FR3126528A1 - Procédé et dispositif électronique de surveillance de la fabrication d’un liquide avec un additif anti-mousse, système de surveillance et programme d’ordinateur associés - Google Patents
Procédé et dispositif électronique de surveillance de la fabrication d’un liquide avec un additif anti-mousse, système de surveillance et programme d’ordinateur associés Download PDFInfo
- Publication number
- FR3126528A1 FR3126528A1 FR2109030A FR2109030A FR3126528A1 FR 3126528 A1 FR3126528 A1 FR 3126528A1 FR 2109030 A FR2109030 A FR 2109030A FR 2109030 A FR2109030 A FR 2109030A FR 3126528 A1 FR3126528 A1 FR 3126528A1
- Authority
- FR
- France
- Prior art keywords
- image
- liquid
- drops
- magnitude
- monitoring
- 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
- 239000007788 liquid Substances 0.000 title claims abstract description 106
- 239000000654 additive Substances 0.000 title claims abstract description 68
- 239000002518 antifoaming agent Substances 0.000 title claims abstract description 65
- 230000000996 additive effect Effects 0.000 title claims abstract description 57
- 238000012544 monitoring process Methods 0.000 title claims abstract description 38
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004590 computer program Methods 0.000 title claims abstract description 7
- 238000003384 imaging method Methods 0.000 claims abstract description 33
- 238000012806 monitoring device Methods 0.000 claims abstract description 28
- 239000000314 lubricant Substances 0.000 claims description 21
- 239000000203 mixture Substances 0.000 claims description 18
- 238000013473 artificial intelligence Methods 0.000 claims description 13
- XSQUKJJJFZCRTK-UHFFFAOYSA-N Urea Chemical compound NC(N)=O XSQUKJJJFZCRTK-UHFFFAOYSA-N 0.000 claims description 12
- 239000004202 carbamide Substances 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 230000003287 optical effect Effects 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 11
- 239000007789 gas Substances 0.000 description 8
- 239000006185 dispersion Substances 0.000 description 5
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 4
- 238000012512 characterization method Methods 0.000 description 4
- 238000002296 dynamic light scattering Methods 0.000 description 4
- 238000005187 foaming Methods 0.000 description 4
- 229910052710 silicon Inorganic materials 0.000 description 4
- 239000010703 silicon Substances 0.000 description 4
- 238000005481 NMR spectroscopy Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 230000003254 anti-foaming effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 239000010705 motor oil Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000005273 aeration Methods 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 239000007864 aqueous solution Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000010534 mechanism of action Effects 0.000 description 1
- 230000005499 meniscus Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 229920006112 polar polymer Polymers 0.000 description 1
- 229920000058 polyacrylate Polymers 0.000 description 1
- -1 polymethylsiloxane Polymers 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10148—Varying focus
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
Abstract
Procédé et dispositif électronique de surveillance de la fabrication d’un liquide avec un additif anti-mousse, système de surveillance et programme d’ordinateur associés Ce procédé de surveillance de la fabrication d’un liquide (12), un additif anti-mousse (14) étant dispersé dans le liquide (12), est mis en œuvre par un dispositif électronique de surveillance (20) apte à être connecté à un dispositif d’imagerie (18) et comprend : - acquisition d’une pluralité d’images (22) représentatives d’un volume (V) du liquide (12) avec l’additif anti-mousse (14), chaque image (22) étant obtenue via le dispositif d’imagerie (18) et pour un plan image respectif à l’intérieur du volume (V) ; - détermination d’un ensemble de grandeur(s) relative(s) à des gouttes (16) de l’additif anti-mousse (14), chaque grandeur étant déterminée via un algorithme de détermination et à partir des images acquises (22), chaque grandeur étant déterminée en fonction de gouttes (16) focalisées dans le plan image de chaque image (22) respective ; et - utilisation de l’ensemble de grandeur(s) déterminé. Figure pour l'abrégé : Figure 1
Description
La présente invention concerne un procédé de surveillance de la fabrication d’un liquide, un additif anti-mousse étant dispersé dans le liquide, le liquide étant choisi parmi un lubrifiant et une composition comprenant de l’eau et de l’urée utilisée dans le domaine automobile, notamment dans un dispositif de post-traitement des gaz d'échappement.
L’invention concerne aussi un programme d’ordinateur comportant des instructions logicielles qui, lorsqu’elles sont exécutées par un ordinateur, mettent en œuvre un tel procédé de surveillance.
L’invention concerne également un dispositif électronique de surveillance de la fabrication d’un tel liquide ; et un système électronique de surveillance de la fabrication du liquide, comprenant un dispositif électronique d’imagerie et un tel dispositif de surveillance connecté au dispositif électronique d’imagerie.
L’invention concerne le domaine de la fabrication, i.e. de la production, d’un liquide avec un additif anti-mousse dispersé dans ce liquide, le liquide étant un lubrifiant ou bien une composition comprenant de l’eau et de l’urée utilisée dans le domaine automobile, notamment dans un dispositif de post-traitement des gaz d'échappement, la composition étant également connue sous le nom Clearnox® et commercialisée par la société TotalEnergies.
Aujourd’hui, connaître le mécanisme d’action d’additifs anti-mousse est utile pour améliorer la performance des additifs anti-mousse, par exemple dans un lubrifiant. Dans le cas des additifs anti-mousse dans un lubrifiant, il est primordial de suivre leur performance au cours du temps (perte des performances d’anti-moussage des lubrifiants après stockage par exemple) et de corréler cette performance à la présence et la dispersion de ces additifs anti-mousse dans le lubrifiant. Une telle caractérisation permet d’aider les formulateurs pour cibler les bons additifs anti-mousse (stabilité des additifs dans le produit, corrélation performance/famille chimique d’additifs).
Dans le cas d’additifs anti-mousse à base de silicium, il est possible de caractériser le lubrifiant en suivant la teneur en silicium dans celui-ci.
Toutefois, la mesure de la teneur en silicium dans un produit tel qu’un lubrifiant est peu précise du fait des potentiels contaminants dans le milieu (poussière) et des faibles quantités d’additifs ajoutées (de l’ordre du ppm). Une simple mesure de la teneur en silicium n’est donc pas optimale, et des étapes supplémentaires de caractérisation du produit sont alors nécessaires, par exemple via des méthodes analytiques, typiquement basées sur la résonance magnétique nucléaire, également notée RMN, ou encore sur la spectroscopie de masse. Cependant, ces étapes supplémentaires de caractérisation sont coûteuses en temps et en argent.
Ces méthodes de caractérisation moléculaire sont utiles au niveau quantitatif. En revanche; il semblerait que la performance de l’additif anti-mousse soit aussi due à sa dispersion (nombre de gouttes et distribution en taille de ces dernières) dans le milieu. Les techniques analytiques précitées, telles que la RMN ou la masse, ne permettent pas d’accéder à ce type d’information.
Pour mesurer la taille des gouttes formées par l’additif anti-mousse dans le lubrifiant, il est connu d’effectuer des mesures par une technique de diffusion dynamique de la lumière, également appelée DLS (de l’anglaisDynamic Light Scattering), lorsque l’additif anti-mousse est présent en grande quantité (nombre élevé de gouttes), par exemple avec une concentration supérieure à 50ppm.
Cependant, cette technique n’est pas applicable aux lubrifiants formulés avec une concentration faible en additifs anti-mousse, typiquement inférieure à 50ppm.
Le but de l’invention est alors de proposer un procédé, et un dispositif électronique associé, de surveillance de la fabrication d’un liquide avec un additif anti-mousse dispersé au sein de celui-ci, qui permettent d’offrir une surveillance plus efficace, notamment avec une concentration faible en additifs anti-mousse, typiquement inférieure à 50ppm.
A cet effet, l’invention a pour objet un procédé de surveillance de la fabrication d’un liquide, un additif anti-mousse étant dispersé dans le liquide, le liquide étant choisi parmi un lubrifiant et une composition comprenant de l’eau et de l’urée utilisée dans le domaine automobile, notamment dans un dispositif de post-traitement des gaz d'échappement, le procédé étant mis en œuvre par un dispositif électronique de surveillance apte à être connecté à un dispositif électronique d’imagerie et comprenant les étapes suivantes :
- acquisition d’une pluralité d’images représentatives d’un volume du liquide avec l’additif anti-mousse, chaque image étant obtenue via le dispositif d’imagerie et pour un plan image respectif à l’intérieur du volume ;
- détermination d’un ensemble de grandeur(s) relative(s) à des gouttes de l’additif anti-mousse, chaque grandeur étant déterminée via un algorithme de détermination et à partir des images acquises, chaque grandeur étant déterminée en fonction de gouttes focalisées dans le plan image de chaque image respective ; et
- utilisation de l’ensemble de grandeur(s) déterminé, l’étape d’utilisation étant un affichage de l’ensemble de grandeur(s) sur un écran d’affichage et/ou une transmission de l’ensemble de grandeur(s) à un appareil électronique de pilotage de la fabrication du liquide.
Avec le dispositif d’imagerie, tel qu’un microscope, couplé au dispositif de surveillance, le procédé de surveillance selon l’invention permet alors de déterminer la présence et la dispersion de gouttes d’additif anti-mousse dans le volume de liquide observé, tel qu’un produit complexe de type lubrifiant ou encore tel que la composition comprenant de l’eau et de l’urée utilisée dans le domaine automobile, notamment dans un dispositif de post-traitement des gaz d'échappement.
De préférence, l’ensemble de grandeur(s) comporte au moins une grandeur parmi le groupe consistant en : un nombre de gouttes, un diamètre moyen des gouttes, un diamètre maximal des gouttes et un diamètre maximal des gouttes pour un nombre prédéfini de premiers centiles de la population des gouttes, tel que pour les 90 premiers centiles. Cela permet alors de dénombrer, mesurer et faire un bilan de population de l’ensemble de la dispersion d’anti-mousse dans le volume de liquide observé.
En outre, alors que la technique DLS de l’état de la technique fournit des informations uniquement sur la taille des gouttes, le procédé de surveillance selon l’invention permet en outre de déterminer le nombre de telles gouttes.
Suivant d’autres aspects avantageux de l’invention, le procédé de surveillance comprend une ou plusieurs des caractéristiques suivantes, prises isolément ou suivant toutes les combinaisons techniquement possibles :
- l’ensemble de grandeur(s) comporte au moins une grandeur parmi le groupe consistant en : un nombre de gouttes, un diamètre moyen des gouttes, un diamètre maximal des gouttes et un diamètre maximal des gouttes pour un nombre prédéfini de premiers centiles de la population des gouttes, tel que pour les 90 premiers centiles ;
- les plans image sont disposés en différentes positions le long d’un axe vertical correspondant à une hauteur du volume et/ou sont disposés sous forme d’une mosaïque dans un plan perpendiculaire audit axe vertical ;
- l’algorithme de détermination comporte un algorithme de traitement d’images configuré pour identifier des gouttes focalisées dans le plan image de chaque image respective, chaque grandeur étant alors déterminée en fonction des gouttes focalisées identifiées pour la pluralité d’images acquises ;
- l’algorithme de traitement d’images comporte, d’une part, un filtrage de l’image acquise suivi d’un seuillage de l’image filtrée, et d’autre part, une augmentation de contraste de l’image acquise ; puis une convolution entre l’image filtrée seuillée et l’image plus contrastée, les gouttes focalisées étant alors identifiées via un deuxième seuillage appliqué à l’image résultant de ladite convolution ;
- le filtrage comporte l’application d’un premier filtre à l’image acquise, puis l’application d’un deuxième filtre à une image résultant de ladite application du premier filtre ; le premier filtre étant un filtre médian, et le deuxième filtre étant un filtre de variance ;
- l’algorithme de détermination comporte un algorithme d’intelligence artificielle, l’algorithme d’intelligence artificielle étant configuré pour recevoir en entrée une image acquise respective, et pour délivrer en sortie l’ensemble de grandeur(s), notamment un nombre de gouttes focalisées dans le plan image de l’image acquise respective ;
l’algorithme d’intelligence artificielle incluant de préférence la mise en œuvre d’un réseau de neurones.
L’invention a aussi pour objet un programme d’ordinateur comportant des instructions logicielles qui, lorsqu’elles sont exécutées par un ordinateur, mettent en œuvre un procédé de surveillance, tel que défini ci-dessus.
L’invention a également pour objet un dispositif électronique de surveillance de la fabrication d’un liquide, un additif anti-mousse étant dispersé dans le liquide, le liquide étant choisi parmi un lubrifiant et une composition comprenant de l’eau et de l’urée utilisée dans le domaine automobile, notamment dans un dispositif de post-traitement des gaz d'échappement, le dispositif électronique de surveillance étant apte à être connecté à un dispositif électronique d’imagerie et comprenant :
- un module d’acquisition configuré pour acquérir une pluralité d’images représentatives d’un volume du liquide avec l’additif anti-mousse, chaque image étant obtenue via le dispositif d’imagerie et pour un plan image respectif à l’intérieur du volume ;
- un module de détermination configuré pour déterminer un ensemble de grandeur(s) relative(s) à des gouttes de l’additif anti-mousse, chaque grandeur étant déterminée via un algorithme de détermination et à partir des images acquises, chaque grandeur étant déterminée en fonction de gouttes focalisées dans le plan image de chaque image respective ; et
- un module d’utilisation configuré pour utiliser l’ensemble de grandeur(s) déterminé, le module d’utilisation étant configuré pour afficher l’ensemble de grandeur(s) sur un écran d’affichage et/ou pour transmettre l’ensemble de grandeur(s) à un appareil électronique de pilotage de la fabrication du liquide.
L’invention a aussi pour objet un système électronique de surveillance de la fabrication d’un liquide, un additif anti-mousse étant dispersé dans le liquide, le liquide étant choisi parmi un lubrifiant et une composition comprenant de l’eau et de l’urée utilisée dans le domaine automobile, notamment dans un dispositif de post-traitement des gaz d'échappement, le système comprenant :
- un dispositif électronique d’imagerie configuré pour prendre une pluralité d’images représentatives d’un volume du liquide avec l’additif anti-mousse, chaque image étant obtenue pour un plan image respectif à l’intérieur du volume ;
- un dispositif électronique de surveillance de la fabrication du liquide, le dispositif de surveillance étant connecté au dispositif électronique d’imagerie et tel que défini ci-dessus.
Suivant d’autres aspects avantageux de l’invention, le système de surveillance comprend une ou plusieurs des caractéristiques suivantes, prises isolément ou suivant toutes les combinaisons techniquement possibles :
- le dispositif d’imagerie est un microscope ; et
- le microscope a une résolution optique inférieure ou égale à 1 µm, telle qu’une résolution optique égale à 0,2 µm.
Ces caractéristiques et avantages de l’invention apparaîtront plus clairement 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 :
Dans la suite de la description, les expressions « sensiblement égal(e) à » et « de l’ordre de » définissent une relation d’égalité à plus ou moins 10%, de préférence encore à plus ou moins 5%.
Sur la , un système électronique de surveillance 10 est configuré pour surveiller la fabrication d’un liquide 12 avec un additif anti-mousse 14, l’additif anti-mousse 14 étant dispersé sous forme de gouttes 16 dans le liquide 12, le liquide 12 et l’additif anti-mousse 14 étant contenus dans un récipient 17.
Le système électronique de surveillance 10 comprend un dispositif électronique d’imagerie 18 et un dispositif électronique de surveillance 20, connecté au dispositif électronique d’imagerie 18.
Le liquide 12 est par exemple un produit tel qu’un lubrifiant, en particulier un lubrifiant pour moteur.
En variante, le liquide 12 est une composition comprenant de l’eau et de l’urée utilisée dans le domaine automobile, notamment dans un dispositif de post-traitement des gaz d'échappement, la composition étant également connue sous le nom Clearnox® et commercialisée par la société TotalEnergies.
L’additif anti-mousse 14 est connu en soi, et permet de diminuer, voire d’éliminer, un moussage du liquide 12 susceptible de se produire lors de l’utilisation du liquide 12, ce moussage entraînant l’introduction d’une quantité plus ou moins importante d’air dans un système utilisant ledit liquide 12.
Lorsque le liquide 12 est un produit tel qu’un lubrifiant, en particulier de l’huile, l’additif anti-mousse 14 permet alors de limiter l’aération du lubrifiant, pour limiter, voire éviter, des conséquences négatives, telles qu’une augmentation de l’oxydation, une diminution du pouvoir lubrifiant, une diminution de la conductivité thermique, et une augmentation de perte par barbotage.
En variante, lorsque le liquide 12 est la composition comprenant de l’eau et de l’urée, c’est-à-dire une solution aqueuse de précurseur d’ammoniac, contenant optionnellement des tensioactifs, le liquide 12 a également tendance à mousser, et ce moussage se produit notamment lors du transport et de la manutention de la composition, par exemple lors de son déchargement dans une cuve de stockage, puis lorsque la composition est introduite depuis la cuve de stockage dans un réservoir d’un véhicule, ce qui complique l’opération de remplissage du réservoir et peut entraîner son débordement. En outre, le moussage de la composition formant le liquide 12, lorsqu’il se produit au moment de son injection dans le dispositif de post-traitement des gaz d’échappement du véhicule, peut également entraîner l’introduction d’une quantité plus ou moins importante d’air dans ledit dispositif de post-traitement. Ce phénomène perturbe le contrôle de la quantité de composition injectée et affecte alors l’efficacité du dispositif de post-traitement.
Le système électronique de surveillance 10 selon l’invention vise alors à surveiller la fabrication du liquide 12, en particulier la quantité d’additif anti-mousse 14 dispersée dans ledit liquide 12, afin d’avoir une quantité adéquate d’additif anti-mousse 14 dans le liquide 12 et de conserver des propriétés optimales pour ledit liquide 12. Cette surveillance de la quantité d’additif anti-mousse 14 dans le liquide 12 est en particulier possible de par l’ensemble de grandeur(s) relative(s) aux gouttes 16 de l’additif anti-mousse 14, déterminé par le dispositif de surveillance 20, ainsi que cela sera décrit plus en détail par la suite.
L’additif anti-mousse 14 est par exemple un polymère polaire, tel que polyméthylsiloxane, polyacrylate.
Les gouttes 16 d’additif anti-mousse ont typiquement une taille, c’est-à-dire un diamètre, d’un ou de quelques micromètres, ou µm, par exemple de l’ordre de 2 µm.
Le dispositif d’imagerie 18 est configuré pour prendre une pluralité d’images 22 représentatives d’un volume V du liquide 12 avec l’additif anti-mousse 14, contenu dans le récipient 17, chaque image 22 étant obtenue pour un plan image respectif à l’intérieur du volume V, comme représenté sur la .
Dans l’exemple de la , les plans image sont disposés en différentes positions le long d’un axe vertical Z correspondant à une hauteur H du volume V, et ont une aire A selon un plan transversal, perpendiculaire à l’axe vertical Z. Dans cet exemple, deux plans image successifs sont séparés d’un pas dz selon l’axe vertical Z, le pas dz entre deux plans image successifs étant également appelé pas d’acquisition, et correspondant à la hauteur séparant deux plans image successifs, c’est-à-dire à la hauteur séparant deux images 22 successivement acquises à l’intérieur du volume V. L’aire A de la surface représentée sur une image acquise 22 respective est typiquement inférieure à une aire S de la section dans le plan transversal du récipient 17, ceci pour éviter les effets de bords (interface solide/liquide). L’aire A est de l’ordre de 0,3 mm² et dépend de l’objectif du microscope utilisé et de la résolution du dispositif d’imagerie 18. L’axe vertical Z est typiquement sensiblement parallèle à un axe optique du dispositif d’imagerie 18. Un nombre P de plans image dépend alors de la hauteur H du volume V et du pas d’acquisition dz. Le nombre P de plans image est alors typiquement égal à E(H/dz) ou encore à E(H/dz)+1, où E(x) représente une partie entière inférieure du nombre x, i.e. le plus grand entier inférieur ou égal à x. Dans l’exemple de la , un nombre N d’images acquises 22 est alors égal au nombre P de plans image.
En variante non représentée, les plans image sont disposés sous forme d’une mosaïque dans le plan transversal, perpendiculaire à l’axe vertical Z, afin de couvrir une surface d’acquisition plus importante dans ce plan transversal, notamment lorsque le volume V présente une hauteur H relativement faible et une surface transversale plus importante. En notant S l’aire de la surface transversale, S étant alors égal au ratio V/H, et A l’aire de la surface représentée sur une image acquise 22 respective, l’homme du métier comprendra en outre qu’un nombre M d’images 22 contenues dans la mosaïque dépend alors desdites aires A et S. Le nombre M d’images 22 contenues dans la mosaïque est alors typiquement égal à E(S/A) ou encore à E(S/A)+1, où E(x) représente la partie entière inférieure du nombre x. Selon cette variante, le nombre N d’images acquises 22 est alors égal au nombre M d’images 22 contenues dans la mosaïque.
En variante encore, les plans image sont disposés à la fois en différentes positions le long de l’axe vertical Z et sous forme d’une ou plusieurs mosaïques dans un ou plusieurs plans transversaux, perpendiculaires à l’axe vertical Z. Selon cette variante, le nombre N d’images acquises 22 est alors égal au produit du nombre P de plans image et du nombre M d’images 22 contenues dans chaque mosaïque respective, i.e. M fois P, noté M.P.
Dans l’exemple de la , le pas d’acquisition dz est par exemple compris entre 5 µm et 50 µm, de préférence compris entre 10 µm et 30 µm, de préférence encore sensiblement égal à 20 µm. Dans cet exemple, le volume V du liquide 12 est par exemple compris entre 0,5 µL et 5 µL, ou microlitre, de préférence compris entre 1 µL et 2 µL, de préférence encore sensiblement égal à 1,5 µL.
Le dispositif d’imagerie 18 est par exemple un microscope, tel qu’un microscope optique, notamment avec une platine automatisée, non représentée, permettant de faciliter l’acquisition de la pluralité d’images 22 selon les différents plans image successifs.
Lorsque le dispositif d’imagerie 18 est un microscope, il présente typiquement une résolution optique inférieure à la dimension des gouttes 16 destinées à être observées. Dans l’exemple de la , les gouttes 16 ont une dimension de l’ordre d’un ou quelques µm, et le microscope présente alors une résolution optique typiquement inférieure ou égale à 1 µm, de préférence encore sensiblement égale à 0,2 µm.
Le dispositif électronique de surveillance 20 est configuré pour surveiller la fabrication du liquide 12 avec l’additif anti-mousse 14 dispersé au sein de celui-ci, et est apte à être connecté au dispositif électronique d’imagerie 18.
Le dispositif électronique de surveillance 20 comprend un module 24 d’acquisition des images 22, un module 26 de détermination de l’ensemble de grandeur(s) relative(s) aux gouttes 16 de l’additif anti-mousse 14, et un module 28 d’utilisation de l’ensemble de grandeur(s) déterminé par le module de détermination 26.
Dans l’exemple de la , le dispositif électronique de surveillance 20 comprend une unité de traitement d’informations 30 formée par exemple d’une mémoire 32 et d’un processeur 34 associé à la mémoire 32.
Dans l’exemple de la , le module d’acquisition 24, le module de détermination 26 et le module d’utilisation 28 sont réalisés chacun sous forme d’un logiciel, ou d’une brique logicielle, exécutable par le processeur 34. La mémoire 32 du dispositif électronique de surveillance 20 est alors apte à stocker un logiciel d’acquisition de la pluralité d’images 22 représentatives du volume V du liquide 12 avec l’additif anti-mousse 14, un logiciel de détermination de l’ensemble de grandeur(s) relative(s) aux gouttes 16 de l’additif anti-mousse 14, chaque grandeur étant déterminée via un algorithme de détermination, à partir des images acquises 22 et en fonction en outre de gouttes focalisées dans le plan image de chaque image 22 respective ; et un logiciel d’utilisation de l’ensemble de grandeur(s) déterminé par le logiciel de détermination, le logiciel d’utilisation étant apte à afficher l’ensemble de grandeur(s) sur un écran d’affichage, non représenté, et/ou à transmettre l’ensemble de grandeur(s) à un appareil électronique, non représenté, de pilotage de la fabrication du liquide 12. Le processeur 34 est alors apte à exécuter chacun des logiciels parmi le logiciel d’acquisition, le logiciel de détermination et le logiciel d’utilisation.
En variante non représentée, le module d’acquisition 24, le module de détermination 26 et le module d’utilisation 28 sont réalisés chacun sous forme d’un composant logique programmable, tel qu’un FPGA (de l’anglaisField Programmable Gate Array), ou encore sous forme d’un circuit intégré dédié, tel qu’un ASIC (de l’anglaisApplication Specific Integrated Circuit).
Lorsque le dispositif électronique de surveillance 20 est réalisé sous forme d’un ou plusieurs logiciels, c’est-à-dire sous forme d’un programme ordinateur, il est en outre apte à être enregistré sur un support, non représenté, lisible par ordinateur. Le support lisible par ordinateur est par exemple un médium apte à mémoriser des instructions électroniques et à être couplé à un bus d’un système informatique. A titre d’exemple, le support lisible est un disque optique, un disque magnéto-optique, une mémoire ROM, une mémoire RAM, tout type de mémoire non volatile (par exemple EPROM, EEPROM, FLASH, NVRAM), une carte magnétique ou une carte optique. Sur le support lisible est alors mémorisé un programme d’ordinateur comprenant des instructions logicielles.
Le module d’acquisition 24 est configuré pour acquérir la pluralité d’images 22 représentatives du volume V du liquide 12 avec l’additif anti-mousse 14, chaque image 22 étant obtenue via le dispositif d’imagerie 18 et pour un plan image respectif à l’intérieur du volume V.
Dans l’exemple de la , les plans image sont disposés en différentes positions verticales le long de l’axe vertical Z correspondant à la hauteur H du volume V. En variante ou en complément, les plans image sont disposés sous forme d’une mosaïque dans un plan transversal, c’est-à-dire dans un plan perpendiculaire à l’axe vertical Z.
Le module de détermination 26 est configuré pour déterminer l’ensemble de grandeur(s) relative(s) aux gouttes 16 de l’additif anti-mousse 14, chaque grandeur étant déterminée via l’algorithme de détermination, à partir des images 22 acquises par le module d’acquisition 24 et en fonction de gouttes focalisées dans le plan image de chaque image 22 respective.
L’ensemble de grandeur(s) comporte au moins une grandeur parmi le groupe consistant en : un nombre de gouttes 16, en particulier dans le volume V du liquide 12 ; un diamètre moyen des gouttes 16, en particulier pour les gouttes 16 contenues dans le volume V de liquide 12 ; un diamètre maximal des gouttes 16, en particulier parmi les gouttes 16 contenues dans le volume V du liquide 12 ; et un diamètre maximal des gouttes 16 pour un nombre prédéfini de premiers centiles de la population des gouttes 16, tel que pour les 90 premiers centiles.
Selon un premier mode de réalisation, l’algorithme de détermination est basé sur un algorithme de traitement d’images.
Selon un deuxième mode de réalisation, l’algorithme de détermination est basé sur un algorithme d’intelligence artificielle, typiquement via la mise en œuvre d’un réseau de neurones.
Selon le premier mode de réalisation, l’algorithme de détermination comporte l’algorithme de traitement d’images, et l’algorithme de traitement d’images est configuré pour identifier des gouttes focalisées dans le plan image de chaque image 22 respective, chaque grandeur étant alors déterminée en fonction des gouttes identifiées pour la pluralité d’images acquises 22.
L’homme du métier observera que chaque image acquise 22 comporte à la fois des gouttes focalisées et des gouttes non-focalisées dans le plan image, et chaque grandeur est alors déterminée uniquement en fonction desdites gouttes focalisées dans le plan image respectif. Autrement dit, chaque grandeur déterminée est indépendante des gouttes non-focalisées contenues dans chaque image 22 respective.
L’homme du métier comprendra que le fait de déterminer chaque grandeur indépendamment des gouttes non-focalisées, et seulement en fonction des gouttes focalisées dans le plan image, permet de déterminer chaque grandeur en évitant de prendre en compte plusieurs fois des mêmes gouttes 16 qui seraient représentées dans différentes images 22 acquises pour plusieurs plans image successifs, ce qui entrainerait alors une erreur dans la détermination de ladite grandeur. En déterminant chaque grandeur seulement en fonction des gouttes focalisées, cela permet alors de prendre en compte les gouttes 16 seulement lorsqu’elles sont représentées de manière focalisée dans une image acquise 22 respective, et pas dans les autres cas. Autrement dit, le dispositif de surveillance 20, et le procédé de surveillance associé, visent alors à prendre en compte chaque goutte 16 contenue dans le liquide 12, une seule fois parmi la pluralité d’images 22 acquises, représentatives du volume V du liquide 12.
En complément, l’homme du métier notera aussi que les gouttes 16 représentées de manière focalisée dans une image acquise 22 respective sont celles situées à proximité du plan image dans le volume V du liquide 12, typiquement à une distance inférieure à un écart prédéterminé de référence dε. Autrement dit, pour la détermination du nombre de gouttes 16 contenues dans le volume V de liquide 12, chaque image acquise permet de comptabiliser les gouttes 16 se trouvant dans une couche d’épaisseur E égale à 2 fois l’écart prédéterminé de référence dε, i.e. E = 2.dε, et disposée de part et d’autre du plan image respectif.
Selon ce complément, afin d’avoir un recouvrement complet du volume V du liquide 12 via les différentes images acquises 22, le pas d’acquisition dz est typiquement choisi égal à l’épaisseur E, i.e. à 2 fois l’écart prédéterminé de référence dε. Chaque plan image respectif d’indice i, où i est un entier compris entre 1 et le nombre P de plans image, est alors disposé en une position verticale zivérifiant typiquement l’équation suivante :
où dε représente l’écart prédéterminé de référence,
dz représente le pas d’acquisition, et
i est un indice entier compris entre 1 et P ;
avec la position 0, i.e. la position d’origine, correspondant à une surface d’extrémité du volume V du liquide 12, telle que la surface supérieure dudit volume V, et l’axe vertical Z orienté depuis ladite surface d’extrémité vers l’autre surface d’extrémité du volume V de liquide 12, par exemple depuis ladite surface supérieure vers un fond d’un récipient contenant le volume V de liquide 12.
En complément encore, la hauteur H d’acquisition est typiquement inférieure à la hauteur du récipient 17 pour éviter les effets optiques au niveau de l’interface liquide/air, également appelée ménisque, et au niveau de la base du récipient 17 à l’interface solide/liquide.
En complément encore, l’écart de référence dε est défini typiquement en fonction d’une dimension escomptée ou prévue des gouttes 16. L’écart de référence dε est par exemple compris entre 3 et 7 fois la dimension prévue des gouttes 16, de préférence entre 4 et 6 fois ladite dimension, de préférence encore sensiblement égal à 5 fois ladite dimension. Dans l’exemple de la , la dimension prévue des gouttes 16 est égale à 2 µm, soit une valeur typique de 10 µm pour l’écart prédéterminé de référence dε, et une valeur typique de 20 µm pour le pas d’acquisition dz.
Selon le premier mode de réalisation, l’algorithme de traitement d’images comporte par exemple, d’une part, un filtrage de l’image acquise 22 pour obtenir une image filtrée 40, l’application dudit filtrage à l’image acquise 22 étant représentée par la flèche F1 à la . En complément, l’algorithme de traitement d’images comporte, à la suite dudit filtrage, un seuillage de l’image filtrée 40 pour obtenir une image filtrée seuillée 42, ledit seuillage étant représenté par la flèche F2 à la .
En complément, l’algorithme de traitement d’images comporte, d’autre part, une augmentation de contraste de l’image acquise 22 pour obtenir une image plus contrastée 44, l’augmentation de contraste étant représentée par la flèche F3 à la .
En complément encore, l’algorithme de traitement d’images comporte une convolution entre l’image filtrée seuillée 42 et l’image plus contrastée 44, pour obtenir une image convoluée 46, la convolution étant représentée par le signe + et les flèches F4 à la , l’image filtrée seuillée 42 ayant été obtenue par le filtrage de l’image acquise 22, suivi du seuillage de l’image filtrée 40, également appelé premier seuillage, et l’image plus contrastée 44 ayant été obtenue par l’augmentation de contraste de l’image acquise 22.
En complément encore, l’algorithme de traitement d’images comporte un deuxième seuillage appliqué à l’image convoluée 46 résultant de ladite convolution, pour obtenir une image convoluée seuillée 48, le deuxième seuillage étant représenté par la flèche F5 à la .
En complément facultatif, l’algorithme de traitement d’images comporte un traitement binaire de l’image convoluée seuillée 48 afin d’obtenir une image traitée 50 dans laquelle subsistent seulement des points noirs correspondant aux différentes gouttes focalisées, le traitement binaire, représenté par la flèche F6 à la , permettant de supprimer les objets en forme d’anneau, ou encore en forme de disque noir avec un centre blanc, contenus dans l’image convoluée seuillée 48.
Le module de détermination 26 est alors configuré pour mettre en œuvre l’algorithme de traitement d’images afin d’obtenir, pour chaque image 22 acquise, une image traitée 50 respective, puis pour déterminer l’ensemble de grandeur(s) à partir de chaque image traitée 50 respective, et en particulier à partir de l’ensemble des images traitées 50 obtenues pour le volume V de liquide 12.
Autrement dit, les gouttes focalisées sont identifiées via le deuxième seuillage appliqué à l’image convoluée 46, et optionnellement via en outre le traitement binaire appliqué à la suite du deuxième seuillage.
Dans l’exemple de la , le filtrage appliqué à l’image acquise 22, représenté par la flèche F1, comporte l’application d’un premier filtre à l’image acquise 22, puis l’application d’un deuxième filtre à une image résultant de ladite application du premier filtre, le premier filtre étant par exemple un filtre médian, et le deuxième filtre étant par exemple un filtre de variance. Autrement dit, dans cet exemple, le filtrage comporte l’application de deux filtres successifs à l’image acquise 22, avec d’abord un filtre médian, puis un filtre de variance. A titre d’exemple, du fait de faibles contrastes entre l’additif anti-mousse 14 et le liquide 12, le filtre médian et le filtre de variance utilisent chacun une matrice de filtrage étendue aux 2 pixels voisins du pixel traité.
Pour le premier seuillage, représenté par la flèche F2 à la , et appliqué à l’image filtrée 40, le module de détermination 26 est par exemple configuré pour effectuer un seuillage de type triangle (de l’anglaistriangle threshold) qui, à partir d’un histogramme de l’image filtrée 40 avec une distribution des pixels selon leur niveau de gris, maximise l’aire du triangle entre le sommet de l’histogramme et le niveau de gris maximum. Ce premier seuillage permet ainsi de conserver seulement les éléments clairs de l’image filtrée 40.
L’augmentation de contraste, représentée par la flèche F3 à la , comporte par exemple une normalisation et une égalisation d’un histogramme de l’image acquise 22, afin de recentrer l’histogramme sur les valeurs en niveau de gris pour lesquelles des pixels sont présents dans l’image, et alors de supprimer les valeurs minimales et maximales de niveaux de gris ne correspondant à aucun pixel, ou peu de pixels, dans l’image acquise 22.
Pour le deuxième seuillage, appliqué à l’image convoluée 46, représenté par la flèche F5 à la , le module de détermination 26 est par exemple configuré pour effectuer un seuillage de type Huang. Ce deuxième seuillage est alors plus restrictif que le premier seuillage, et permet aussi de conserver seulement les zones claires de l’image faisant l’objet de ce deuxième seuillage, à savoir les zones claires l’image convoluée 46.
En complément facultatif, pour le traitement binaire, représenté par la flèche F6 à la , le module de détermination 26 est par exemple configuré pour effectuer successivement une opération de fermeture (de l’anglaisClose) et une opération de dilatation (de l’anglais Dilate) d’une image binaire de l’image traitée, à savoir d’une image binaire de l’image convoluée seuillée 48. Ce traitement binaire permet alors de supprimer les anneaux de l’image binaire, et de conserver seulement les éléments circulaires fermés.
L’homme du métier observera que l’algorithme de traitement d’images décrit dans l’exemple des figures 2 et 3, avec les différentes opérations de traitement d’images appliquées successivement ou le cas échéant en parallèle, est un exemple d’algorithme de traitement d’images permettant d’identifier les gouttes focalisées dans le plan image de chaque image 22 respective, et l’homme du métier comprendra que d’autres algorithmes de traitement d’images sont envisageables pour identifier lesdites gouttes focalisées dans le plan image de chaque image 22 respective.
Une variante est par exemple d’utiliser l’information en niveau de gris des éléments sélectionnés après le premier seuillage, représenté par la flèche F2 à la . En effet, les gouttes non-focalisées ont un niveau de gris minimal de faible valeur (pixel noir présent au centre de la goutte), alors que les gouttes focalisées (que l’algorithme vise à identifier) ont un niveau de gris minimal de valeur plus élevée (pas de pixel noir présent).
Une autre variante est par exemple d’utiliser un autre traitement binaire après le deuxième seuillage, cet autre traitement binaire consiste en successivement une opération de dilatation et une opération de fermeture permettant de conserver et de fermer les anneaux circulaires. Lors de l’analyse des objets, le module de détermination 26 détermine les paramètres de circularité (ratio l/L de l’objet) et de valeur minimale des objets ce qui permet de filtrer les objets non-circulaires (morceaux d’anneaux) qui ont une circularité typiquement inférieure à 0,9 et de filtrer les anneaux complets creux (qui ont alors un niveau minimal sensiblement égal à 0). Autrement dit, le module de détermination 26 est ensuite configuré pour conserver seulement les disques pleins correspondant aux gouttes focalisées.
Selon le deuxième mode de réalisation, l’algorithme de détermination comporte l’algorithme d’intelligence artificielle, et l’algorithme d’intelligence artificielle est configuré pour recevoir en entrée une image acquise 22, et pour délivrer en sortie l’ensemble de grandeur(s), notamment un nombre de gouttes focalisées dans le plan image de l’image acquise 22 respective.
Selon ce deuxième mode de réalisation, l’algorithme d’intelligence artificielle comporte de préférence la mise en œuvre d’un réseau de neurones artificiels, également appelé ANN (de l’anglaisArtificial Neural Network).
Une variable d’entrée dudit réseau de neurones est alors typiquement l’image acquise 22 respective, et une variable de sortie dudit réseau de neurones est par exemple un masque des gouttes focalisées dans le plan image de l’image 22 respective. Selon cet exemple, le module de détermination 26 est configuré pour appliquer l’algorithme d’intelligence artificielle à chaque image acquise 22 respective, typiquement pour mettre en œuvre le réseau de neurones, puis pour appliquer à l’image acquise 22 initiale le masque de gouttes focalisées, obtenu via le réseau de neurones.
Le module de détermination 26 est alors configuré pour déterminer l’ensemble de grandeur(s), notamment le nombre de gouttes focalisées dans chaque image, pour en déduire ensuite le nombre total de gouttes 16 dans le volume V de liquide 12, en sommant les nombres de gouttes focalisées obtenus pour les différentes images acquises 22, et/ou en déterminant des tailles caractéristiques desdites gouttes, typiquement un diamètre moyen des gouttes, un diamètre maximal des gouttes, ou encore un diamètre maximal pour un nombre prédéfini de premiers centiles de la population des gouttes.
Le module d’utilisation 28 est ensuite configuré pour utiliser l’ensemble de grandeur(s) préalablement déterminé par le module de détermination 26. Le module d’utilisation 28 est par exemple configuré pour afficher l’ensemble de grandeur(s) sur l’écran d’affichage. En variante, le module d’utilisation 28 est configuré pour transmettre l’ensemble de grandeur(s) à l’appareil électronique de pilotage de la fabrication du liquide 12. En variante encore, le module d’utilisation 28 est configuré à la fois pour afficher l’ensemble de grandeur(s) sur l’écran d’affichage et pour transmettre ledit ensemble de grandeur(s) à l’appareil électronique de pilotage.
Le fonctionnement du dispositif électronique de surveillance 20 selon l’invention va être à présent décrit en regard de la représentant un organigramme du procédé de surveillance de la fabrication du liquide 12, ledit procédé de surveillance étant mis en œuvre par le dispositif électronique de surveillance 20.
Lors d’une étape initiale 100, le dispositif de surveillance 20 acquiert, via son module d’acquisition 24, la pluralité d’images 22 représentatives du volume V du liquide 12 avec l’additif anti-mousse 14, chaque image 22 ayant été préalablement obtenue par le dispositif d’imagerie 18 et pour un plan image respectif à l’intérieur dudit volume V du liquide 12.
Lors de l’étape d’acquisition 100, les images acquises 22 sont alors acquises pour différents plans image, distincts les uns des autres, ces plans image étant disposés en différentes positions le long de l’axe vertical Z et/ou sous forme d’une ou plusieurs mosaïques dans un ou plusieurs plans perpendiculaires à l’axe vertical Z, également appelés plans transversaux.
A l’issue de l’étape d’acquisition 100, le dispositif de surveillance 20 passe à l’étape suivante 110 lors de laquelle il détermine, via son module de détermination 26, l’ensemble de grandeur(s) relative(s) aux gouttes 16 de l’additif anti-mousse 14.
Lors de l’étape de détermination 110, chaque grandeur est déterminée par le module de détermination 26 via l’algorithme de détermination, à partir des images acquises 22 et en fonction de gouttes focalisées dans le plan image de chaque image 22 respective.
Selon le premier mode de réalisation, l’algorithme de détermination comporte l’algorithme de traitement d’images adapté pour identifier les gouttes focalisées dans le plan image de chaque image 22 respective, tel que l’algorithme de traitement d’images décrit dans l’exemple des figures 2 et 3.
Selon le deuxième mode de réalisation, l’algorithme de détermination comporte l’algorithme d’intelligence artificielle configuré pour délivrer en sortie l’ensemble de grandeur(s) à partir des images acquises 22 reçues successivement en entrée. L’algorithme d’intelligence artificielle est en particulier adapté pour fournir en sortie un masque des gouttes focalisées dans le plan image de chaque image 22 respective, et l’ensemble de grandeur(s) est ensuite déterminé à partir des masques de gouttes focalisées, obtenus pour les différentes images acquises 22.
La ou les grandeurs ainsi déterminées lors de l’étape de détermination 110 sont par exemple un nombre de gouttes 16 de l’additif anti-mousse 14 dans le liquide 12, un diamètre moyen desdites gouttes 16, un diamètre maximal desdites gouttes 16 et/ou un diamètre maximal des gouttes 16 pour un nombre prédéfini de premiers centiles de la population desdites gouttes 16.
Lors de l’étape suivante 120, le dispositif de surveillance 20 utilise enfin, via son module d’utilisation 28, l’ensemble de grandeur(s) déterminé lors de l’étape de détermination 110. Lors de l’étape d’utilisation 120, le module d’utilisation 28 affiche alors l’ensemble de grandeur(s) sur l’écran d’affichage et/ou transmet l’ensemble de grandeur(s) à l’appareil électronique de pilotage de la fabrication du liquide 12.
La représente un histogramme 200 de grandeurs déterminées, à titre d’exemple, par le dispositif de surveillance 20 selon l’invention, en particulier par son module de détermination 26. Sur la , l’histogramme 200 comporte plusieurs barres verticales 210, chaque barre verticale 210 représentant un nombre de gouttes 16, représenté en ordonnée, pour une taille donnée, c’est-à-dire un diamètre donné, représenté en abscisse.
Dans l’exemple de la , le nombre total de gouttes 16 est alors égal à 261, le diamètre moyen des gouttes 16 est égal à 2,7 µm, et le diamètre maximal desdites gouttes 16 est ici égal à 5,69 µm. En outre, le diamètre maximal pour les 90 premiers centiles est égal à 2,55 µm dans cet exemple.
Dans l’exemple de la , le liquide 12 - pour lequel les grandeurs précitées ont été déterminées - est considéré comme acceptable si le diamètre moyen est inférieur à 2,75 µm, et si le diamètre maximal des 90 premiers centiles est inférieur à 4,5 µm. Le dispositif de surveillance 20 considérera donc que ledit liquide 12 est acceptable, et ne générera donc pas d’alerte de fabrication, étant donné que ces deux critères sont remplis dans l’exemple de la .
Ainsi, le dispositif de surveillance 20, et le procédé de surveillance selon l’invention, permettent de déterminer, et en outre de quantifier, la présence et la dispersion des gouttes 16 d’additif anti-mousse 14 dans le liquide 12 dont le volume V est observé. Ils permettent alors de surveiller la fabrication de ce liquide 12 et notamment de vérifier que la quantité d’additif anti-mousse 14 contenue dans le liquide 12 est conforme à la quantité souhaitée, typiquement exprimée sous forme d’une plage de valeurs.
Le liquide 12 observé est par exemple un produit complexe de type lubrifiant, tel qu’un lubrifiant de moteur. En variante, le liquide 12 observé est la composition comprenant de l’eau et de l’urée utilisée dans le domaine automobile, également connue sous le nom de Clearnox ®.
L’homme du métier comprendra alors que le procédé et le dispositif de surveillance 20 selon l’invention permettent d’offrir une surveillance plus efficace de la fabrication du liquide 12, notamment en vérifiant que la concentration en additif anti-mousse 14 est faible, et typiquement inférieure à 50 ppm.
Claims (10)
- Procédé de surveillance de la fabrication d’un liquide (12), un additif anti-mousse (14) étant dispersé dans le liquide (12), le liquide (12) étant choisi parmi un lubrifiant et une composition comprenant de l’eau et de l’urée utilisée dans le domaine automobile, notamment dans un dispositif de post-traitement des gaz d'échappement, le procédé étant mis en œuvre par un dispositif électronique de surveillance (20) apte à être connecté à un dispositif électronique d’imagerie (18) et comprenant les étapes suivantes :
- acquisition (100) d’une pluralité d’images (22) représentatives d’un volume (V) du liquide (12) avec l’additif anti-mousse (14), chaque image (22) étant obtenue via le dispositif d’imagerie (18) et pour un plan image respectif à l’intérieur du volume (V) ;
- détermination (110) d’un ensemble de grandeur(s) relative(s) à des gouttes (16) de l’additif anti-mousse (14), chaque grandeur étant déterminée via un algorithme de détermination et à partir des images acquises (22), chaque grandeur étant déterminée en fonction de gouttes (16) focalisées dans le plan image de chaque image (22) respective ; et
- utilisation (120) de l’ensemble de grandeur(s) déterminé, l’étape d’utilisation (120) étant un affichage de l’ensemble de grandeur(s) sur un écran d’affichage et/ou une transmission de l’ensemble de grandeur(s) à un appareil électronique de pilotage de la fabrication du liquide (12). - Procédé selon la revendication 1, dans lequel l’ensemble de grandeur(s) comporte au moins une grandeur parmi le groupe consistant en : un nombre de gouttes (16), un diamètre moyen des gouttes (16), un diamètre maximal des gouttes (16) et un diamètre maximal des gouttes (16) pour un nombre prédéfini de premiers centiles de la population des gouttes (16), tel que pour les 90 premiers centiles.
- Procédé selon la revendication 1 ou 2, dans lequel les plans image sont disposés en différentes positions le long d’un axe vertical (Z) correspondant à une hauteur (H) du volume (V) et/ou sont disposés sous forme d’une mosaïque dans un plan perpendiculaire audit axe vertical (Z).
- Procédé selon l’une quelconque des revendications 1 à 3, dans lequel l’algorithme de détermination comporte un algorithme de traitement d’images configuré pour identifier des gouttes (16) focalisées dans le plan image de chaque image (22) respective, chaque grandeur étant alors déterminée en fonction des gouttes focalisées (16) identifiées pour la pluralité d’images acquises (22).
- Procédé selon la revendication 4, dans lequel l’algorithme de traitement d’images comporte, d’une part, un filtrage (F1) de l’image acquise (22) suivi d’un seuillage (F2) de l’image filtrée (40), et d’autre part, une augmentation de contraste (F3) de l’image acquise (22) ; puis une convolution (F4) entre l’image filtrée seuillée (42) et l’image plus contrastée (44), les gouttes (16) focalisées étant alors identifiées via un deuxième seuillage (F5) appliqué à l’image (46) résultant de ladite convolution.
- Procédé selon la revendication 5, dans lequel le filtrage (F1) comporte l’application d’un premier filtre à l’image acquise (22), puis l’application d’un deuxième filtre à une image résultant de ladite application du premier filtre ; le premier filtre étant un filtre médian, et le deuxième filtre étant un filtre de variance.
- Procédé selon l’une quelconque des revendications 1 à 3, dans lequel l’algorithme de détermination comporte un algorithme d’intelligence artificielle, l’algorithme d’intelligence artificielle étant configuré pour recevoir en entrée une image acquise (22) respective, et pour délivrer en sortie l’ensemble de grandeur(s), notamment un nombre de gouttes (16) focalisées dans le plan image de l’image acquise (22) respective ;
l’algorithme d’intelligence artificielle incluant de préférence la mise en œuvre d’un réseau de neurones. - Programme d’ordinateur comportant des instructions logicielles qui, lorsqu’elles sont exécutées par un ordinateur, mettent en œuvre un procédé selon l’une quelconque des revendications précédentes.
- Dispositif électronique (20) de surveillance de la fabrication d’un liquide (12), un additif anti-mousse (14) étant dispersé dans le liquide (12), le liquide (12) étant choisi parmi un lubrifiant et une composition comprenant de l’eau et de l’urée utilisée dans le domaine automobile, notamment dans un dispositif de post-traitement des gaz d'échappement,
le dispositif électronique de surveillance (20) étant apte à être connecté à un dispositif électronique d’imagerie (18) et comprenant :
- un module d’acquisition (24) configuré pour acquérir une pluralité d’images (22) représentatives d’un volume (V) du liquide (12) avec l’additif anti-mousse (14), chaque image (22) étant obtenue via le dispositif d’imagerie (18) et pour un plan image respectif à l’intérieur du volume (V) ;
- un module de détermination (26) configuré pour déterminer un ensemble de grandeur(s) relative(s) à des gouttes (16) de l’additif anti-mousse (14), chaque grandeur étant déterminée via un algorithme de détermination et à partir des images acquises (22), chaque grandeur étant déterminée en fonction de gouttes (16) focalisées dans le plan image de chaque image (22) respective ; et
- un module d’utilisation (28) configuré pour utiliser l’ensemble de grandeur(s) déterminé, le module d’utilisation (28) étant configuré pour afficher l’ensemble de grandeur(s) sur un écran d’affichage et/ou pour transmettre l’ensemble de grandeur(s) à un appareil électronique de pilotage de la fabrication du liquide (12). - Système électronique (10) de surveillance de la fabrication d’un liquide (12), un additif anti-mousse (14) étant dispersé dans le liquide (12), le liquide (12) étant choisi parmi un lubrifiant et une composition comprenant de l’eau et de l’urée utilisée dans le domaine automobile, notamment dans un dispositif de post-traitement des gaz d'échappement,
le système (10) comprenant :
- un dispositif électronique d’imagerie (18) configuré pour prendre une pluralité d’images (22) représentatives d’un volume (V) du liquide (12) avec l’additif anti-mousse (14), chaque image (22) étant obtenue pour un plan image respectif à l’intérieur du volume (V) ;
- un dispositif électronique (20) de surveillance de la fabrication du liquide (12), le dispositif de surveillance (20) étant connecté au dispositif électronique d’imagerie (18),
le dispositif de surveillance (20) étant selon la revendication précédente ;
le dispositif d’imagerie (18) étant de préférence un microscope, de préférence encore avec une résolution optique inférieure ou égale à 1 µm, telle qu’une résolution optique égale à 0,2 µm.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2109030A FR3126528B1 (fr) | 2021-08-30 | 2021-08-30 | Procédé et dispositif électronique de surveillance de la fabrication d’un liquide avec un additif anti-mousse, système de surveillance et programme d’ordinateur associés |
| PCT/EP2022/073923 WO2023031104A1 (fr) | 2021-08-30 | 2022-08-29 | Procédé et dispositif électronique de surveillance de la fabrication d'un liquide avec un additif anti-mousse, système de surveillance et programme d'ordinateur associés |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR2109030A FR3126528B1 (fr) | 2021-08-30 | 2021-08-30 | Procédé et dispositif électronique de surveillance de la fabrication d’un liquide avec un additif anti-mousse, système de surveillance et programme d’ordinateur associés |
| FR2109030 | 2021-08-30 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3126528A1 true FR3126528A1 (fr) | 2023-03-03 |
| FR3126528B1 FR3126528B1 (fr) | 2023-12-22 |
Family
ID=78536353
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR2109030A Active FR3126528B1 (fr) | 2021-08-30 | 2021-08-30 | Procédé et dispositif électronique de surveillance de la fabrication d’un liquide avec un additif anti-mousse, système de surveillance et programme d’ordinateur associés |
Country Status (2)
| Country | Link |
|---|---|
| FR (1) | FR3126528B1 (fr) |
| WO (1) | WO2023031104A1 (fr) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020243545A1 (fr) * | 2019-05-29 | 2020-12-03 | Leica Biosystems Imaging, Inc. | Examen assisté par ordinateur de tumeurs dans des images histologiques et évaluation post-opératoire de la marge tumorale |
| US20210264582A1 (en) * | 2020-02-20 | 2021-08-26 | The Board Of Trustees Of The Leland Stanford Junior University | Platform and methods for dynamic thin film measurements using hyperspectral imaging |
-
2021
- 2021-08-30 FR FR2109030A patent/FR3126528B1/fr active Active
-
2022
- 2022-08-29 WO PCT/EP2022/073923 patent/WO2023031104A1/fr unknown
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020243545A1 (fr) * | 2019-05-29 | 2020-12-03 | Leica Biosystems Imaging, Inc. | Examen assisté par ordinateur de tumeurs dans des images histologiques et évaluation post-opératoire de la marge tumorale |
| US20210264582A1 (en) * | 2020-02-20 | 2021-08-26 | The Board Of Trustees Of The Leland Stanford Junior University | Platform and methods for dynamic thin film measurements using hyperspectral imaging |
Non-Patent Citations (1)
| Title |
|---|
| CASERTA S. ET AL: "Evolution of drop size distribution of polymer blends under shear flow by optical sectioning", RHEOLOGICA ACTA., vol. 43, no. 5, 1 November 2004 (2004-11-01), DE, pages 491 - 501, XP055921231, ISSN: 0035-4511, Retrieved from the Internet <URL:https://link.springer.com/content/pdf/10.1007/s00397-004-0373-8.pdf> DOI: 10.1007/s00397-004-0373-8 * |
Also Published As
| Publication number | Publication date |
|---|---|
| FR3126528B1 (fr) | 2023-12-22 |
| WO2023031104A1 (fr) | 2023-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| FR2991457A1 (fr) | Procede et systeme de caracterisation de la vitesse de deplacement de particules contenues dans un liquide, telles que des particules sanguines | |
| EP1664744B1 (fr) | Procede et dispositif d'analyse du mouvement dans un milieu diffusant | |
| FR3029621B1 (fr) | Procede de suivi de la fabrication de pieces base sur l'analyse d'indicateurs statistiques ponderes | |
| EP0657730A1 (fr) | Procédé automatique d'analyse macérale et de détermination du pouvoir réflecteur de la vitrinite dans les charbons | |
| FR3126528A1 (fr) | Procédé et dispositif électronique de surveillance de la fabrication d’un liquide avec un additif anti-mousse, système de surveillance et programme d’ordinateur associés | |
| FR2982364A1 (fr) | Procede et dispositif d'estimation d'un taux de porosite d'un echantillon de materiau a partir d'au moins une image codee en niveaux de gris | |
| EP1792278B1 (fr) | Procede de detection et de pistage de cibles ponctuelles, dans un systeme de surveillance optronique | |
| EP4363938A1 (fr) | Procédé de contrôle d'un système et produit programme d'ordinateur associé | |
| WO2023002114A1 (fr) | Procédé de quantification d'endotoxines d'un échantillon biologique | |
| FR2817694A1 (fr) | Procede et dispositif de lissage spatial pour les zones sombres d'une image | |
| WO2022084616A1 (fr) | Procédé de classification d'une séquence d'images d'entrée représentant une particule dans un échantillon au cours du temps | |
| FR2978274A1 (fr) | Procede de traitement differencie de zones d'une image | |
| WO2019135060A1 (fr) | Système d'imagerie holographique et procédé d'analyse par imagerie holographique avec détection de défauts dans la chambre d'observation | |
| FR3074295B1 (fr) | Procede de detection de defauts de laminage dans un verre imprime | |
| EP3625766B1 (fr) | Méthode de détection et de quantification du flou dans une image numérique | |
| EP3830789B1 (fr) | Analyse d'au moins un type de defauts parmi une pluralite de types de defauts entre au moins deux echantillons | |
| FR3138522A1 (fr) | Dispositif de détection de particules en imagerie sans lentille | |
| EP4394730A1 (fr) | Procédé de traitement d'une image d'un échantillon comportant des particules biologiques | |
| FR3097328A1 (fr) | Procédé, dispositif et programme de diagnostic de défauts de densification d’une pièce CMC | |
| FR3117597A1 (fr) | Procédé de contrôle non destructif pour une pièce aéronautique | |
| FR3114649A1 (fr) | Procédé d'analyse d'un échantillon biologique avec masquage d'artefacts | |
| FR3135342A1 (fr) | Procédé d’identification d’un joint d’étanchéité torique sur un plan technique et produit programme associé. | |
| FR2978546A1 (fr) | Methode et dispositif d'evaluation de la resistance d'un materiau a partir du taux surfacique d'inclusions | |
| FR3112880A1 (fr) | Procede de determination de zones de vallees accessibles par un aeronef | |
| FR3143160A1 (fr) | Procédé de prévision d’une séquence d’images par intelligence artificielle et son architecture de réseau de neurones |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20230303 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |