelle d’un ou de plusieurs défauts et déterminer le cas échéant la localisation de chaque défaut détecté.
La présente description propose également un système d’inspection d’une plaque comportantun calculateur tel que précédemment décrit, et une caméra propre à acquérir des images et à envoyer les images acquises vers le calculateur, la caméra étant, de préférence, une caméra propre à effectuer un balayage de la plaque, avantageusement un balayage ligne à ligne.
La présente description décrit aussi un produit programme d’ordinateur comportant un support lisible d’informations, sur lequel est mémorisé un programme d’ordinateur comprenant des instructions de programme, le programme d’ordinateur étant chargeable sur une unité de traitement de données et adapté pour entraîner la mise en œuvre d’étapes d’un procédé tel que précédemment décrit lorsque le programme d’ordinateur est mis en œuvre sur l’unité de traitement des données.
La présente description propose également un support lisible d’informations comportant des instructions de programme formant un programme d’ordinateur, le programme d’ordinateur étant chargeable sur une unité de traitement de données et adapté pour entraîner la mise en œuvre d’étapes d’un procédé tel que précédemment décrit lorsque le programme d’ordinateur est mis en œuvre sur l’unité de traitement de données.
Des caractéristiques et avantages de l’invention apparaîtront à la lecture de la description qui va suivre, donnée uniquement à titre d’exemple non limitatif, et faite en référence aux dessins annexés, sur lesquels:
- la figure 1 est une vue schématique d’un système d’inspection et une plaque à inspecter, et
- la figure 2 est une vue schématique d’une partie du système d’inspection de la figure 1.
Un système d’inspection 10 et une plaque à inspecter 12 (simplement plaque 12) sont représentés sur la figure1.
Le système d’inspection 10 est propre à inspecter la plaque 12 et notamment à inspecter l’état de surface de la plaque 12.
Notamment, le système d’inspection 10 cherche à déterminer la présence de défauts.
Dans un tel contexte, un défaut est une rayure, une inclusion, une saleté (poussière notamment) ou une tache.
La plaque 12 est une plaque ayant subi un traitement de brossage.
Un tel traitement comporte, notamment pour une plaque métallique, une abrasion et un brossage dans une moins une direction, à l’aide par exemple d’une brosse métallique.
Cela implique que la plaque présente un aspect brossé.
Cela signifie que la plaque 12 présente une direction générale de brossage.
Dans le cas de la figure 1, cela est représenté schématiquement par des lignes verticales.
Selon l’exemple proposé, la plaque 12 est en métal, plus spécifiquement en aluminium brossé.
Selon un autre exemple, la plaque 12 est réalisée en plastique, par exemple un plastique à base de polypropylène (aussi désigné par l’abréviation PP) ou un polyoléfine thermoplastique (plus souvent désigné sous l’abréviation TPO qui renvoie à la dénomination anglaise de «thermoplastic polyolefin»). Dans le cas de matière plastique, l’aspect brossé peut être réalisé directement par la surface d’aspect du moule utilisé lors de la fabrication de la plaque 12, notamment par injection plastique.
Le système d’inspection 10 comporte une caméra 14 et un calculateur 16.
La caméra 14 est propre à acquérir des images et à envoyer les images acquises vers le calculateur 16.
La caméra 14 de la figure 1 comporte une source lumineuse 17, un capteur 18 et un contrôleur 20.
La source lumineuse 17 est propre à éclairer la plaque 12 uniquement lorsqu'une image de la plaque 12 est acquise par le capteur 18.
Le capteur 18 est un capteur d’image.
A titre d’exemple, le capteur d’image est une photodiode.
Le capteur 18 est propre à effectuer un balayage de la plaque12.
Le capteur 18 est ainsi déplaçable selon une ou deux directions pour réaliser le balayage.
Selon l’exemple proposé, il s’agit d’un balayage linéaire. Cela signifie que le capteur18 est propre à acquérir une ligne par une ligne.
Pour cela, le capteur 18 est, par exemple, un capteur dont les éléments sensibles sont agencés selon une ligne.
Le contrôleur 20 est propre à contrôler la source lumineuse 17 et le capteur 18.
Le contrôleur 20 assure la synchronisation de la source lumineuse 17 et du capteur18. En particulier, le contrôleur 20 permet que la source lumineuse 17 éclaire la plaque 12 au moment où le capteur 18 acquiert une ligne.
Selon un mode de réalisation particulier, le contrôleur 20 adapte la cadence de la caméra 14 à la vitesse de production des plaques 12.
Le contrôleur 20 est également adapté à reconstruire une image à partir de chaque ligne obtenue par le capteur 18.
Le contrôleur 20 est, en outre, adapté à envoyer la ou les images ainsi reconstruites en destination du calculateur 16 pour traitement.
Comme visible sur la figure 2, le calculateur 16 est propre à interagir avec un produit programme d’ordinateur 22. L’interaction du produit programme d’ordinateur 22 avec le calculateur 16 permet de mettre en œuvre un procédé d’investigation de la plaque 12.
Plus généralement, le calculateur 16 est un calculateur électronique propre à manipuler et/ou transformer des données représentées comme des quantités électroniques ou physiques dans des registres du calculateur et/ou des mémoires en d’autres données similaires correspondant à des données physiques dans des mémoires, des registres ou d’autres types de dispositifs d’affichage, de transmission ou de mémorisation.
Le calculateur 16 comporte un processeur 24 comprenant une unité de traitement de données 26, des mémoires 28 et un lecteur 30 de support d’informations. Le calculateur 16 comprend également un clavier 32 et une unité d’affichage 34.
Le produit programme d’ordinateur 12 comporte un support lisible d’informations.
Un support lisible d’informations est un support lisible par le calculateur 16, usuellement par le lecteur 30. Le support lisible d’informations est un médium adapté à mémoriser des instructions électroniques et capable d’être couplé à un bus d’un système informatique.
A titre d’exemple, le support lisible d’informations est une disquette ou disque souple (de la dénomination anglaise de «floppy disk»), un disque optique, un CD-ROM, un disque magnéto-optique, une mémoire ROM, une mémoire RAM, une mémoire EPROM, une mémoire EEPROM, une carte magnétique ou une carte optique.
Sur le support lisible d’informations est mémorisé un programme d’ordinateur comprenant des instructions de programme.
Le programme d’ordinateur est chargeable sur l’unité de traitement de données16 et est adapté pour entraîner la mise en œuvre du procédé de détection.
Le fonctionnement du calculateur 16 du système d’investigation 10 est maintenant décrit en référence à la figure 2 qui représente un ordinogramme d’un exemple de mise en œuvre d’un procédé d’investigation de la plaque 12.
Le procédé d’investigation comporte une étape de réception, une étape de filtrage, une étape de formation, une étape de soustraction, une étape de seuillage, une étape d’analyse et une étape d’affichage.
Lors de l’étape de réception, le calculateur 16 reçoit au moins une image de la plaque 12.
Par exemple, la caméra 14 est propre à acquérir des images de la plaque 12 et à envoyer les images acquises vers le calculateur 16.
A l’issue de l’étape de réception, au moins une image de la plaque 12 a ainsi été reçue par le calculateur 16.
Lors de l’étape de filtrage, il est appliqué un filtre sur l’image acquise.
Selon l’exemple décrit, il est d’abord effectué une analyse spectrale de l’image acquise.
Pour cela, il est appliqué une transformée de Fourier sur l’image acquise.
Dans le cas présent, la transformée de Fourier est une transformée de Fourier rapide. Une telle transformée est souvent désignée sous l’abréviation FFT qui renvoie à la dénomination anglaise de «Fast Fourier Transform».
La transformée de Fourier permet ainsi d’obtenir un spectre en fréquence de l’image reçue.
Sur le spectre ainsi obtenu, les fréquences supérieures ou égales à une fréquence seuil sont éliminées.
La fréquence seuil est un paramètre déterminé de manière empirique ou par un algorithme cherchant à minimiser le taux de fausses détection ou à minimiser le nombre de détections manquées.
Un tel algorithme est, par exemple, un algorithme de recherche automatique de type grid search (aussi désignée sous l’appellation française de «recherche de grille») ou de recherche d’hyperparamètres utilisant une contrainte visant à minimiser le taux de fausses détection ou et/ou à minimiser le nombre de détections manquées.
Le filtre utilisé est donc un filtre en fréquence qui est passe-bas.
Il est alors obtenu un spectre filtré.
Une image est alors reconstruite à partir du spectre filtré.
Par exemple, il est appliqué une transformée de Fourier inverse sur le spectre filtré.
En particulier, il est utilisé une transformée de Fourier rapide inverse. Une telle transformée est souvent désignée sous l’abréviation IFFT qui renvoie à la dénomination anglaise de «Inverse Fast Fourier Transform».
A l’issue de l’étape de filtrage, il est ainsi obtenu une image filtrée.
Lors de l’étape d’obtention, un fond de l’image reçue est obtenu à partir de l’image filtrée.
Un fond de l’image est, dans ce contexte, une plaque en aluminium brossé dépourvue de défauts (une plaque en aluminium brossé idéale ou de référence).
Pour cela, il est appliqué un filtre pour lequel une direction principale d’extension est définie.
Cela signifie que le filtre présenté sous forme matriciel présente une forme allongée le long de la direction principale d’extension.
Par exemple, un filtre de dimension 3*2 présente une direction principale d’extension selon la direction horizontale alors qu’un filtre de dimension 2*3 présente une direction principale d’extension selon la direction verticale.
Cette notion se généralise aisément à des directions quelconques.
Dans le présent exemple décrit, la direction principale d’extension est parallèle à la direction générale de brossage.
Autrement formulé, le filtrage convolutif est orienté dans le sens du brossage de la plaque 12.
Cela signifie que la direction principale d’extension est selon la direction verticale.
Plus précisément, dans l’exemple proposé, le filtre est un filtre convolutif unidimensionnel sur l’image filtrée.
Par exemple, le filtre convolutif est un filtre de taille 1 pixel par 7 pixels.
Cela permet d’obtenir, dans le cas illustré, un motif de filtrage principalement vertical.
A titre d’alternative le filtre est un filtre de moyennage sur 3 pixels, par exemple [1,1,1], ou un filtre gaussien.
A titre l’illustration, si la plaque 12 est tournée de 90° par rapport à la caméra 14, le filtre proposé est un filtre de taille 7 pixel par 1 pixels, c’est-à-dire qu’il s’agit d’un filtre plutôt horizontal.
L’application du filtre est répétée par déplacement du filtre dans la direction perpendiculaire au motif de filtrage.
L’étape d’obtention comporte le lissage du fond à partir des différents résultats obtenus par application du filtre.
A l’issue de l’étape d’obtention, il est obtenu le fond recherché.
Lors de l’étape de soustraction, le fond obtenu précédemment est soustrait à l’image filtrée.
Une telle soustraction permet d’obtenir une image traitée dans laquelle sont conservées uniquement les informations relatives aux aspects irréguliers présents dans l’image acquise.
De tels aspects irréguliers correspondent aux défauts recherchés.
A l’issue de l’étape de soustraction, il est ainsi obtenu une image intermédiaire.
Lors de l’étape de seuillage, il est appliqué un seuillage sur l’image intermédiaire.
L’étape de seuillage comporte la sélection d’un seuil par une technique de maximisation d’entropie.
Pour cela, l’entropie maximale Smaxet l’écart-type E pour une distribution de défaut moyenne sur une plaque 12 sont calculés.
Dans l’exemple décrit, le seuil S est alors sélectionné comme une fonction linéaire dépendant de l’entropie maximale Smaxet l’écart-type E.
Plus précisément, il vient S = Smax+ k.E où k est une constante.
Selon l’exemple décrit, la constante k est déterminée à l’aide d’un expert.
Avec le seuil ainsi sélectionné, l’ensemble des pixels présentant une valeur supérieure au seuil voit leur valeur modifiée pour valoir le seuil.
Il est ainsi obtenu une image seuillée qui est l’image binaire contenant des régions de pixels connexes (blobs) représentant les défauts. Chaque îlot de pixels est identifié de manière automatique (labellisation binaire) et une zone rectangulaire centrée autour de cet îlot est déterminée.
L’ensemble des étapes précédentes correspond à une phase de prétraitement des images acquises par la caméra 14 pour améliorer l’analyse ultérieure.
Lors de l’étape d’analyse, l’image à inspecter est analysée pour déterminer sa qualité.
Plus précisément, il s’agit de déterminer si l’image à inspecter comporte ou non des défauts et, dans le cas où des défauts sont présents, de caractériser au mieux lesdits défauts.
Selon l’exemple proposé, la caractérisation d’un défaut éventuel consiste à trouver la localisation du défaut et la nature du défaut.
L’étape d’analyse comporte l’application d’un algorithme de classification de défauts sur l’image à inspecter pour détecter la présence éventuelle d’un ou de plusieurs défauts et déterminer le cas échéant la localisation de chaque défaut détecté.
L’algorithme de classification des défauts est un réseau de neurones convolutif.
L’algorithme de classification de défauts est appliqué sur l’image à investiguer et donne en sortie une ou plusieurs zones de défauts sur l’image.
En présence de défaut(s), l’étape d’analyse comporte l’application d’un algorithme de classification à chaque défaut détecté pour obtenir la nature de chaque défaut détecté.
L’algorithme de classification a été appris de manière supervisée.
L’algorithme de classification est, par exemple, un autre réseau de neurones convolutif ou convolutionnel. Un tel algorithme est souvent désigné sous l’abréviation CNN qui renvoie à la terminologie anglaise de «Convolutionnel Neural Network».
L’algorithme de classification transforme les données de l’image reçue et de la localisation des défauts en un type du défaut.
En l’espèce, le type de défaut est une rayure, une inclusion, une saleté (poussière notamment) ou une tache.
A l’issue de l’étape d’analyse, il a ainsi été détecté une ou plusieurs défauts dont la localisation et la nature sont connues.
Lors de l’étape d’affichage, il est affiché sur l’unité d’affichage 34 l’image reçue avec une mise en évidence de chaque défaut détecté.
La mise en évidence est, par exemple, un changement de couleur de la zone dans laquelle se trouve le défaut.
En variante, la mise en évidence consiste à entourer la zone dans laquelle se trouve le défaut par une forme dont les contours sont colorés. La forme est, par exemple, un rectangle.
De préférence, le procédé d’investigation est mis en œuvre pour plusieurs plaques12.
Dans un tel cas, il est affiché sur l’unité d’affichage 34 une vue agrégée comportant plusieurs images reçues avec une mise en évidence de défauts éventuels.
Le procédé d’investigation permet d’effectuer une détection en temps réel de défauts sur des plaques 12.
Plus précisément, le procédé d’investigation est propre à effectuer une analyse dans un temps qui est inférieur au temps de production d’une plaque 12.
Cela signifie que l’investigation est rapide.
Le procédé d’investigation est ainsi compatible avec une surveillance en temps réel de la production des plaques 12.
Par ailleurs, l’investigation est fine au sens où elle permet de détecter des petits défauts.
De plus, pour améliorer la précision, chacun des algorithmes est périodiquement mis à jour en fonction des nouvelles plaques 12 fabriquées.
En outre, pour une meilleure précision, chaque algorithme est concaténé avec un autre algorithme de classification appliquée à des informations logistiques.
Par exemple, il pourra être déterminé qu’il y a une augmentation du nombre de défauts à certains horaires du fait d’une saturation des machines produisant les plaques12.
Le procédé d’investigation permet également d’obtenir une information sur la nature du défaut ou des défauts détectés.
En outre, le procédé d’investigation présenté est appliqué à des plaques 12 spécifiques, en aluminium brossé. Toutefois, le procédé d’investigation fonctionne pour tout type de plaques 12 ayant un aspect brossé.

Claims (11)

  1. Procédé d’inspection d’une plaque (12) présentant une direction générale de brossage, le procédé étant mis en œuvre par un calculateur (16), le procédé comportant une étape de:
    - réception d’au moins une image d’une plaque (12) à inspecter, pour obtenir une image reçue,
    - filtrage de l’image reçue par un filtre passe-bas, pour obtenir une image filtrée,
    - obtention d’un fond de l’image reçue à partir de l’image filtrée, l’étape d’obtention comportant l’application d’un filtre pour lequel une direction principale d’extension est définie, la direction principale d’extension étant parallèle à la direction générale de brossage,
    - soustraction du fond obtenu à l’image filtrée pour obtenir une image intermédiaire,
    - seuillage de l’image intermédiaire pour obtenir une image à inspecter, et
    - analyse de l’image à inspecter, l’analyse comportant l’application d’un algorithme de classification de défauts sur l’image à inspecter pour détecter la présence éventuelle d’un ou de plusieurs défauts et déterminer le cas échéant la localisation de chaque défaut détecté.
  2. Procédé d’inspection selon la revendication 1, dans lequel le filtre est un filtre convolutif unidimensionnel.
  3. Procédé d’inspection selon la revendication 1 ou 2, dans lequel l’algorithme de classification de défauts est un réseau de neurones convolutif.
  4. Procédé d’inspection selon l’une quelconque des revendications 1 à 3, dans lequel l’étape d’analyse comporte l’application d’un algorithme de classification à chaque défaut détecté pour obtenir la nature de chaque défaut détecté.
  5. Procédé d’inspection selon l’une quelconque des revendications 1 à 4, dans lequel l’étape de seuillage comporte la sélection d’un seuil par une technique de maximisation d’entropie.
  6. Procédé d’inspection selon l’une quelconque des revendications 1 à 5, dans lequel le procédé d’inspection comporte, en outre, une étape d’affichage de l’image reçue avec une mise en évidence de chaque défaut détecté.
  7. Procédé d’inspection selon l’une quelconque des revendications 1 à 6, dans lequel l’étape de filtrage comporte:
    - l’application d’une transformée de Fourier à l’image reçue pour obtenir un spectre en fréquence,
    - l’élimination des fréquences supérieures ou égales à une fréquence seuil, pour obtenir un spectre filtré, et
    - l’application d’une transformée de Fourier inverse à l’image pour obtenir l’image filtrée.
  8. Calculateur (16) propre à inspecter une plaque (12) présentant une direction générale de brossage, le calculateur (16) étant adapté à :
    - recevoir au moins une image d’une plaque (12) à inspecter, pour obtenir une image reçue,
    - filtrer l’image reçue par un filtre passe-bas, pour obtenir une image filtrée,
    - obtenir fond de l’image reçue à partir de l’image filtrée et à appliquer un filtre pour lequel une direction principale d’extension est définie, la direction principale d’extension étant parallèle à la direction générale de brossage,
    - soustraire le fond à l’image filtrée pour obtenir une image intermédiaire,
    - seuiller l’image intermédiaire pour obtenir une image à inspecter, et
    - analyser l’image à inspecter, le calculateur (16) étant adapté à appliquer un algorithme de classification de défauts sur l’image à inspecter pour détecter la présence éventuelle d’un ou de plusieurs défauts et déterminer le cas échéant la localisation de chaque défaut détecté.
  9. Système d’inspection (10) d’une plaque (12) comportant:
    - un calculateur (16) selon la revendication 8, et
    - une caméra (14) propre à acquérir des images et à envoyer les images acquises vers le calculateur, la caméra (14) étant, de préférence, une caméra propre à effectuer un balayage de la plaque (12), avantageusement un balayage ligne à ligne.
  10. Produit programme d’ordinateur (22) comportant un support lisible d’informations, sur lequel est mémorisé un programme d’ordinateur comprenant des instructions de programme, le programme d’ordinateur étant chargeable sur une unité de traitement de données (26) et adapté pour entraîner la mise en œuvre d’étapes d’un procédé selon l’une quelconque des revendications 1 à 7 lorsque le programme d’ordinateur est mis en œuvre sur l’unité de traitement des données (26).
  11. Support lisible d’informations (22) comportant des instructions de programme formant un programme d’ordinateur, le programme d’ordinateur étant chargeable sur une unité de traitement de données (26) et adapté pour entraîner la mise en œuvre d’étapes d’un procédé selon l’une quelconque des revendications 1 à 7 lorsque le programme d’ordinateur est mis en œuvre sur l’unité de traitement de données (26).
FR2002544A 2020-03-16 2020-03-16 Procédé d’inspection d’une plaque et dispositifs associés Pending FR3108193A1 (fr)

Priority Applications (1)

Application Number Priority Date Filing Date Title
FR2002544A FR3108193A1 (fr) 2020-03-16 2020-03-16 Procédé d’inspection d’une plaque et dispositifs associés

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2002544A FR3108193A1 (fr) 2020-03-16 2020-03-16 Procédé d’inspection d’une plaque et dispositifs associés
FR2002544 2020-03-16

Publications (1)

Publication Number Publication Date
FR3108193A1 true FR3108193A1 (fr) 2021-09-17

Family

ID=70614232

Family Applications (1)

Application Number Title Priority Date Filing Date
FR2002544A Pending FR3108193A1 (fr) 2020-03-16 2020-03-16 Procédé d’inspection d’une plaque et dispositifs associés

Country Status (1)

Country Link
FR (1) FR3108193A1 (fr)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100246922A1 (en) * 2009-03-31 2010-09-30 Fujifilm Corporation Image correction method and image correction device

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100246922A1 (en) * 2009-03-31 2010-09-30 Fujifilm Corporation Image correction method and image correction device

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "FFT [ImageJ Documentation Wiki]", 23 January 2020 (2020-01-23), XP055753832, Retrieved from the Internet <URL:https://web.archive.org/web/20200123094739/https://imagejdocu.tudor.lu/gui/process/fft> [retrieved on 20201125] *
NICOLAS BONNOT ET AL: "Machine vision system for surface inspection on brushed industrial parts", PROCEEDINGS OF SPIE, vol. 5303, 3 May 2004 (2004-05-03), 1000 20th St. Bellingham WA 98225-6705 USA, pages 64, XP055753476, ISSN: 0277-786X, ISBN: 978-1-5106-3927-0, DOI: 10.1117/12.530683 *

Similar Documents

Publication Publication Date Title
EP3572976A1 (fr) Procede de traitement d&#39;un flux d&#39;images video
KR102003781B1 (ko) 초분광영상화 기법을 이용한 글라스(Glass) 결함 검출 장치
FR2761475A1 (fr) Procede d&#39;inspection de surface d&#39;une bande en defilement par segmentation d&#39;image en zones suspectes
FR2930032A1 (fr) Procede et installation de caracterisation d&#39;un defaut de surface sur une piece
CN106780464A (zh) 一种基于改进阈值分割的织物疵点检测方法
WO2006137385A1 (fr) Appareil et procede d’examen de film
CA2284894C (fr) Procede d&#39;inspection de surface d&#39;une bande en defilement par classification prealable d&#39;irregularite de surface detectee
EP4285315A1 (fr) Systèmes et procédés de détection de défaut de peinture à l&#39;aide de l&#39;apprentissage machine
CA3095089A1 (fr) Methode de detection de cellules presentant au moins une anomalie dans un echantilllon cytologique
EP3214601B1 (fr) Procédé d&#39;amélioration d&#39;images applicable aux images d&#39;empreintes digitales
CN117333467A (zh) 基于图像处理的玻璃瓶瓶身瑕疵识别检测方法及系统
Tang et al. Surface inspection system of steel strip based on machine vision
EP3311333B1 (fr) Appariement d&#39;images d&#39;articles postaux avec des descripteurs de singularites du champ de gradient
CN117710369B (zh) 基于计算机视觉技术的金属铝磷化膜缺陷检测方法及系统
KR20230016571A (ko) 필름 검사 장치, 필름 검사 방법 및 프로그램
FR3108193A1 (fr) Procédé d’inspection d’une plaque et dispositifs associés
US20190139214A1 (en) Interferometric domain neural network system for optical coherence tomography
Laucka et al. Research of the defects in anesthetic masks
FR2864668A1 (fr) Procede de cartographie des defauts sur un cuir
FR3074295B1 (fr) Procede de detection de defauts de laminage dans un verre imprime
WO2016083703A1 (fr) Procédé et dispositif de détection d&#39;ensemencement et installation automatisée d&#39;ensemencement équipée d&#39;un tel dispositif de détection
JP2021006854A (ja) ベルト検査システムおよびベルト検査プログラム
WO2004047451A1 (fr) Procede et systeme de mesure des degradations d&#39;une image video introduites par un codage a reduction de debit.
FR2786011A1 (fr) Procede de comparaison d&#39;images enregistrees formees de pixels representant des equipotentielles d&#39;au moins une puce de circuit integre
US9804098B2 (en) Defect recognition system and defect recognition method

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 2

PLSC Publication of the preliminary search report

Effective date: 20210917

RX Complete rejection

Effective date: 20220615