WO2022101291A1 - 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 PDF

Info

Publication number
WO2022101291A1
WO2022101291A1 PCT/EP2021/081286 EP2021081286W WO2022101291A1 WO 2022101291 A1 WO2022101291 A1 WO 2022101291A1 EP 2021081286 W EP2021081286 W EP 2021081286W WO 2022101291 A1 WO2022101291 A1 WO 2022101291A1
Authority
WO
WIPO (PCT)
Prior art keywords
glazing
inspected
image
transparent
images
Prior art date
Application number
PCT/EP2021/081286
Other languages
English (en)
Inventor
Christophe Kleo
Keihann Yavari
Original Assignee
Saint-Gobain Glass France
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Saint-Gobain Glass France filed Critical Saint-Gobain Glass France
Priority to CN202180005826.5A priority Critical patent/CN114829913A/zh
Publication of WO2022101291A1 publication Critical patent/WO2022101291A1/fr

Links

Images

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

Definitions

  • the invention relates to methods and systems for inspecting glazing provided with trim, in particular glazing for transport vehicles and for buildings.
  • the invention allows reliable and rapid detection of all types of defects associated with glazing fittings, in particular on large-sized glazing. It is particularly suitable for the inspection of glazing on production lines.
  • the glazing may include other elements attached to the glass sheet or sheets, such as, for example, encapsulation seals, seals, assembly, primer layers, enamel coatings, mouldings, organic and/or mineral screen printing, printed layers, logos, borders, pawns, metal and/or plastic inserts, antennas, etc. These added elements generally form the glazing trim.
  • the existing inspection system on the production line may no longer be suitable. It can then be either by replacing it, or by arranging one or more existing optical devices differently, or by adding new optical devices.
  • Other elements of the production line, all or part of its configuration as well as the associated programs and/or software, can also be adapted and updated to allow the implementation of new equipment. These adaptations can sometimes be complex, time-consuming and costly, and can require significant human and financial resources.
  • the glazing Before delivery to a customer, the glazing may also be subject to a final inspection in order to verify its compliance with the specifications.
  • This operation is costly and tedious in that human operators, possibly assisted by optical devices, search for small defects, not detected by the inspection systems of the production line, in various zones of several tens or even several thousand glazing units.
  • Non-specification glazing can then be supplied to customers, and have adverse effects on their own production. In addition to the loss of customer confidence, this type of situation can be a source of complaints, return of goods and requests for compensation.
  • the glazing improperly considered as defective it generates a direct economic loss by its wrongful disposal.
  • CN 110335238 A (2019.10.15) [JILIN UNIVERSITY] describes a method for inspecting paint defects on automobile parts. Faults are detected and classified using an automatic statistical learning method, based in particular on the use of a neural network. The method provides assistance to human operators during the final inspection of automotive parts in order to improve the quality of this inspection.
  • CN 110148106 A (2019.08.20) [BMW BRILLIANCE AUTOMOTIVE LTD] describes a method for inspecting surface defects of automotive engine cylinder heads. Defects are identified using digital surface image processing also based on an automatic deep learning method. During the final inspection, human operators can be assisted by this method to improve the quality of defect detection.
  • the acquisition of images of the surface of the glazings for subsequent digital processing is a delicate operation.
  • the quality of the images is particularly sensitive to the conditions of acquisition, in particular to the peripheral environment.
  • a variation in the light intensity and/or the arrangement of the light sources can quickly cause optical artifacts, which are sometimes barely perceptible, for example, untimely optical reflections, blurring phenomena or even digital noise.
  • the classification of defects during the learning and prediction stages may be affected by errors, especially for small defects. associated with the transparent glazing trim.
  • state-of-the-art inspection methods generally rely on the use of supervised statistical learning methods in order to obtain a discrete classification of surface defects.
  • This approach requires a large volume of training images classified by defect type and for all defect types in many configurations.
  • a defect not previously listed and classified in the training data may not be detected during the prediction step.
  • new defects it is common for new defects to appear on transparent glazing fitted with trim or for changes in shape to affect already known defects, due in particular to the variability of the added elements, both in terms of their nature or their form, constituting their filling.
  • a method for inspecting transparent glazing provided with a trim.
  • the method is based on the use of a statistical learning algorithm trained in an unsupervised learning mode.
  • the training data set includes images of glazing fitted with at least one trim and judged to only meet given specifications.
  • a feature of the invention is that the images of the training data set and that submitted in processing to the trained algorithm for inspection are images obtained using reflection illumination and digitalization. simultaneously by scanning glazing fitted with trim.
  • the system according to the invention has means for simultaneous illumination by reflection and digitization by scanning of panes provided with a trim to be inspected.
  • a first advantage of the invention is the elimination, if not the drastic reduction, of the number of optical artefacts, such as untimely optical reflections, blurring phenomena or even digital noise, during the acquisition of the images of the glazing provided with trim . Classification and prediction errors during the learning and prediction stages are eliminated.
  • a second advantage of the invention is its flexibility and its robustness with regard to the detection of new faults and/or unlisted or unclassified faults. Contrary to the methods and devices of the state of the art, the invention does not require a preliminary classification of all the existing defects from training data representative of the diversity of their nature and their form. Also, it does not require the systematic or regular renewal of one or more training steps as soon as a new fault is detected. The invention therefore makes it possible to use volumes of training data compatible with what the contexts of industrial production make it possible to collect.
  • a third advantage of the invention is its precision in the detection of defects of small dimensions, eliminating, if not considerably limiting, the need to resort to inspection operations by human operators.
  • the invention remains compatible with the colored markers used by human operators and/or automatons to locate certain defects, so that the glazing comprising one of these markers but incorrectly classified as defective by the operators is suitably identified as not defective, that is to say as conforming to the expected specifications.
  • FIG. 1 is a schematic representation of the interior face of a quarter-light type glazing fitted with a trim.
  • FIG. 1 is a schematic representation of a first detail II of the glazing trim of the in which an injection point conforms.
  • FIG. 1 is a schematic representation of a first detail II of the glazing trim of the in which an injection point is non-compliant.
  • FIG. 1 is a schematic representation of a second detail VI of the glazing trim of the in which a fastener conforms.
  • FIG. 1 is a schematic representation of the interior face of a fenestron glazing fitted with a trim.
  • FIG. 1 is a schematic representation of a first detail VII of the glazing trim of the with a burr type defect.
  • FIG. 1 is a schematic representation of a second detail VIII of the glazing trim of the with a filling defect.
  • FIG. 1 is a logical data flow diagram of a method according to one embodiment.
  • FIG. 1 is a schematic orthographic representation of a system according to a first embodiment.
  • FIG. 1 is a schematic orthographic representation of a system according to a second embodiment.
  • a first example of glazing fitted with a trim can be automotive glazing of the quarter panel type.
  • the glazing 1000 comprises a sheet 1001 of transparent mineral glass and a trim 1002.
  • the trim 1002 comprises a peripheral encapsulation seal 1002a, a peripheral enamel coating 1002b, fixing elements 1002c.
  • a first detail II of the trim 1002 is represented on the and 3.
  • the peripheral encapsulation seal 1002a comprises an injection point 2001 through which the material of the seal was injected during the molding of the peripheral injection seal 1002a.
  • the injection point 2001 is compliant.
  • An example of an injection point 2001 fault is shown.
  • the injection point 2001 comprises an injection residue 3001. This residue is an example of a defect associated with trim 1002 of glazing 1000.
  • a second detail IV of trim 1002 is shown on the and 5.
  • a fixing element 1002c comprises a protective crown 4001 made of foam.
  • the fixing element 1002c does not include a crown. This absence is an example of a defect associated with the trim 1002 of the glazing 1000.
  • a second example of glazing fitted with a trim may be a fenestron-type automobile glazing.
  • the glazing 6000 comprises a sheet 6001 of transparent mineral glass and a trim 6002.
  • the trim 6002 comprises a peripheral seal 6002a and a peripheral enamel coating 6002b.
  • a first detail VII of trim 6002 is shown on the .
  • the peripheral seal 6002a has a filling defect 7001. It may come from a defect in the mold used or from a defect in the flow of material during the molding of said seal 6002a This absence is an example of a defect associated with the gasket 6002 of the glazing 6000.
  • the peripheral sealing gasket 1002a comprises a burr 8001 originating from a flow of material on the peripheral enamel coating 6002b during the molding of the peripheral sealing gasket 6002a. This burr is an example of a defect associated with trim 6002 of glazing 6000.
  • the objective of the invention is to allow reliable detection of these defects while solving the aforementioned problems.
  • a first aspect of the invention is a method for inspecting transparent glazing fitted with a trim.
  • Method 9000 includes the following steps: (a) a step E9001 of defining a criticality threshold D9001 for the defects associated with the lining 1002, 6002 of a transparent glazing 1000, 6000 to be inspected; (b) a step E9002 of supplying a set D9002 of training data comprising only images I9001 of transparent glazing similar to the transparent glazing 1000, 6000 to be inspected, said transparent glazing similar to the transparent glazing 1000, 6000 to be inspected being devoid defects associated with their lining whose criticality is greater than the D9001 threshold defined in step (a); (c) a step E9003 of learning a statistical learning algorithm A9001 using the set D9002 of training data from step (b) according to an unsupervised learning mode; (d) a step E9004 of simultaneous illumination by reflection and digitization by scanning of all or part of the surface of a transparent pane 1000, 6000 provided with a trim 1002, 6002
  • step (d) reflection illumination and scanning are performed simultaneously by scanning.
  • This feature makes it possible to obtain high-resolution images devoid of optical artifacts, such as untimely optical reflections, blurring phenomena or even digital noise.
  • optical artifacts such as untimely optical reflections, blurring phenomena or even digital noise.
  • it makes it possible to considerably limit, or even eliminate, the effects of the peripheral acquisition environment such as, for example, variations in light intensity.
  • it is, for example, possible to overcome diurnal variations in brightness of the peripheral environment.
  • the images of the D9002 training set are acquired under the same conditions as those used in step (d), that is to say by simultaneous illumination by reflection and digitization by scanning of all or part of the surface of the corresponding glazing.
  • the criticality threshold D9001 defined in step (a) depends on the specifications sought for the glazing to be inspected. It is a question of choice as to the technical requirements, in particular those defined by a customer.
  • the training data set D9002 provided in step (b) only comprises images of transparent glazing similar to the transparent glazing 1000, 6000 to be inspected, free from defects associated with their lining, the criticality of which is greater than the threshold D9001 defined at step (a). In other words, it consists only of these images.
  • this set only includes a single category of images , that is to say images of glazing without defects in accordance with the defined criticality D9001 alone.
  • step (c) learning is performed in an unsupervised learning mode.
  • the A9001 statistical learning algorithm may be based on a convolutional neural network.
  • the method may further comprise before step (c), a calibration step (b') in which each of the images of the set D9002 of training data is oriented using 'digital processing of comparison of at least three reference regions of said image with a set of reference regions of reference images so that each of the images of the training data set is oriented according to the same spatial frame of reference.
  • errors during image processing may occur when the acquired image of the pane (1000, 6000) to be inspected does not have a spatial orientation sufficiently close to that of the panes used to form the images of the training data set.
  • This additional step (b') can allow the identical placement, that is to say according to the same position and the same orientation, of the images of the glazing to be inspected and of the images of the glazing used to form the images of the training data set, and thus solve this possible inconvenience
  • the method may further comprise, before step (e), a step (d') of orienting the image obtained in step (b) using 'a digital comparison processing of at least three reference regions of said image with a set of reference regions of reference images so that said image is oriented according to the same spatial reference frame.
  • the defects associated with the lining are the absence and/or the deterioration of spacers and/or assembly clips, the presence of channels and/or injection leaks, the coloring of the glazing, the inhomogeneity of the mouldings, the absence and/or the dripping of enamel coatings, the absence and/or the inhomogeneity of a primer coat, and/or the absence of all or part of the prints , logos and/or borders.
  • the part of the image of the transparent glazing 1000, 6000 provided with a trim treated in step (e) corresponds to a previously defined zone of interest of the glazing to be inspected.
  • Defects associated with the trim can only be present in a specific area of the glazing. This zone can be defined beforehand so that the treatment of step (e) is carried out only in this zone. Treatment of other irrelevant areas is avoided, and treatment time is reduced.
  • the training data set D9002 may include images of glazings whose surface includes at least one colored marker similar to that likely to be used for marking defects associated with the trim of the glazing at inspect.
  • Some defects can be marked using colored markers in an operation prior to the implementation of the method.
  • Colored markers can be on or near defects. They are identification means and do not constitute faults in themselves.
  • a marking operation can be a fault detection step already existing on the production line, and executed in particular by automatic or manual inspection systems operating on the production line. It may happen that certain transparent glazing is wrongly considered as defective.
  • a second aspect of the invention is a system for inspecting transparent glazing fitted with a trim.
  • This system can in particular be used for the implementation of a method according to any one of the embodiments described.
  • the 10000, 12000 system includes: - A glazing support 10001 capable of supporting transparent glazing 1000, 6000 to be inspected, said glazing 1000, 6000 being fitted with a trim 1002, 6002; - An optical acquisition device 10002 comprising a digital camera 10002a and a light source 10002b, said light source being juxtaposed to said camera and oriented towards said glazing support 10001; - a data processing unit (not shown) comprising a processor configured for the digital processing using a statistical learning algorithm of at least part of an image of the acquired transparent glazing 1000, 6000 to be inspected by the optical acquisition device 10002, in which : - the glazing support 10001 and the optical acquisition device 10002 are moved by a linear relative movement relative to each other so that the optical acquisition device 10002 scans all or part of the surface of the glazing 1000, 6000 during the acquisition of an image of said glazing 1000, 6000 by said optical acquisition device 10002; - the statistical learning algorithm has been previously trained according to an unsupervised learning mode from a set of
  • the glazing support 10001 is fixed and the optical acquisition device 10002 is mobile.
  • the glazing support 10001 can be a fixed plate on which the glazing 1000, 6000 to be inspected is arranged, and the optical device 10002 can be arranged on a traveling crane or a rail 10003, on or thanks to which it can be animated with a linear movement as illustrated by the double arrow on the .
  • the movement of the optical device 10002 allows all or part of the surface of the glazing 1000, 6000 to be scanned.
  • the optical device can be placed on a mobile automaton arm configured in such a way that it scans all or part of the surface of the glazing.
  • the optical acquisition device 10002 is fixed and the glazing support 10001 is mobile.
  • the optical acquisition device 10002 can be fixed on a bracket 12002, and the glazing support 10001 can be a plate arranged on a mobile automaton arm 12001 configured so that the optical device 10002 d acquisition to scan all or part of the surface of the glazing 1000, 6000.
  • the optical acquisition device 10002 and the glazing support 10001 are both mobile.
  • the optical acquisition device 10002 can be arranged movably on a traveling crane or a rail 10003 as described in the illustrative example of the first embodiment
  • the glazing support 10001 can be a plate on a mobile automaton arm 12001 as described in the illustrative example of the second alternative embodiment.
  • the relative speed of movement of the glazing support 10001 or of the optical acquisition device 10002 in relative linear movement with respect to each other , and the acquisition rate of the digital camera 10002a of the optical acquisition device 10002 are configured so that the acquisition frequency of the optical acquisition device 10002 is at least one image every 0.1 mm , preferably at least every 0.2mm.
  • the digital camera 10002a can be of any suitable type. It can be a linear camera or a matrix camera. In a preferred embodiment, the digital camera is a linear camera, in particular a camera with a horizontal acquisition resolution of at least 4K. In a particularly preferred embodiment, digital camera 10002a may be a linescan camera, preferably a 4K linescan camera, with a resolution of at least 5 pixels/mm, preferably at least 10 pixels/mm.
  • the light source 10002b of the optical acquisition device 10002 is of any suitable type as long as said light source 10002b can be juxtaposed with the digital camera 10002a, oriented towards said glazing support 100001 and allows the optical acquisition device 10002 to travel by scanning all or part of the surface of the glazing 1000, 6000.
  • It can be formed of one or more light modules, preferably one or more LED modules.
  • it can form a single toroidal LED module centered on the 10002a digital camera. It can also be formed of at least two modules, each juxtaposed on either side of the digital camera 10002a.
  • the light source 10002b is directed towards the glazing support 10001. Preferably, it is oriented towards the glazing support 10001 so that the entire viewing angle of the digital camera 10002a is uniformly illuminated.
  • the light source 10002b of the optical acquisition device 10002 can be formed of two modules each arranged on either side of the digital camera 10002a and perpendicular to the direction of the relative linear movement of the glazing support 10001 and the device optical 12000 acquisition.
  • the glazing support 10001 comprises at least one abutment 10004, preferably at least three abutments, for placing the transparent glazing 1000, 6000 to be inspected, said abutment 10004 forming a spatial reference frame for the processing of the images by the data processing unit.
  • errors during image processing can occur when the acquired image of the pane 1000, 6000 to be inspected does not have a spatial orientation sufficiently close to that of the panes used to form the images of the training data set.
  • the stop(s) 10004 can allow identical placement, that is to say according to the same position and the same orientation, of the glazing 1000, 6000 to be inspected and of the glazing used to form the images of the set of training data, and thus solve this possible inconvenience.
  • the part of the image of the glazing processed by the processor of the processing unit may correspond to a previously defined zone of interest of the glazing to be inspected.
  • the defects associated with the trim 1002, 6002 can only be present in a specific area of the glazing. This zone can be defined beforehand so that the treatment is carried out only in this zone. Treatment of other irrelevant areas is avoided, and treatment time is reduced.
  • the processor of the data processing unit can be configured for the automatic selection of the part of the image of the glazing corresponding to the previously defined zone of interest of the glazing to be inspected .

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

Méthode et système d’inspection d’un vitrage transparent muni d’une garniture
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
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
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
est une représentation schématique de la face intérieure d’un vitrage type custode muni d’une garniture.
est une représentation schématique d’un premier détail II de la garniture du vitrage de la dans lequel un point d’injection est conforme.
est une représentation schématique d’un premier détail II de la garniture du vitrage de la dans lequel un point d’injection est non conforme.
est une représentation schématique d’un deuxième détail VI de la garniture du vitrage de la dans lequel un élément de fixation est conforme.
est une représentation schématique d’un deuxième détail VI de la garniture du vitrage de la dans lequel un pion élément de fixation est non conforme
est une représentation schématique de la face intérieure d’un vitrage de fenestron muni d’une garniture.
est une représentation schématique d’un premier détail VII de la garniture du vitrage de la avec un défaut de type bavure.
est une représentation schématique d’un deuxième détail VIII de la garniture du vitrage de la avec un défaut de remplissage.
est un diagramme logique de flux de données d’une méthode selon un mode de réalisation.
est une représentation schématique orthographique d’un système selon un premier mode de réalisation.
est une deuxième représentation schématique orthographique du système de la .
est une représentation schématique orthographique d’un système selon un deuxième mode de réalisation.
est une deuxième représentation schématique orthographique du système de la .
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).
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.
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)

  1. 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).
  2. 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.
  3. 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.
  4. 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.
  5. 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.
  6. 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.
  7. 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.
  8. 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.
  9. 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.
  10. 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.
  11. 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.
  12. 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.
  13. 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.
  14. 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.
  15. 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.
PCT/EP2021/081286 2020-11-12 2021-11-10 Méthode et système d'inspection d'un vitrage transparent muni d'une garniture WO2022101291A1 (fr)

Priority Applications (1)

Application Number Priority Date Filing Date Title
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
FR2011590A FR3116119B1 (fr) 2020-11-12 2020-11-12 Méthode et système d’inspection d’un vitrage transparent muni d’une garniture
FRFR2011590 2020-11-12

Publications (1)

Publication Number Publication Date
WO2022101291A1 true WO2022101291A1 (fr) 2022-05-19

Family

ID=74860022

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2021/081286 WO2022101291A1 (fr) 2020-11-12 2021-11-10 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 (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3058816A1 (fr) * 2016-11-16 2018-05-18 Safran Procede de controle non-destructif de piece metallique
DE112016006986T5 (de) * 2016-06-20 2019-02-28 Sanyo Machine Works, Ltd. Klebstoffüberprüfungsvorrichtung und klebstoffüberprüfungsverfahren
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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5703561B2 (ja) * 2009-12-29 2015-04-22 オムロン株式会社 照明装置および照明装置の製造方法
FR3090088B1 (fr) * 2018-12-12 2021-06-18 Saint Gobain 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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE112016006986T5 (de) * 2016-06-20 2019-02-28 Sanyo Machine Works, Ltd. Klebstoffüberprüfungsvorrichtung und klebstoffüberprüfungsverfahren
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

Also Published As

Publication number Publication date
CN114829913A (zh) 2022-07-29
FR3116119A1 (fr) 2022-05-13
FR3116119B1 (fr) 2022-10-21

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
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
DE102012100987B3 (de) Inspektionsvorrichtung und Inspektionsverfahren
WO2013178928A1 (fr) Procede optique d'inspection de recipients transparents ou translucides portant des motifs visuels
WO2013098497A1 (fr) Dispositif d'analyse des défauts d'aspect d'un substrat transparent
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
CN105352969A (zh) 一种食用油品色泽透明度杂质检测装置
EP3443330B1 (fr) Méthode et système de vérification d'une installation d'inspection optique de récipients en verre
FR2667399A1 (fr) Procede et appareil de controle, notamment pour des recipients.
CA2505900A1 (fr) Inspection automatisee d'elements ophtalmiques teintes
US11806969B2 (en) Method of manufacturing display device
WO2023126609A1 (fr) Procede et dispositif d'inspection de recipients chauds en verre en vue d'identifier des defauts
WO2007110372A1 (fr) Procede et systeme de controle d'aspect d'un contenant, programmes d'ordinateur et dispositif de commande de controle correspondant
CN113567464A (zh) 一种透明介质污渍位置检测方法及装置
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
CA3152356A1 (fr) Methode d'evaluation de la qualite optique d'une zone delimitee d'un vitrage
FR2949893A1 (fr) Procede d'aide a l'identification de produits non conformes tries manuellement et installation pour sa mise en oeuvre
CN110579489A (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
WO2022195034A1 (fr) Procédé d'acquisition d'un code marqué sur une feuille de verre ou de vitrocéramique, et système correspondant
US11119052B2 (en) Dynamic backlighting system and method for inspecting a transparency
WO2024028559A1 (fr) Système de mesure automatique de la qualité optique d'une zone donnée d'un vitrage de véhicule, procédé de mise en œuvre d'un tel système et ligne de production comportant ce système

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21810585

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21810585

Country of ref document: EP

Kind code of ref document: A1