FR3116119A1 - Méthode et système d’inspection d’un vitrage transparent muni d’une garniture - Google Patents
Méthode et système d’inspection d’un vitrage transparent muni d’une garniture Download PDFInfo
- Publication number
- FR3116119A1 FR3116119A1 FR2011590A FR2011590A FR3116119A1 FR 3116119 A1 FR3116119 A1 FR 3116119A1 FR 2011590 A FR2011590 A FR 2011590A FR 2011590 A FR2011590 A FR 2011590A FR 3116119 A1 FR3116119 A1 FR 3116119A1
- Authority
- FR
- France
- Prior art keywords
- glazing
- inspected
- image
- transparent
- images
- 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 34
- 230000007547 defect Effects 0.000 claims abstract description 51
- 230000003287 optical effect Effects 0.000 claims description 45
- 238000002347 injection Methods 0.000 claims description 10
- 239000007924 injection Substances 0.000 claims description 10
- 239000002320 enamel (paints) Substances 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 6
- 238000000465 moulding Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 2
- 230000006866 deterioration Effects 0.000 claims description 2
- 239000003550 marker Substances 0.000 claims description 2
- 125000006850 spacer group Chemical group 0.000 claims description 2
- 238000010186 staining Methods 0.000 claims 1
- 238000007689 inspection Methods 0.000 abstract description 18
- 238000004519 manufacturing process Methods 0.000 abstract description 11
- 238000001514 detection method Methods 0.000 abstract description 7
- 230000002093 peripheral effect Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 8
- 230000002950 deficient Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000011521 glass Substances 0.000 description 4
- 229910052500 inorganic mineral Inorganic materials 0.000 description 4
- 239000011707 mineral Substances 0.000 description 4
- 238000005538 encapsulation Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000007789 sealing Methods 0.000 description 3
- 238000009776 industrial production Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000000135 prohibitive effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000007650 screen-printing Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/958—Inspecting transparent materials or objects, e.g. windscreens
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Artificial Intelligence (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Automobile Manufacture Line, Endless Track Vehicle, Trailer (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
Sont fournis une méthode et un système d’inspection des vitrages munis de garniture, en particulier des vitrages pour véhicule de transport et pour bâtiments. La méthode et le système permettent une détection fiable et rapide de tout type de défauts associés aux garnitures des vitrages, notamment sur des vitrages de grandes dimensions. Ils sont particulièrement adaptée pour l’inspection de vitrages sur lignes de production.
Description
L’invention se rapporte aux méthodes et systèmes d’inspection des vitrages munis de garniture, en particulier des vitrages pour véhicule de transport et pour bâtiments. L’invention permet une détection fiable et rapide de tout type de défauts associés aux garnitures des vitrages, notamment sur des vitrages de grandes dimensions. Elle est particulièrement adaptée pour l’inspection de vitrages sur lignes de production.
Arrière-plan technique
Outre une ou plusieurs feuilles de verre transparent minéral et/ou organique, les vitrages peuvent comprendre d’autres éléments rapportés sur la ou les feuilles de verre, tels que, par exemple, joints d’encapsulation, joints d’étanchéité, dispositifs d’assemblage, couches d’apprêt, revêtements émaillés, moulures, sérigraphies organiques et/ou minérales, couches imprimées, logos, bordures, pions, inserts métalliques et/ou plastiques, antennes … Ces éléments rapportés forment généralement la garniture du vitrage.
Ces éléments rapportés peuvent remplir diverses fonctions, par exemple, des fonctions d’étanchéité, des fonctions d’isolation phonique et/ou thermique, des fonctions de masquage, des fonctions décoratives, des fonctions de télécommunication ou encore des fonctions de fixation, notamment sur armatures de véhicules. Afin que ces fonctions soient correctement assurées, il est important que les vitrages ne comprennent pas, sinon très peu, de défauts associés à leur garniture.
Il est de pratique courante d’inspecter les vitrages munis de garniture, notamment leurs surfaces, à l’aide de systèmes d’inspection disposés en ligne de production afin détecter tout type de défaut hors spécifications associés aux garnitures. Ces systèmes comprennent généralement des dispositifs optiques, tels que des caméras et/ou appareils photographiques, placés à certains endroits de la ligne de production des vitrages, de manière à permettre une inspection continue des vitrages produits. Les caractéristiques optiques, notamment les caractéristiques des lentilles optiques, la résolution spatiale et la fréquence d’acquisition, de ces dispositifs sont adaptées à l’inspection de certaines régions d’un type donné de vitrage pour un nombre limité de types de défaut.
Lorsqu’il est nécessaire d’inspecter un nouveau vitrage, une nouvelle zone d’un vitrage et/ou un nouveau type de défaut, le système d’inspection existant sur la ligne de production peut ne plus être adapté. Il peut alors l’être soit en procédant à son remplacement, soit en disposant autrement un ou plusieurs dispositifs optiques existant, soit en ajoutant de nouveaux dispositifs optiques. D’autres éléments de la ligne de production, tout ou partie de sa configuration ainsi que les programmes et/ou logiciels associés, peuvent également faire l’objet d’adaptation et de mises à jour pour permettre l’implémentation de nouveaux matériels. Ces adaptations peuvent être parfois complexes, chronophages et coûteuses, et peuvent exiger des ressources humaines et financières importantes.
Avant livraison à un client, les vitrages peuvent également faire l’objet d’une inspection finale afin de vérifier leur conformité aux spécifications. Cette opération est coûteuse et fastidieuse en ce que des opérateurs humains, éventuellement assistés par des dispositifs optiques, procèdent à la recherche de petits défauts, non détectés par les systèmes d’inspection de la ligne de production, en divers zones de plusieurs dizaines, voire plusieurs milliers, de vitrages. D’autre part, il arrive fréquemment que, malgré la vigilance des opérateurs, certains défauts restent inaperçus ou qu’ils soient improprement qualifiés comme tels. Des vitrages hors spécifications peuvent alors être fournis aux clients, et engendrer des effets néfastes sur leur propre production. Outre la perte de confiance des clients, ce type de situation peut être une source de réclamations, de retour de marchandises et de demandes de dédommagement. Quant aux vitrages improprement considérés comme défectueux, ils engendrent une perte économique directe par leur mise au rebut à tort.
CN 110335238 A (15.10.2019) [JILIN UNIVERSITY] décrit une méthode d’inspection de défauts de peinture sur pièces automobiles. Les défauts sont détectés et classifiés grâce à une méthode d’apprentissage statistique automatique, fondée notamment sur l’utilisation d’un réseau de neurones. La méthode fournit une assistance aux opérateurs humains lors de l’inspection finale des pièces automobiles afin d’améliorer la qualité de cette inspection.
CN 110148106 A (20.08.2019) [BMW BRILLIANCE AUTOMOTIVE LTD] décrit une méthode d’inspection de défauts de surface des culasses des moteurs automobiles. Les défauts sont identifiés à l’aide d’un traitement numériques d’images des surfaces fondée également sur une méthode d’apprentissage profond automatique. Lors de l’inspection finale, les opérateurs humains peuvent être assistés par cette méthode afin d’améliorer la qualité de la détection des défauts.
Les méthodes et systèmes d’inspection de l’état de la technique fondés sur l’apprentissage statistique automatique ne sont pas adaptées aux vitrages munis de garniture.
Tout d’abord, en raison de leur transparence, l’acquisition d’images de la surface des vitrages pour un traitement numérique ultérieur est une opération délicate. La qualité des images est particulièrement sensible aux conditions d’acquisition, en particulier à l’environnement périphérique. Une variation de l’intensité lumineuse et/ou de la disposition des sources lumineuses peut rapidement provoquer des artefacts optiques, parfois peu perceptibles, par exemple, des réflexions optiques intempestives, des phénomènes de flou ou encore du bruit numérique. Lorsque de telles images dégradées font l’objet d’un traitement numérique fondé sur une méthode d’apprentissage automatique, la classification de défauts lors des étapes d’apprentissage et de prédiction peut être affectée d’erreurs, surtout pour les défauts de petites tailles associés à la garniture des vitrages transparents.
D’autre part, les méthodes d’inspection de l’état de la technique reposent généralement sur l’utilisation de méthodes d’apprentissage statistique supervisées afin d’obtenir une classification discrète des défauts de surface. Cette approche nécessite un volume important d’images d’entrainement classées par type de défaut et pour tous les types de défauts dans de nombreuses configurations. En pratique, notamment dans un contexte de production industrielle, un tel volume de données correctement classées est rarement disponible, et sa collecte peut demeurer une opération fastidieuse, coûteuse, et peu fiable en pratique. En outre, un défaut non préalablement répertorié et classé dans les données d’entrainement, peut ne pas être détecté lors de l’étape de prédiction. Or, en production, il est courant que de nouveaux défauts apparaissent sur les vitrages transparents munis de garniture ou que des changements de forme affectent des défauts déjà connus, en raison notamment de la variabilité des éléments rapportés, aussi bien quant à leur nature ou leur forme, constituant leur garniture.
Solution au problème technique
Solution au problème technique
Ces problèmes sont résolus par la méthode et le système selon l’invention tels que décrits dans les revendications indépendantes, les revendications dépendantes étant des modes de réalisation avantageux.
Selon un premier aspect de l’invention, il est proposé une méthode d’inspection d’un vitrage transparent muni d’une garniture. La méthode est fondée sur l’utilisation d’un algorithme d’apprentissage statistique entrainé selon un mode d’apprentissage non supervisé. L’ensemble de données d’entrainement comprend des images de vitrages munis d’au moins une garniture et jugés uniquement conformes à des spécifications données. Une caractéristique de l’invention est que les images de l’ensemble de données d’entrainement et celle soumise en traitement à l’algorithme entrainé pour inspection sont des images obtenues à l’aide d’une illumination par réflexion et d’une numérisation simultanées par balayage de vitrages munis d’une garniture.
Selon un deuxième aspect de l’invention, il est proposé un système pour la mise en œuvre de la précédente méthode. En particulier, le système selon l’invention dispose de moyens pour une illumination par réflexion et une numérisation simultanées par balayage de vitrages munis d’une garniture à inspecter.
Effets avantageux de l’invention
Effets avantageux de l’invention
Un premier avantage de l’invention est l’élimination, sinon la réduction drastique, du nombre d’artefacts optiques, tels que réflexions optiques intempestives, phénomènes de flou ou encore bruit numérique, lors de l’acquisition des images des vitrages munis de garniture. Les erreurs de classification et de prédiction lors des étapes d’apprentissage et de prédictions sont éliminées.
Un deuxième avantage de l’invention est sa flexibilité et sa robustesse quant à la détection de nouveaux défauts et/ou défauts non répertoriés ou non classifiés. Contrairement aux méthodes et dispositifs de l’état de la technique, l’invention ne requiert pas une classification préalable de tous les défauts existant à partir de données d’entrainement représentatives de la diversité de leur nature et de leur forme. Egalement, elle ne requiert pas le renouvèlement systématique ou régulier de ou des étapes d’entrainement dès lors qu’un nouveau défaut est détecté. L’invention permet donc d’utiliser des volumes de données d’entrainement compatibles avec ce que les contextes de production industrielle permettent de collecter.
Un troisième avantage de l’invention est sa précision dans la détection de défauts de petites dimensions, éliminant, sinon limitant considérablement, le besoin de recourir à des opérations d’inspection par des opérateurs humains. D’autre part, lorsque de telles opérations d’inspection demeurent requises avant l’inspection grâce à la présente invention, l’invention demeure compatible avec les marqueurs colorés utilisés par les opérateurs humains et/ou automates pour repérer certains défauts, de sorte que les vitrages comprenant un de ces marqueurs mais improprement classifiés comme défectueux par les opérateurs sont convenablement identifiés comme non défectueux, c’est-à-dire comme conformes aux spécifications attendues.
Brève description des figures
Description de certains modes de réalisation
En référence à aux à 5, un premier exemple de vitrage muni d’une garniture peut être un vitrage automobile de type custode. Le vitrage 1000 comprend une feuille 1001 de verre minéral transparent et une garniture 1002. La garniture 1002 comprend un joint 1002a périphérique d’encapsulation, un revêtement émaillé 1002b périphérique, des éléments 1002c de fixation.
Un premier détail II de la garniture 1002 est représenté sur les et 3. Le joint 1002a périphérique d’encapsulation comprend un point 2001 d’injection par lequel la matière du joint a été injectée lors du moulage du joint 1002a périphérique d’injection. Sur la , le point 2001 d’injection est conforme. Sur la est illustré un exemple de défaut du point 2001 d’injection. Le point 2001 d’injection comprend un résidu 3001 d’injection. Ce résidu est un exemple de défaut associé à la garniture 1002 du vitrage 1000.
Un deuxième détail IV de la garniture 1002 est représenté sur les et 5. Sur la , un élément 1002c de fixation comprend une couronne 4001 protectrice en mousse. Sur la , l’élément 1002c de fixation ne comprend pas de couronne. Cette absence est un exemple de défaut associé à la garniture 1002 du vitrage 1000.
En référence aux à 8, un deuxième exemple de vitrage muni d’une garniture peut être un vitrage automobile de type fenestron. Le vitrage 6000 comprend une feuille 6001 de verre minéral transparent et une garniture 6002. La garniture 6002 comprend un joint 6002a périphérique d’étanchéité et un revêtement émaillé 6002b périphérique.
Un premier détail VII de la garniture 6002 est représenté sur les . Le joint 6002a périphérique d’étanchéité présente un défaut 7001 de remplissage. Il peut provenir d’un défaut du moule utilisé ou d’un défaut d’écoulement de matière lors du moulage dudit joint 6002a Cette absence est un exemple de défaut associé à la garniture 6002 du vitrage 6000.
Un deuxième détail VIII de la garniture 6002 est représenté sur la . Le joint 1002a périphérique d’étanchéité comprend une bavure 8001 provenant d’un écoulement de matière sur le revêtement émaillé 6002b périphérique lors du moulage du joint 6002a périphérique d’étanchéité. Cette bavure est un exemple de défaut associé à la garniture 6002 du vitrage 6000.
De manière générale, les défauts associés aux garnitures des vitrages sont rédhibitoires. L’objectif de l’invention est de permettre une détection fiable de ces défauts tout en résolvant les problèmes susmentionnés.
Un premier aspect de l’invention est une méthode d’inspection d’un vitrage transparent muni d’une garniture. Dans un mode général réalisation, illustré par la , la méthode 9000 comprend les étapes suivantes :
(a) une étape E9001 de définition d’un seuil D9001 de criticité pour les défauts associés à la garniture 1002, 6002 d’un vitrage 1000, 6000 transparent à inspecter ;
(b) une étape E9002 de fourniture d’un ensemble D9002 de données d’entrainement comprenant uniquement des images I9001 de vitrages transparents similaires au vitrage 1000, 6000 transparent à inspecter, lesdits vitrages transparents similaires au vitrage 1000, 6000 transparent à inspecter étant dépourvus de défauts associés à leur garniture dont la criticité est supérieure au seuil D9001 défini à l’étape (a) ;
(c) une étape E9003 d’apprentissage d’un algorithme A9001 d’apprentissage statistique à l’aide de l’ensemble D9002 de données d’entrainement de l’étape (b) selon un mode d’apprentissage non supervisé ;
(d) une étape E9004 d’illumination par réflexion et de numérisation simultanées par balayage de tout ou partie de la surface d’un vitrage 1000, 6000 transparent muni d’une garniture 1002, 6002 à inspecter de manière à former une image numérique D9003 de ladite surface ;
(e) une étape E9005 de traitement numérique d’au moins une partie d’une image obtenue à l’étape (d) à l’aide de l’algorithme d’apprentissage entrainé à l’étape (c).
(a) une étape E9001 de définition d’un seuil D9001 de criticité pour les défauts associés à la garniture 1002, 6002 d’un vitrage 1000, 6000 transparent à inspecter ;
(b) une étape E9002 de fourniture d’un ensemble D9002 de données d’entrainement comprenant uniquement des images I9001 de vitrages transparents similaires au vitrage 1000, 6000 transparent à inspecter, lesdits vitrages transparents similaires au vitrage 1000, 6000 transparent à inspecter étant dépourvus de défauts associés à leur garniture dont la criticité est supérieure au seuil D9001 défini à l’étape (a) ;
(c) une étape E9003 d’apprentissage d’un algorithme A9001 d’apprentissage statistique à l’aide de l’ensemble D9002 de données d’entrainement de l’étape (b) selon un mode d’apprentissage non supervisé ;
(d) une étape E9004 d’illumination par réflexion et de numérisation simultanées par balayage de tout ou partie de la surface d’un vitrage 1000, 6000 transparent muni d’une garniture 1002, 6002 à inspecter de manière à former une image numérique D9003 de ladite surface ;
(e) une étape E9005 de traitement numérique d’au moins une partie d’une image obtenue à l’étape (d) à l’aide de l’algorithme d’apprentissage entrainé à l’étape (c).
Dans l’étape (d), l’illumination par réflexion et la numérisation sont réalisées simultanément par balayage. Cette caractéristique permet d’obtenir des images haute résolution dépourvues d’artefacts optiques, tels que réflexions optiques intempestives, des phénomènes de flou ou encore de bruit numérique. Elle permet notamment de limiter considérablement, voire d’éliminer, les effets de l’environnement périphérique d’acquisition comme, par exemple, les variations d’intensité lumineuse. En d’autres termes, il est, par exemple, possible de s’affranchir des variations diurnes de luminosité de l’environnement périphérique.
De préférence, les images de l’ensemble D9002 d’entrainement sont acquises dans les mêmes conditions que celles utilisées à l’étape (d), c’est-â-dire à par une illumination par réflexion et une numérisation simultanées par balayage de tout ou partie de la surface des vitrages correspondants.
Le seuil D9001 de criticité défini à l’étape (a) dépend des spécifications recherchés pour le vitrage à inspecter. Il relève d’une question de choix quant aux exigences techniques, notamment celles définies par un client.
L’ensemble D9002 de données d’entrainement fourni à l’étape (b) comprend uniquement des images de vitrages transparents similaires au vitrage 1000, 6000 transparent à inspecter dépourvus de défauts associés à leur garniture dont la criticité est supérieure au seuil D9001 défini à l’étape (a). En d’autre termes, il est constitué uniquement de ces images.
Etant donné que l’ensemble D9002 de données d’entrainement ne comprend que des images de vitrages dépourvus de défauts dont la criticité est supérieure au seuil défini à l’étape (a), cet ensemble ne comprend qu’une seule catégorie d’images, c’est-à-dire des images de vitrages sans défaut conformément au seul D9001 de criticité défini.
A l’étape (c), l’apprentissage est réalisé selon un mode d’apprentissage non supervisé. Dans certains modes préférés de réalisation, l’algorithme A9001 d’apprentissage statistique peut être fondé sur un réseau de neurones à convolution.
C’est la combinaison de cet apprentissage non supervisé avec l’ensemble D9002 de données d’entrainement sur lequel il est appliqué, ledit ensemble D9001 comprenant uniquement cette unique catégorie d’images acquises, de préférence, dans les mêmes conditions que celles de l’étape (d), qui permet d’obtenir les effets et avantages de l’invention.
Dans certains modes de réalisation, la méthode peut comprendre en outre avant l’étape (c), une étape (b’) de calibration dans laquelle chacune des images de l’ensemble D9002 de données d’entrainement est orientée à l’aide d’un traitement numérique de comparaison d’au moins trois régions de référence de ladite image avec un ensemble de régions de référence d’images de référence de manière à ce que chacune des images de l’ensemble de données d’entrainement soit orientée selon le même référentiel spatial.
Selon l’algorithme d’apprentissage, des erreurs lors du traitement d’image peuvent se produire lorsque l’image acquise du vitrage (1000, 6000) à inspecter ne présente pas une orientation spatiale suffisamment proche de celle des vitrages utilisés pour former les images de l’ensemble de données d’entrainement. Cette étape supplémentaire (b’) peut permettre le placement à l’identique, c’est-à-dire selon la même position et la même orientation, des images du vitrage à inspecter et des images des vitrages utilisés pour former les images de l’ensemble de données d’entrainement, et ainsi résoudre ce possible inconvénient
Aussi, dans des modes complémentaires particuliers de réalisation, la méthode peut comprendre en outre avant l’étape (e), une étape (d’) d’orientation de l’image obtenue à l’étape (b) à l’aide d’un traitement numérique de comparaison d’au moins trois régions de référence de ladite image avec un ensemble de régions de référence d’images de référence de manière à ce que ladite image soit orientée selon le même référentiel spatial.
Selon des modes de réalisation, les défauts associés à la garniture sont l’absence et/ou la détérioration d’entretoises et/ou d’agrafes d’assemblage, la présence de canaux et/ou de fuite d’injection, la coloration du vitrage, l’inhomogénéité des moulures, l’absence et/ou la coulure de revêtements émaillé, l’absence et/ou l’inhomogénéité d’une couche d’apprêt, et/ou l’absence de tout ou partie d’imprimés, de logos et/ou de bordures.
Dans certains modes avantageux de réalisation, la partie de l’image du vitrage 1000, 6000 transparent muni d’une garniture traitée à l’étape (e) correspond à une zone d’intérêt préalablement définie du vitrage à inspecter. Les défauts associés à la garniture peuvent être présents que dans une zone spécifique des vitrages. Cette zone peut être préalablement définie de manière à ce que le traitement de l’étape (e) ne soit réalisée que dans cette zone. Le traitement des autres zones non pertinentes est évité, et le temps de traitement est réduit.
Dans certains modes de réalisation, l’ensemble D9002 de données d’entrainement peut comprendre des images de vitrages dont la surface comprend au moins un marqueur coloré similaire à celui susceptible d’être utilisé pour le marquage des défauts associés à la garniture du vitrage à inspecter.
Certains défauts peuvent être marqués à l’aide de marqueurs colorés dans une opération préalable à la mise en œuvre de la méthode. Les marqueurs colorés peuvent être sur les défauts ou à leur proximité. Ils sont des moyens de repérage et ne constituent pas des défauts en eux-mêmes.
Une opération de marquage peut être une étape de détection de défauts déjà existante sur la ligne de production, et exécutée notamment par des systèmes d’inspection automatique ou manuelle opérant sur la ligne de production. Il peut arriver que certains vitrages transparents soient considérés à tort comme défectueux.
Un entrainement de l’algorithme sur des images de vitrages transparents dépourvus de défauts associés à leur garniture dont la criticité est supérieure au seuil défini et comprenant des marqueurs peut donc être avantageux afin que ces vitrages soient reconnus correctement comme vitrage non défectueux et classifiés comme tels.
Un deuxième aspect de l’invention est un système d’inspection d’un vitrage transparent muni d’une garniture. Ce système peut notamment être utilisé pour la mise en œuvre d’une méthode selon l’un quelconque des modes de réalisation décrits.
Dans un mode général de réalisation, en référence aux à 13, le système 10000, 12000 comprend :
- un support 10001 de vitrage apte à supporter un vitrage1000, 6000 transparent à inspecter, ledit vitrage 1000, 6000 étant muni d’une garniture 1002, 6002 ;
- un dispositif optique 10002 d’acquisition comprenant une caméra numérique 10002a et une source lumineuse 10002b, ladite source lumineuse étant juxtaposée à ladite caméra et orientée vers ledit support 10001 de vitrage ;
- une unité (non représentée) de traitement de données comprenant un processeur configuré pour le traitement numérique à l’aide d’un algorithme d’apprentissage statistique d’au moins une partie d’une image du vitrage 1000, 6000 transparent à inspecter acquise par le dispositif optique 10002 d’acquisition,
dans lequel :
- le support 10001 de vitrage et le dispositif optique 10002 d’acquisition sont animés d’un mouvement relatif linéaire l’un par rapport à l’autre de manière à ce que le dispositif optique 10002 d’acquisition parcoure par balayage tout ou partie de la surface du vitrage 1000, 6000 lors de l’acquisition d’une image dudit vitrage 1000, 6000 par ledit dispositif optique 10002 d’acquisition ;
- l’algorithme d’apprentissage statistique a été préalablement entrainé selon un mode d’apprentissage non supervisé à partir d’un ensemble de données d’entrainement comprenant uniquement des images de vitrages similaires au vitrage 1000, 6000 à inspecter, lesdits vitrages similaires au vitrage 1000, 6000 à inspecter étant dépourvus de défauts associés à leur garniture dont la criticité est supérieure à un seuil préalablement défini.
- un support 10001 de vitrage apte à supporter un vitrage1000, 6000 transparent à inspecter, ledit vitrage 1000, 6000 étant muni d’une garniture 1002, 6002 ;
- un dispositif optique 10002 d’acquisition comprenant une caméra numérique 10002a et une source lumineuse 10002b, ladite source lumineuse étant juxtaposée à ladite caméra et orientée vers ledit support 10001 de vitrage ;
- une unité (non représentée) de traitement de données comprenant un processeur configuré pour le traitement numérique à l’aide d’un algorithme d’apprentissage statistique d’au moins une partie d’une image du vitrage 1000, 6000 transparent à inspecter acquise par le dispositif optique 10002 d’acquisition,
dans lequel :
- le support 10001 de vitrage et le dispositif optique 10002 d’acquisition sont animés d’un mouvement relatif linéaire l’un par rapport à l’autre de manière à ce que le dispositif optique 10002 d’acquisition parcoure par balayage tout ou partie de la surface du vitrage 1000, 6000 lors de l’acquisition d’une image dudit vitrage 1000, 6000 par ledit dispositif optique 10002 d’acquisition ;
- l’algorithme d’apprentissage statistique a été préalablement entrainé selon un mode d’apprentissage non supervisé à partir d’un ensemble de données d’entrainement comprenant uniquement des images de vitrages similaires au vitrage 1000, 6000 à inspecter, lesdits vitrages similaires au vitrage 1000, 6000 à inspecter étant dépourvus de défauts associés à leur garniture dont la criticité est supérieure à un seuil préalablement défini.
Dans un premier mode particulier de réalisation, en référence aux et 11, le support 10001 de vitrage est fixe et le dispositif optique 10002 d’acquisition est mobile. A titre d’exemple illustratif, le support de vitrage 10001 peut être une platine fixe sur laquelle est disposé le vitrage 1000, 6000 à inspecter, et le dispositif optique 10002 peut être agencé sur un pont roulant ou un rail 10003, sur ou grâce auquel il peut être animé d’un mouvement linéaire tel qu’illustré par la double flèche sur la . Le mouvement du dispositif optique 10002 permet le parcours par balayage de tout ou partie de la surface du vitrage 1000, 6000.
Alternativement, le dispositif optique peut être disposé sur bras automate mobile configuré de manière à ce qu’il parcourt par balayage tout ou partie de la surface du vitrage.
Dans un deuxième mode particulier alternatif de réalisation, en référence aux et 13, le dispositif otique 10002 d’acquisition est fixe et le support 10001 de vitrage est mobile. A titre d’exemple illustratif, le dispositif optique 10002 d’acquisition peut être fixé sur une potence 12002, et le support 10001 de vitrage peut être une platine agencée sur un bras automate 12001 mobile configuré de manière à ce que le dispositif optique 10002 d’acquisition de parcourir par balayage tout ou partie de la surface du vitrage 1000, 6000.
Dans un troisième mode particulier alternatif de réalisation, le dispositif otique 10002 d’acquisition et le support 10001 de vitrage sont tous les deux mobiles. A titre d’exemple, le dispositif optique 10002 d’acquisition peut être agencé de manière mobile sur un pont roulant ou un rail 10003 tel que décrit dans l’exemple illustratif du premier mode de réalisation, et le support 10001 de vitrage peut être une platine sur un bras automate 12001 mobile tel que décrit dans l’exemple illustratif du deuxième mode alternatif de réalisation.
Dans certains modes de réalisation, qui peuvent être des variantes de ces trois modes précédent de réalisation, la vitesse relative de déplacement du support 10001 de vitrage ou du dispositif optique 10002 d’acquisition en mouvement relatif linéaire l’un par rapport à l’autre, et la vitesse d’acquisition de la caméra numérique 10002a du dispositif optique 10002 d’acquisition sont configurés de sorte que le la fréquence d’acquisition du dispositif optique 10002 d’acquisition est d’au moins une image tous les 0,1 mm, de préférence au moins tous les 0,2mm.
La caméra numérique 10002a peut être de tout type adapté. Elle peut être une caméra linéaire ou une caméra matricielle. Dans un mode préféré de réalisation, la caméra numérique est une caméra linéaire, en particulier une caméra avec une résolution horizontale d’acquisition d’au moins 4K. Dans un mode particulièrement préféré de réalisation, la caméra numérique 10002a peut être une caméra linéaire, de préférence une caméra linéaire 4K, avec une résolution d’au moins 5 pixels/mm, de préférence au moins 10 pixels/mm.
La source lumineuse 10002b du dispositif optique 10002 d’acquisition est de tout type adapté tant que ladite source lumineuse 10002b peut être juxtaposée à la caméra numérique 10002a, orientée vers ledit support 100001 de vitrage et permet au dispositif optique 10002 d’acquisition de parcourir par balayage tout ou partie de la surface du vitrage 1000, 6000.
Elle peut être formée d’un ou plusieurs modules lumineux, de préférence un ou plusieurs modules LED. Par exemple, elle peut former d’un seul module LED torique centré sur la caméra numérique 10002a. Elle peut également être formée d’au moins deux modules, chacun juxtaposé de part et d’autre de la caméra numérique 10002a.
La source lumineuse 10002b est orientée vers le support 10001 de vitrage. De préférence, elle est orientée vers le support 10001 de vitrage de manière à ce que la totalité de l’angle de vue de la caméra numérique 10002a soit uniformément illuminé.
Dans certains modes préférés de réalisation, dont l’un est illustré sur les et 11, la source lumineuse 10002b du dispositif optique 10002 d’acquisition peut être formée de deux modules disposés chacun de part et d’autre de la caméra numérique 10002a et perpendiculairement à la direction du mouvement relatif linéaire du support 10001 de vitrage et le dispositif optique 12000 d’acquisition.
Dans certains modes avantageux de réalisation, le support 10001 de vitrage comprend au moins une butée 10004, de préférence au moins trois butées, pour le placement du vitrage 1000, 6000 transparent à inspecter, ladite butée 10004 formant un référentiel spatial pour le traitement des images par l’unité de traitement de données. Selon l’algorithme d’apprentissage, des erreurs lors du traitement d’image peuvent se produire lorsque l’image acquise du vitrage 1000, 6000 à inspecter ne présente pas une orientation spatiale suffisamment proche de celle des vitrages utilisés pour former les images de l’ensemble de données d’entrainement. La ou les butés 10004 peuvent permettre le placement à l’identique, c’est-à-dire selon la même position et la même orientation, du vitrage 1000, 6000 à inspecter et des vitrages utilisés pour former les images de l’ensemble de données d’entrainement, et ainsi résoudre ce possible inconvénient.
Dans certains modes de réalisation, la partie de l’image du vitrage traitée par le processeur de l’unité de traitement peut correspondre à une zone d’intérêt préalablement définie du vitrage à inspecter. Les défauts associés à la garniture 1002, 6002 peuvent être présents que dans une zone spécifique des vitrages. Cette zone peut être préalablement définie de manière à ce que le traitement ne soit réalisée que dans cette zone. Le traitement des autres zones non pertinentes est évité, et le temps de traitement est réduit.
Dans cet objectif, dans certains modes particuliers de réalisation, le processeur de l’unité de traitement de données peut être configuré pour la sélection automatique de la partie de l’image du vitrage correspondant à la zone d’intérêt préalablement définie du vitrage à inspecter.
Claims (15)
- Méthode (9000) d’inspection d’un vitrage (1000, 6000) transparent muni d’une garniture (1002, 6002), la dite méthode comprend les étapes suivantes :
(a) une étape (E9001) de définition d’un seuil (D9001) de criticité pour les défauts associés à la garniture (1002, 6002) d’un vitrage (1000, 6000) transparent à inspecter ;
(b) une étape (E9002) de fourniture d’un ensemble (D9002) de données d’entrainement comprenant uniquement des images (I9001) de vitrages transparents similaires au vitrage (1000, 6000) transparent à inspecter, lesdits vitrages transparents similaires au vitrage (1000, 6000) transparent à inspecter étant dépourvus de défauts associés à leur garniture dont la criticité est supérieure au seuil (D9001) défini à l’étape (a) ;
(c) une étape (E9003) d’apprentissage d’un algorithme (A9001) d’apprentissage statistique à l’aide de l’ensemble (D9002) de données d’entrainement de l’étape (b) selon un mode d’apprentissage non supervisé ;
(d) une étape (E9004) d’illumination par réflexion et de numérisation simultanées par balayage de tout ou partie de la surface d’un vitrage (1000, 6000) transparent muni d’une garniture (1002, 6002) à inspecter de manière à former une image numérique (D9003) de ladite surface ;
(e) une étape (E9005) de traitement numérique d’au moins une partie d’une image obtenue à l’étape (d) à l’aide de l’algorithme d’apprentissage entrainé à l’étape (c). - Méthode (9000) selon la revendication 1, telle qu’elle comprend en outre, avant l’étape (c), une étape (b’) de calibration dans laquelle chacune des images de l’ensemble (D9002) de données d’entrainement est orientée à l’aide d’un traitement numérique de comparaison d’au moins trois régions de référence de ladite image avec un ensemble de régions de référence d’images de référence de manière à ce que chacune des images de l’ensemble de données d’entrainement soit orientée selon le même référentiel spatial.
- Méthode (9000) selon la revendication 2, telle qu’elle comprend en outre, avant l’étape (e), une étape (d’) d’orientation de l’image obtenue à l’étape (b) à l’aide d’un traitement numérique de comparaison d’au moins trois régions de référence de ladite image avec un ensemble de régions de référence d’images de référence de manière à ce que ladite image soit orientée selon le même référentiel spatial.
- Méthode (9000) selon l’une quelconque des revendications 2 à 3, telle que les défauts associés à la garniture sont l’absence et/ou la détérioration d’entretoises et/ou d’agrafes d’assemblage, la présence de canaux et/ou de fuite d’injection, la coloration du vitrage, l’inhomogénéité des moulures, l’absence et/ou la coulure de revêtements émaillé, l’absence et/ou l’inhomogénéité d’une couche d’apprêt, et/ou l’absence de tout ou partie d’imprimés, de logos et/ou de bordures.
- Méthode (9000) selon l’une quelconque des revendications 1 à 4, telle que l’ensemble (D9002) de données d’entrainement comprend des images de vitrages dont la surface comprend au moins un marqueur coloré similaire à celui susceptible d’être utilisé pour le marquage des défauts associés à la garniture du vitrage à inspecter.
- Méthode (9000) selon l’une quelconque des revendications 1 à 5, telle que la partie de l’image du vitrage (1000, 6000) transparent traitée à l’étape (e) correspond à une zone d’intérêt préalablement définie du vitrage à inspecter.
- Méthode (9000) selon l’une quelconque des revendications 1 à 6, telle que l’algorithme (A9001) d’apprentissage statistique est fondé sur un réseau de neurones à convolution.
- Système (10000, 12000) d’inspection d’un vitrage (1000, 6000) transparent muni d’une garniture (1002, 6002), ledit système comprend :
- un support (10001) de vitrage apte à supporter un vitrage (1000, 6000) transparent à inspecter, ledit vitrage (1000, 6000) étant muni d’une garniture (1002, 6002) ;
- un dispositif optique (10002) d’acquisition comprenant une caméra numérique (10002a) et une source lumineuse (10002b), ladite source lumineuse étant juxtaposée à ladite caméra et orientée vers ledit support (10001) de vitrage ;
- une unité de traitement de données comprenant un processeur configuré pour le traitement numérique à l’aide d’un algorithme d’apprentissage statistique d’au moins une partie d’une image du vitrage (1000, 6000) transparent à inspecter acquise par le dispositif optique (10002) d’acquisition,
dans lequel :
- le support (10001) de vitrage et le dispositif optique (10002) d’acquisition sont animés d’un mouvement relatif linéaire l’un par rapport à l’autre de manière à ce que le dispositif optique (10002) d’acquisition parcoure par balayage tout ou partie de la surface du vitrage (1000, 6000) lors de l’acquisition d’une image dudit vitrage (1000, 6000) par ledit dispositif optique (10002) d’acquisition ;
- l’algorithme d’apprentissage statistique a été préalablement entrainé selon un mode d’apprentissage non supervisé à partir d’un ensemble de données d’entrainement comprenant uniquement des images de vitrages similaires au vitrage (1000, 6000) à inspecter, lesdits vitrages similaires au vitrage (1000, 6000) à inspecter étant dépourvus de défauts associés à leur garniture dont la criticité est supérieure à un seuil préalablement défini. - Système (10000, 12000) selon la revendication 8, tel que la caméra numérique (10002a) est une caméra linéaire avec une résolution d’au moins 5 pixels/mm, de préférence au moins 10 pixels/mm.
- Système (10000, 12000) selon l’une quelconque des revendications 8 à 9, tel que la vitesse relative de déplacement du support (10001) de vitrage ou du dispositif optique (10002) en mouvement relatif linéaire l’un par rapport à l’autre, et la vitesse d’acquisition de la caméra numérique (10002a) du dispositif optique (10002) d’acquisition sont configurés de sorte permet que le la fréquence d’acquisition du dispositif optique (10002) d’acquisition est d’au moins une image tous les 0,1 mm, de préférence au moins tous les 0,2mm.
- Système (10000, 12000) selon l’une quelconque des revendications 8 à 10, tel que la source lumineuse (10002b) du dispositif optique (10002) d’acquisition est formée de deux modules disposés chacun de part et d’autre de la caméra numérique (10002a) et perpendiculairement à la direction du mouvement relatif linéaire du support (10001) de vitrage et le dispositif optique (12000) d’acquisition.
- Système (10000, 12000) selon l’une quelconque des revendications 8 à 11, tel que le support (10001) de vitrage est fixe et le dispositif optique (10002) d’acquisition est mobile, ou tel que le dispositif optique (10002) d’acquisition est fixe et le support (10001) de vitrage est mobile.
- Système (10000, 12000) selon l’une quelconque des revendications 8 à 12, tel que le support (10001) de vitrage comprend au moins une butée (10004) pour le placement du vitrage (1000, 6000) transparent à inspecter, ladite butée (10004) formant un référentiel spatial pour le traitement des images par l’unité de traitement de données.
- Système (10000, 12000) selon l’une quelconque des revendications 8 à 13, tel que la partie de l’image du vitrage traitée par le processeur de l’unité de traitement correspond à une zone d’intérêt préalablement définie du vitrage à inspecter.
- Système (10000, 12000) selon la revendication 14, tel que le processeur de l’unité de traitement de données est configuré pour la sélection automatique de la partie de l’image du vitrage correspondant à la zone d’intérêt préalablement définie du vitrage à inspecter.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2011590A FR3116119B1 (fr) | 2020-11-12 | 2020-11-12 | Méthode et système d’inspection d’un vitrage transparent muni d’une garniture |
| PCT/EP2021/081286 WO2022101291A1 (fr) | 2020-11-12 | 2021-11-10 | Méthode et système d'inspection d'un vitrage transparent muni d'une garniture |
| CN202180005826.5A CN114829913A (zh) | 2020-11-12 | 2021-11-10 | 用于检查带有附属物的透明装配玻璃的方法和系统 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2011590 | 2020-11-12 | ||
| FR2011590A FR3116119B1 (fr) | 2020-11-12 | 2020-11-12 | Méthode et système d’inspection d’un vitrage transparent muni d’une garniture |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3116119A1 true FR3116119A1 (fr) | 2022-05-13 |
| FR3116119B1 FR3116119B1 (fr) | 2022-10-21 |
Family
ID=74860022
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR2011590A Expired - Fee Related FR3116119B1 (fr) | 2020-11-12 | 2020-11-12 | Méthode et système d’inspection d’un vitrage transparent muni d’une garniture |
Country Status (3)
| Country | Link |
|---|---|
| CN (1) | CN114829913A (fr) |
| FR (1) | FR3116119B1 (fr) |
| WO (1) | WO2022101291A1 (fr) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110170293A1 (en) * | 2009-12-29 | 2011-07-14 | Omron Corporation | Illumination device and producing method thereof |
| FR3058816A1 (fr) * | 2016-11-16 | 2018-05-18 | Safran | Procede de controle non-destructif de piece metallique |
| CN110148106A (zh) | 2019-01-18 | 2019-08-20 | 华晨宝马汽车有限公司 | 一种利用深度学习模型检测物体表面缺陷的系统及方法 |
| CN110335238A (zh) | 2019-05-08 | 2019-10-15 | 吉林大学 | 一种深度学习的汽车漆膜缺陷识别系统构建方法 |
| FR3090088A1 (fr) * | 2018-12-12 | 2020-06-19 | Saint-Gobain Glass France | Procédé de mesure des écarts géométriques entre les surfaces incurvées d'une pluralité de matériaux à évaluer et une surface incurvée d’un matériau de référence |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109073366A (zh) * | 2016-06-20 | 2018-12-21 | 三洋机工株式会社 | 粘接剂检查装置及粘接剂检查方法 |
-
2020
- 2020-11-12 FR FR2011590A patent/FR3116119B1/fr not_active Expired - Fee Related
-
2021
- 2021-11-10 WO PCT/EP2021/081286 patent/WO2022101291A1/fr active Application Filing
- 2021-11-10 CN CN202180005826.5A patent/CN114829913A/zh not_active Withdrawn
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110170293A1 (en) * | 2009-12-29 | 2011-07-14 | Omron Corporation | Illumination device and producing method thereof |
| FR3058816A1 (fr) * | 2016-11-16 | 2018-05-18 | Safran | Procede de controle non-destructif de piece metallique |
| FR3090088A1 (fr) * | 2018-12-12 | 2020-06-19 | Saint-Gobain Glass France | Procédé de mesure des écarts géométriques entre les surfaces incurvées d'une pluralité de matériaux à évaluer et une surface incurvée d’un matériau de référence |
| CN110148106A (zh) | 2019-01-18 | 2019-08-20 | 华晨宝马汽车有限公司 | 一种利用深度学习模型检测物体表面缺陷的系统及方法 |
| CN110335238A (zh) | 2019-05-08 | 2019-10-15 | 吉林大学 | 一种深度学习的汽车漆膜缺陷识别系统构建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022101291A1 (fr) | 2022-05-19 |
| FR3116119B1 (fr) | 2022-10-21 |
| CN114829913A (zh) | 2022-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2732273B2 (fr) | Procede d'acquisition de plusieurs images d'un meme emballage a l'aide d'une seule camera lineaire | |
| CN204359710U (zh) | 一种玻璃表面缺陷检测装置 | |
| EP0559524B1 (fr) | Procédé et dispositif de contrÔle de la transparence d'un vitrage feuilleté | |
| FR3090088A1 (fr) | Procédé de mesure des écarts géométriques entre les surfaces incurvées d'une pluralité de matériaux à évaluer et une surface incurvée d’un matériau de référence | |
| WO2013098497A1 (fr) | Dispositif d'analyse des défauts d'aspect d'un substrat transparent | |
| CN112945988A (zh) | 镜片缺陷检测系统及检测方法 | |
| WO2006117205A3 (fr) | Inspection automatisee de lentilles de contact colorees | |
| WO2013178928A1 (fr) | Procede optique d'inspection de recipients transparents ou translucides portant des motifs visuels | |
| CN105372267A (zh) | 透明基板的外观检查装置以及外观检查方法 | |
| WO2022101291A1 (fr) | Méthode et système d'inspection d'un vitrage transparent muni d'une garniture | |
| US11806969B2 (en) | Method of manufacturing display device | |
| JP2015225003A (ja) | 外観検査装置 | |
| EP4309074A1 (fr) | Procédé d'acquisition d'un code marqué sur une feuille de verre ou de vitrocéramique, et système correspondant | |
| FR2667399A1 (fr) | Procede et appareil de controle, notamment pour des recipients. | |
| CN208350678U (zh) | 透明容器口部裂纹在线检测装置 | |
| CN113567464A (zh) | 一种透明介质污渍位置检测方法及装置 | |
| WO2012035257A1 (fr) | Dispositif et procédé de mesure de la forme d'un miroir ou d'une surface speculaire | |
| WO2007110372A1 (fr) | Procede et systeme de controle d'aspect d'un contenant, programmes d'ordinateur et dispositif de commande de controle correspondant | |
| US11119052B2 (en) | Dynamic backlighting system and method for inspecting a transparency | |
| CN110579489B (zh) | 针对镜面碗状结构产品的缺陷检测方法 | |
| JP2001235425A (ja) | ペットボトルの偏肉検査方法および装置 | |
| WO2001055705A1 (fr) | Installation et procede pour la detection de glacures | |
| FR3100331A1 (fr) | Procede et systeme de test pour l’evaluation de la qualite d'une unite de projection micro-optique et/ou de projection optique sub-longueur d’onde a canaux multiples | |
| WO2019064622A1 (fr) | Procédé d'inspection de dommages d'un panneau d'affichage optique | |
| JPH08306082A (ja) | 光ディスクの欠陥検出装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20220513 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |
|
| ST | Notification of lapse |
Effective date: 20240706 |