WO2023031104A1 - 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 PDF

Info

Publication number
WO2023031104A1
WO2023031104A1 PCT/EP2022/073923 EP2022073923W WO2023031104A1 WO 2023031104 A1 WO2023031104 A1 WO 2023031104A1 EP 2022073923 W EP2022073923 W EP 2022073923W WO 2023031104 A1 WO2023031104 A1 WO 2023031104A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
liquid
drops
magnitude
monitoring
Prior art date
Application number
PCT/EP2022/073923
Other languages
English (en)
Inventor
Quentin ARNOUX
Rosa MORENO JIMENEZ
Audrey PLEYNET
Xavier JAURAND
Original Assignee
Totalenergies Onetech
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 Totalenergies Onetech filed Critical Totalenergies Onetech
Publication of WO2023031104A1 publication Critical patent/WO2023031104A1/fr

Links

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

Definitions

  • the present invention relates to a method of monitoring the manufacture of a liquid, an antifoam additive being dispersed in the liquid, the liquid being chosen from a lubricant and a composition comprising water and urea used in the automotive field, in particular in an exhaust gas post-treatment device.
  • the invention also relates to a computer program comprising software instructions which, when executed by a computer, implement such a monitoring method.
  • the invention also relates to an electronic device for monitoring the production of such a liquid; and an electronic liquid manufacturing monitoring system, comprising an electronic imaging device and such a monitoring device connected to the electronic imaging device.
  • the invention relates to the field of the manufacture, i.e. the production, of a liquid with an anti-foam additive dispersed in this liquid, the liquid being a lubricant or else a composition comprising water and the urea used in the automotive field, in particular in an exhaust gas post-treatment device, the composition also being known under the name Clearnox® and marketed by the company TotalEnergies.
  • DLS Dynamic Light Scattering
  • the object of the invention is therefore to propose a method, and an associated electronic device, for monitoring the manufacture of a liquid with an anti-foam additive dispersed therein, which make it possible to offer more monitoring effective, especially with a low concentration of anti-foam additives, typically less than 50ppm.
  • the subject of the invention is a process for monitoring the manufacture of a liquid, an antifoam additive being dispersed in the liquid, the liquid being chosen from a lubricant and a composition comprising water and urea used in the automotive field, in particular in an exhaust gas post-treatment device, the method being implemented by an electronic monitoring device capable of being connected to an electronic imaging device and comprising the steps following:
  • the monitoring method With the imaging device, such as a microscope, coupled to the monitoring device, the monitoring method according to the invention then makes it possible to determine the presence and the dispersion of drops of antifoam additive in the volume of liquid observed , such as a complex product of the lubricant type or else such as the composition comprising water and urea used in the automotive field, in particular in an exhaust gas post-treatment device.
  • the imaging device such as a microscope
  • the monitoring method according to the invention then makes it possible to determine the presence and the dispersion of drops of antifoam additive in the volume of liquid observed , such as a complex product of the lubricant type or else such as the composition comprising water and urea used in the automotive field, in particular in an exhaust gas post-treatment device.
  • the set of magnitude(s) comprises at least one magnitude from the group consisting of: a number of drops, an average diameter of the drops, a maximum diameter of the drops and a maximum diameter of the drops for a predefined number of primes drop population percentiles, such as for the first 90 percentiles. This then makes it possible to count, measure and make a population balance of all the dispersion of antifoam in the volume of liquid observed.
  • the monitoring method according to the invention also makes it possible to determine the number of such drops.
  • the monitoring method comprises one or more of the following characteristics, taken in isolation or in all technically possible combinations:
  • the set of magnitude(s) comprises at least one magnitude from the group consisting of: a number of drops, an average diameter of the drops, a maximum diameter of the drops and a maximum diameter of the drops for a predefined number of first percentiles of the population of drops, such as for the first 90 percentiles;
  • the image planes are arranged in different positions along a vertical axis corresponding to a height of the volume and/or are arranged in the form of a mosaic in a plane perpendicular to said vertical axis;
  • the determination algorithm comprises an image processing algorithm configured to identify focused drops in the image plane of each respective image, each quantity then being determined as a function of the focused drops identified for the plurality of images acquired;
  • the image processing algorithm comprises, on the one hand, a filtering of the acquired image followed by a thresholding of the filtered image, and on the other hand, an increase in contrast of the acquired image; then a convolution between the thresholded filtered image and the plus image contrasted, the focused drops then being identified via a second thresholding applied to the image resulting from said convolution;
  • the filtering comprises the application of a first filter to the acquired image, then the application of a second filter to an image resulting from said application of the first filter; the first filter being a median filter, and the second filter being a variance filter;
  • the determination algorithm comprises an artificial intelligence algorithm, the artificial intelligence algorithm being configured to receive as input a respective acquired image, and to deliver as output the set of magnitude(s), in particular a number of drops focused in the image plane of the respective acquired image;
  • the artificial intelligence algorithm includes the implementation of a neural network
  • the liquid is a composition comprising water and urea, used in an exhaust gas post-treatment device.
  • the invention also relates to a computer program comprising software instructions which, when executed by a computer, implement a monitoring method, as defined above.
  • the invention also relates to an electronic device for monitoring the production of a liquid, an antifoam additive being dispersed in the liquid, the liquid being chosen from a lubricant and a composition comprising water and urea used in the automotive field, in particular in an exhaust gas post-treatment device, the electronic monitoring device being able to be connected to an electronic imaging device and comprising:
  • an acquisition module configured to acquire a plurality of images representative of a volume of the liquid with the antifoam additive, each image being obtained via the imaging device and for a respective image plane inside the volume ;
  • a determination module configured to determine a set of magnitude(s) relating to drops of the antifoam additive, each magnitude being determined via a determination algorithm and from the acquired images, each magnitude being determined as a function of drops focused in the image plane of each respective image;
  • a utilization module configured to use the determined set of magnitude(s), the utilization module being configured to display the set of magnitude(s) on a display screen and/or to transmit the set of magnitude(s) to an electronic device for controlling the manufacture of the liquid.
  • the monitoring device comprises the following feature: - the liquid is a composition comprising water and urea, used in an exhaust gas post-treatment device.
  • the invention also relates to an electronic system for monitoring the production of a liquid, an antifoam additive being dispersed in the liquid, the liquid being chosen from a lubricant and a composition comprising water and urea used in the automotive field, in particular in an exhaust gas post-treatment device, the system comprising:
  • an electronic imaging device configured to take a plurality of images representative of a volume of the liquid with the antifoam additive, each image being obtained for a respective image plane inside the volume;
  • an electronic device for monitoring the manufacture of the liquid the monitoring device being connected to the electronic imaging device and as defined above.
  • the monitoring system comprises one or more of the following characteristics, taken in isolation or in all technically possible combinations:
  • the imaging device is a microscope
  • the microscope has an optical resolution less than or equal to 1 pm, such as an optical resolution equal to 0.2 pm.
  • FIG. 1 is a schematic representation of an electronic system for monitoring the production of a liquid, the system comprising an electronic imaging device configured to take a plurality of images representative of a volume of the liquid and a device liquid manufacturing monitoring electronics, connected to the electronic imaging device;
  • FIG. 2 is a set of views illustrating first image processing operations performed from an image acquired from the imaging device of Figure 1 to obtain an intermediate image, the first operations comprising on the one hand, a filtering of the acquired image followed by a thresholding of the filtered image, and on the other hand, an increase in contrast of the acquired image, the intermediate image then resulting from a convolution between the thresholded filtered image and more contrasted image;
  • FIG. 3 is a set of views representing second image processing operations performed from the intermediate image of Figure 3 to obtain a processed image from which a set of magnitude(s) relating to drops of an anti-foam additive dispersed in the liquid is determined;
  • FIG. 4 is a flowchart of a method, according to the invention, for monitoring the manufacture of the liquid, the method being implemented by the electronic monitoring device of Figure 1;
  • FIG. 5 is a histogram representing a distribution of the drops of the anti-foam additive according to their diameter, the number and the size of the drops of anti-foam additive being quantities of the set determined by the monitoring device of FIG. 1, from the plurality of images representative of the volume of the liquid with the antifoam additive, these images having been previously obtained via the imaging device of FIG. 1 to which the monitoring device is connected.
  • an electronic monitoring system 10 is configured to monitor the manufacture of a liquid 12 with an anti-foam additive 14, the anti-foam additive 14 being dispersed in the form of drops 16 in the liquid 12, the liquid 12 and the antifoam additive 14 being contained in a container 17.
  • the electronic monitoring system 10 comprises an electronic imaging device 18 and an electronic monitoring device 20, connected to the electronic imaging device 18.
  • the liquid 12 is for example a product such as a lubricant, in particular an engine lubricant.
  • the liquid 12 is a composition comprising water and urea used in the automotive field, in particular in an exhaust gas post-treatment device, the composition also being known under the name Clearnox® and marketed by TotalEnergies.
  • the anti-foam additive 14 is known per se, and makes it possible to reduce, or even eliminate, foaming of the liquid 12 liable to occur during the use of the liquid 12, this foaming resulting in the introduction of a quantity more or less air in a system using said liquid 12.
  • the antifoam additive 14 makes it possible to limit the aeration of the lubricant, in order to limit, or even avoid, negative consequences, such as an increase in oxidation, a decrease in lubricity, decreased thermal conductivity, and increased splash loss.
  • the liquid 12 when the liquid 12 is the composition comprising water and urea, that is to say an aqueous solution of ammonia precursor, optionally containing surfactants, the liquid 12 also has a tendency to foam , and this foaming occurs in particular during transport and handling of the composition, for example during its unloading into a storage tank, then when the composition is introduced from the storage tank into a tank of a vehicle, this which complicates the tank filling operation and can cause it to overflow.
  • the foaming of the composition forming the liquid 12 when it occurs at the time of its injection into the after-treatment device for the exhaust gases of the vehicle, can also cause the introduction of a quantity more or less air in said post-treatment device. This phenomenon disturbs the control of the quantity of composition injected and then affects the effectiveness of the post-treatment device.
  • the electronic monitoring system 10 aims to monitor the manufacture of the liquid 12, in particular the quantity of antifoam additive 14 dispersed in said liquid 12, in order to have an adequate quantity of antifoam additive 14 in the liquid 12 and to retain optimal properties for said liquid 12.
  • This monitoring of the quantity of anti-foam additive 14 in the liquid 12 is in particular possible due to the set of relative magnitude(s) to the drops 16 of the antifoam additive 14, determined by the monitoring device 20, as will be described in more detail below.
  • the anti-foam additive 14 is for example a polar polymer, such as polymethylsiloxane, polyacrylate.
  • the drops 16 of antifoam additive typically have a size, that is to say a diameter, of one or a few micrometers, or ⁇ m, for example of the order of 2 ⁇ m.
  • the imaging device 18 is configured to take a plurality of images 22 representative of a volume V of the liquid 12 with the antifoam additive 14, contained in the container 17, each image 22 being obtained for a respective image plane inside the volume V, as shown in Figure 1.
  • the image planes are arranged in different positions along a vertical axis Z corresponding to a height H of the volume V, and have an area A along a transverse plane, perpendicular to the vertical axis Z.
  • two successive image planes are separated by a step dz along the vertical axis Z, the step dz between two successive image planes also being called acquisition step, and corresponding to the height separating two successive image planes , that is to say at the height separating two images 22 successively acquired inside the volume V.
  • the area A of the surface represented on a respective acquired image 22 is typically less than an area S of the section in the transverse plane of the container 17, this to avoid edge effects (solid/liquid interface).
  • the area A is of the order of 0.3 mm 2 and depends on the objective of the microscope used and the resolution of the imaging device 18.
  • the vertical axis Z is typically substantially parallel to an optical axis of the device imaging 18.
  • a number P of image planes then depends on the height H of the volume V and on the acquisition step dz.
  • the number P of image planes is then typically equal to E(H/dz) or else to E(H/dz)+1 , where E(x) represents a lower integer part of the number x, ie the largest lower integer or equal to x.
  • a number N of acquired images 22 is then equal to the number P of image planes.
  • the image planes are arranged in the form of a mosaic in the transverse plane, perpendicular to the vertical axis Z, in order to cover a larger acquisition surface in this transverse plane, in particular when the volume V has a relatively low height H and a larger cross-sectional area.
  • S the area of the transverse surface
  • A the area of the surface represented on a respective acquired image 22
  • the number M of images 22 contained in the mosaic is then typically equal to E(S/A) or else to E(S/A)+1, where E(x) represents the lower integer part of the number x.
  • the number N of acquired images 22 is then equal to the number M of images 22 contained in the mosaic.
  • the image planes are arranged both in different positions along the vertical axis Z and in the form of one or more mosaics in one or more transverse planes, perpendicular to the vertical axis Z.
  • the number N of acquired images 22 is then equal to the product of the number P of image planes and the number M of images 22 contained in each respective mosaic, i.e. M times P, denoted M.P.
  • the acquisition step dz is for example between 5 ⁇ m and 50 ⁇ m, preferably between 10 ⁇ m and 30 ⁇ m, more preferably substantially equal to 20 ⁇ m.
  • the volume V of the liquid 12 is for example between 0.5 ⁇ L and 5 ⁇ L, or microlitre, preferably between 1 ⁇ L and 2 ⁇ L, more preferably substantially equal to 1.5 ⁇ L.
  • the imaging device 18 is for example a microscope, such as an optical microscope, in particular with an automated stage, not shown, making it possible to facilitate the acquisition of the plurality of images 22 according to the different successive image planes.
  • the imaging device 18 When the imaging device 18 is a microscope, it typically has an optical resolution lower than the size of the drops 16 intended to be observed.
  • the drops 16 have a dimension of the order of one or a few ⁇ m, and the microscope then has an optical resolution typically less than or equal to 1 ⁇ m, more preferably substantially equal to 0, 2 p.m.
  • the electronic monitoring device 20 is configured to monitor the manufacture of the liquid 12 with the antifoam additive 14 dispersed therein, and is adapted to be connected to the electronic imaging device 18.
  • the electronic monitoring device 20 comprises a module 24 for acquiring images 22, a module 26 for determining the set of magnitude(s) relating to the drops 16 of the antifoam additive 14, and a module 28 of use of the set of magnitude(s) determined by the determination module 26.
  • the electronic monitoring device 20 comprises an information processing unit 30 formed for example of a memory 32 and a processor 34 associated with the memory 32.
  • the acquisition module 24, the determination module 26 and the utilization module 28 are each implemented in the form of software, or a software brick, executable by the processor 34
  • the memory 32 of the electronic monitoring device 20 is then capable of storing software for acquiring the plurality of images 22 representative of the volume V of the liquid 12 with the antifoam additive 14, software for determining the set of magnitude(s) relating to the drops 16 of the antifoam additive 14, each magnitude being determined via a determination algorithm, from the acquired images 22 and also as a function of drops focused in the image plane of each respective image 22; and software for using the set of magnitude(s) determined by the determination software, the user software being capable of displaying the set of magnitude(s) on a display screen, not shown, and /or to transmit the set of magnitude(s) to an electronic device, not shown, for controlling the manufacture of the liquid 12.
  • the processor 34 is then capable of executing each of the software programs among the acquisition software, the determination and use software.
  • the acquisition module 24, the determination module 26 and the utilization module 28 are each made in the form of a programmable logic component, such as an FPGA (Field Programmable Gate Array ), or even in the form of a dedicated integrated circuit, such as an ASIC (Application Specific Integrated Circuit).
  • a programmable logic component such as an FPGA (Field Programmable Gate Array )
  • ASIC Application Specific Integrated Circuit
  • the electronic monitoring device 20 When the electronic monitoring device 20 is produced in the form of one or more software, that is to say in the form of a computer program, it is also capable of being recorded on a medium, not shown, readable by computer.
  • the computer-readable medium is for example a medium capable of storing electronic instructions and to be coupled to a bus of a computer system.
  • the readable medium is an optical disc, a magneto-optical disc, a ROM memory, a RAM memory, any type of non-volatile memory (for example EPROM, EEPROM, FLASH, NVRAM), a magnetic card or an optical card.
  • On the readable medium is then stored a computer program comprising software instructions.
  • the acquisition module 24 is configured to acquire the plurality of images 22 representative of the volume V of the liquid 12 with the antifoam additive 14, each image 22 being obtained via the imaging device 18 and for a respective image plane inside volume V.
  • the image planes are arranged in different vertical positions along the vertical axis Z corresponding to the height H of the volume V.
  • the image planes are arranged in the form of a mosaic in a transverse plane, i.e. in a plane perpendicular to the vertical axis Z.
  • the determination module 26 is configured to determine the set of magnitude(s) relating to the drops 16 of the anti-foam additive 14, each magnitude being determined via the determination algorithm, from the images 22 acquired by the acquisition module 24 and as a function of drops focused in the image plane of each respective image 22.
  • the set of magnitude(s) includes at least one magnitude from the group consisting of: a number of drops 16, in particular in the volume V of the liquid 12; an average diameter of the drops 16, in particular for the drops 16 contained in the volume V of liquid 12; a maximum diameter of the drops 16, in particular among the drops 16 contained in the volume V of the liquid 12; and a maximum diameter of the drops 16 for a predefined number of first percentiles of the population of the drops 16, such as for the first 90 percentiles.
  • the determination algorithm is based on an image processing algorithm.
  • the determination algorithm is based on an artificial intelligence algorithm, typically via the implementation of a neural network.
  • the determination algorithm includes the image processing algorithm, and the image processing algorithm is configured to identify drops focused in the image plane of each respective image 22, each magnitude being then determined as a function of the drops identified for the plurality of acquired images 22.
  • each acquired image 22 comprises both focused drops and non-focused drops in the image plane, and each quantity is then determined solely as a function of said focused drops in the respective image plane. In other words, each determined quantity is independent of the non-focused drops contained in each respective image 22 .
  • the drops 16 represented in a focused manner in a respective acquired image 22 are those located close to the image plane in the volume V of the liquid 12, typically at a distance less than a predetermined difference of reference of.
  • the acquisition step dz is typically chosen equal to the thickness E, i.e. to 2 times the predetermined reference difference of.
  • Each respective image plane of index i, where i is an integer between 1 and the number P of image planes, is then arranged in a vertical position Zi typically satisfying the following equation:
  • the acquisition height H is typically lower than the height of the container 17 to avoid optical effects at the level of the liquid/air interface, also called the meniscus, and at the level of the base of the container 17 at the solid/liquid interface.
  • the reference deviation de is typically defined as a function of an expected or predicted dimension of the drops 16.
  • the reference deviation de is for example between 3 and 7 times the predicted dimension of the drops 16, preferably between 4 and 6 times said dimension, more preferably substantially equal to 5 times said dimension.
  • the expected dimension of the drops 16 is equal to 2 ⁇ m, i.e. a typical value of 10 ⁇ m for the predetermined reference deviation of, and a typical value of 20 ⁇ m for the acquisition step dz.
  • the image processing algorithm includes, for example, on the one hand, a filtering of the acquired image 22 to obtain a filtered image 40, the application of said filtering to the acquired image 22 being represented by the arrow F1 in FIG. 2.
  • the image processing algorithm comprises, following said filtering, a thresholding of the filtered image 40 to obtain a thresholded filtered image 42, said thresholding being represented by the arrow F2 in figure 2.
  • the image processing algorithm comprises, on the other hand, an increase in contrast of the acquired image 22 to obtain a more contrasted image 44, the increase in contrast being represented by the arrow F3 in the figure 2.
  • the image processing algorithm comprises a convolution between the filtered thresholded image 42 and the more contrasted image 44, to obtain a convolved image 46, the convolution being represented by the sign + and the arrows F4 at FIG. 2, the thresholded filtered image 42 having been obtained by filtering the acquired image 22, followed by the thresholding of the filtered image 40, also called first thresholding, and the more contrasted image 44 having been obtained by increase in contrast of the acquired image 22.
  • the image processing algorithm comprises a second thresholding applied to the convolved image 46 resulting from said convolution, to obtain a thresholded convolved image 48, the second thresholding being represented by the arrow F5 in FIG. 3.
  • the image processing algorithm comprises binary processing of the thresholded convolved image 48 in order to obtain a processed image 50 in which only black dots remain corresponding to the different focused drops, the binary processing, represented by the arrow F6 in figure 3, making it possible to delete the objects in the form of a ring, or else in the form of a black disc with a white center, contained in the convoluted image thresholded 48.
  • the determination module 26 is then configured to implement the image processing algorithm in order to obtain, for each image 22 acquired, a respective processed image 50, then to determine the set of magnitude(s) from of each respective processed image 50, and in particular from all of the processed images 50 obtained for the volume V of liquid 12.
  • the focused drops are identified via the second thresholding applied to the convolved image 46, and optionally also via the binary processing applied following the second thresholding.
  • the filtering applied to the acquired image 22, represented by the arrow F1 comprises the application of a first filter to the acquired image 22, then the application of a second filter to an image resulting from said application of the first filter, the first filter being for example a median filter, and the second filter being for example a variance filter.
  • the filtering comprises the application of two successive filters to the acquired image 22, with first a median filter, then a variance filter.
  • the median filter and the variance filter each use a filtering matrix extended to the 2 pixels neighboring the processed pixel.
  • the determination module 26 is for example configured to perform a triangle type thresholding which, from a histogram of the filtered image 40 with a distribution of the pixels according to their gray level, maximizes the area of the triangle between the top of the histogram and the maximum gray level. This first thresholding thus makes it possible to retain only the light elements of the filtered image 40.
  • the increase in contrast comprises for example a normalization and an equalization of a histogram of the acquired image 22, in order to refocus the histogram on the gray level values for which pixels are present in the image, and then to remove the minimum and maximum values of gray levels corresponding to no pixel, or few pixels, in the acquired image 22.
  • the determination module 26 is for example configured to perform Huang type thresholding. This second thresholding is then more restrictive than the first thresholding, and also makes it possible to keep only the bright areas of the image that are the subject of this second thresholding, namely the bright areas of the convolved image 46.
  • the determination module 26 is for example configured to successively perform a closing operation (from the English Close) and a dilation operation (from the Dilated English) of a binary image of the processed image, namely a binary image of the thresholded convolved image 48. This binary processing then makes it possible to remove the rings from the binary image, and to keep only the closed circular elements.
  • a variant is for example to use the information in gray level of the elements selected after the first thresholding, represented by the arrow F2 in FIG. 2.
  • the unfocused drops have a minimum gray level of low value (black pixel present in the center of the drop), whereas the focused drops (which the algorithm aims to identify) have a minimum gray level of higher value (no black pixel present).
  • Another variant is for example to use another binary processing after the second thresholding, this other binary processing consists of successively a dilation operation and a closing operation making it possible to preserve and close the circular rings.
  • the determination module 26 determines the parameters of circularity (ratio l/L of the object) and of minimum value of the objects which makes it possible to filter out the non-circular objects (pieces of rings) which have a circularity typically less than 0.9 and to filter out hollow complete rings (which then have a minimum level substantially equal to 0). In other words, the determination module 26 is then configured to keep only the full discs corresponding to the focused drops.
  • the determination algorithm comprises the artificial intelligence algorithm, and the artificial intelligence algorithm is configured to receive an acquired image 22 as input, and to deliver the set of magnitude(s), in particular a number of drops focused in the image plane of the respective acquired image 22.
  • the artificial intelligence algorithm preferably comprises the implementation of an artificial neural network, also called ANN (Artificial Neural Network).
  • ANN Artificial Neural Network
  • An input variable of said neural network is then typically the respective acquired image 22, and an output variable of said neural network is for example a mask of the drops focused in the image plane of the respective image 22.
  • the determination module 26 is configured to apply the artificial intelligence algorithm to each respective acquired image 22, typically to implement the neural network, then to apply to the initial acquired image 22 the mask of focused drops, obtained via the neural network.
  • the determination module 26 is then configured to determine the set of magnitude(s), in particular the number of drops focused in each image, to then deduce therefrom the total number of drops 16 in the volume V of liquid 12, by summing the numbers of focused drops obtained for the various acquired images 22, and/or by determining the characteristic sizes of said drops, typically an average diameter of the drops, a maximum diameter of the drops, or else a maximum diameter for a predefined number of first percentiles of the population of drops.
  • the utilization module 28 is then configured to use the set of magnitude(s) previously determined by the determination module 26.
  • the utilization module 28 is for example configured to display the set of magnitude(s) on the 'display screen.
  • the utilization module 28 is configured to transmit the set of magnitude(s) to the electronic liquid production control device 12.
  • the utilization module 28 is configured both to display the set of magnitude(s) on the display screen and to transmit said set of magnitude(s) to the electronic control device.
  • FIG. 4 representing a flowchart of the process for monitoring the manufacture of the liquid 12, said monitoring process being implemented by the electronic monitoring 20.
  • the monitoring device 20 acquires, via its acquisition module 24, the plurality of images 22 representative of the volume V of the liquid 12 with the antifoam additive 14, each image 22 having been previously obtained by the imaging device 18 and for a respective image plane inside said volume V of the liquid 12.
  • the acquired images 22 are then acquired for different image planes, distinct from each other, these image planes being arranged in different positions along the vertical axis Z and/or in the form of one or more mosaics in one or more planes perpendicular to the vertical axis Z, also called transverse planes.
  • the monitoring device 20 moves on to the next step 110 during which it determines, via its determination module 26, the set of relative magnitude(s) to 16 drops of 14 anti-foam additive.
  • each quantity is determined by the determination module 26 via the determination algorithm, from the acquired images 22 and as a function of drops focused in the image plane of each respective image 22.
  • the determination algorithm comprises the image processing algorithm adapted to identify the drops focused in the image plane of each respective image 22, such as the image processing algorithm described in the example of figures 2 and 3.
  • the determination algorithm comprises the artificial intelligence algorithm configured to output the set of magnitude(s) from the acquired images 22 received successively as input.
  • the artificial intelligence algorithm is in particular adapted to supply as output a mask of the drops focused in the image plane of each respective image 22, and the set of magnitude(s) is then determined from the masks of focused drops, obtained for the different acquired images 22.
  • the magnitude or magnitudes thus determined during the determination step 110 are for example a number of drops 16 of the antifoam additive 14 in the liquid 12, an average diameter of said drops 16, a maximum diameter of said drops 16 and/ or a maximum diameter of the drops 16 for a predefined number of first percentiles of the population of said drops 16.
  • the monitoring device 20 During the next step 120, the monitoring device 20 finally uses, via its utilization module 28, the set of magnitude(s) determined during the determination step 110. During the utilization step 120, the utilization module 28 then displays the set of magnitude(s) on the display screen and/or transmits the set of magnitude(s) to the electronic liquid manufacturing control device 12 .
  • FIG. 5 represents a histogram 200 of quantities determined, by way of example, by the monitoring device 20 according to the invention, in particular by its determination module 26.
  • the histogram 200 comprises several vertical bars 210, each vertical bar 210 representing a number of drops 16, represented on the ordinate, for a given size, that is to say a given diameter, represented on the abscissa.
  • the total number of drops 16 is then equal to 261
  • the average diameter of the drops 16 is equal to 2.7 ⁇ m
  • the maximum diameter of said drops 16 is here equal to 5.69 ⁇ m
  • the maximum diameter for the first 90 percentiles is 2.55 ⁇ m in this example.
  • the liquid 12 for which the aforementioned quantities have been determined—is considered acceptable if the mean diameter is less than 2.75 ⁇ m, and if the maximum diameter of the first 90 percentiles is less than 4.5pm.
  • the monitoring device 20 will therefore consider that said liquid 12 is acceptable, and will therefore not generate a manufacturing alert, given that these two criteria are met in the example of Figure 5.
  • the monitoring device 20, and the monitoring method according to the invention make it possible to determine, and also to quantify, the presence and the dispersion of the drops 16 of anti-foam additive 14 in the liquid 12 whose volume V is observed. They then make it possible to monitor the manufacture of this liquid 12 and in particular to check that the quantity of antifoam additive 14 contained in the liquid 12 complies with the desired quantity, typically expressed in the form of a range of values.
  • the liquid 12 observed is for example a complex product of the lubricant type, such as an engine lubricant.
  • the liquid 12 observed is the composition comprising water and urea used in the automotive field, also known as Clearnox ®.
  • the method and the monitoring device 20 according to the invention make it possible to offer more effective monitoring of the manufacture of the liquid 12, in particular by checking that the concentration of anti-foam additive 14 is low, and typically less than 50 ppm.

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

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.

Description

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
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’anglais Dynamic 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 inclut la mise en œuvre d’un réseau de neurones ; et
- le liquide est une composition comprenant de l’eau et de l’urée, utilisée dans un dispositif de post-traitement des gaz d'échappement.
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.
Suivant un autre aspect avantageux de l’invention, le dispositif de surveillance comprend la caractéristique suivante : - le liquide est une composition comprenant de l’eau et de l’urée, utilisée dans un dispositif de post-traitement des gaz d'échappement.
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 pm, telle qu’une résolution optique égale à 0,2 pm.
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 :
- la figure 1 est une représentation schématique d’un système électronique de surveillance de la fabrication d’un liquide, le système comprenant un dispositif électronique d’imagerie configuré pour prendre une pluralité d’images représentatives d’un volume du liquide et un dispositif électronique de surveillance de la fabrication du liquide, connecté au dispositif électronique d’imagerie ;
- la figure 2 est un ensemble de vues illustrant des premières opérations de traitement d’image effectuées à partir d’une image acquise de la part du dispositif d’imagerie de la figure 1 pour obtenir une image intermédiaire, les premières opérations comportant 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, l’image intermédiaire résultant ensuite d’une convolution entre l’image filtrée seuillée et l’image plus contrastée ;
- la figure 3 est un ensemble de vues représentant des deuxièmes opérations de traitement d’image effectuées à partir de l’image intermédiaire de la figure 3 pour obtenir une image traitée à partir de laquelle est déterminé un ensemble de grandeur(s) relative(s) à des gouttes d’un additif anti-mousse dispersé dans le liquide ;
- la figure 4 est un organigramme d’un procédé, selon l’invention, de surveillance de la fabrication du liquide, le procédé étant mis en œuvre par le dispositif électronique de surveillance de la figure 1 ; et
- la figure 5 est un histogramme représentant une distribution des gouttes de l’additif anti-mousse en fonction de leur diamètre, le nombre et la taille des gouttes d’additif antimousse étant des grandeurs de l’ensemble déterminé par le dispositif de surveillance de la figure 1 , à partir de la pluralité d’images représentatives du volume du liquide avec l’additif anti-mousse, ces images ayant été préalablement obtenues via le dispositif d’imagerie de la figure 1 auquel est connecté le dispositif de surveillance.
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 figure 1 , 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 antimousse 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 posttraitement. 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 pm, par exemple de l’ordre de 2 pm.
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 figure 1 .
Dans l’exemple de la figure 1 , 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 figure 1, 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 figure 1 , le pas d’acquisition dz est par exemple compris entre 5 pm et 50 pm, de préférence compris entre 10 pm et 30 pm, de préférence encore sensiblement égal à 20 pm. Dans cet exemple, le volume V du liquide 12 est par exemple compris entre 0,5 pL et 5 pL, ou microlitre, de préférence compris entre 1 pL et 2 pL, de préférence encore sensiblement égal à 1 ,5 pL.
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 figure 1 , les gouttes 16 ont une dimension de l’ordre d’un ou quelques pm, et le microscope présente alors une résolution optique typiquement inférieure ou égale à 1 pm, de préférence encore sensiblement égale à 0,2 pm.
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 figure 1 , 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 figure 1 , 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 antimousse 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’anglais Field Programmable Gate Array), ou encore sous forme d’un circuit intégré dédié, tel qu’un ASIC (de l’anglais Application 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 figure 1 , 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 entraînerait 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 de. 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 de, i.e. E = 2. de, 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 de. 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 Zi vérifiant typiquement l’équation suivante :
[Math 1 ]
Figure imgf000013_0001
où de 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 de est défini typiquement en fonction d’une dimension escomptée ou prévue des gouttes 16. L’écart de référence de 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 figure 1 , la dimension prévue des gouttes 16 est égale à 2 pm, soit une valeur typique de 10 pm pour l’écart prédéterminé de référence de, et une valeur typique de 20 pm 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 figure 2. 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 figure 2.
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 figure 2.
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 figure 2, 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 figure 3. 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 figure 3, 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 figure 2, 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 figure 2, 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’anglais triangle 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 figure 2, 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 figure 3, 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 figure 3, le module de détermination 26 est par exemple configuré pour effectuer successivement une opération de fermeture (de l’anglais Close) et une opération de dilatation (de l’anglais Dilaté) 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 figure 2. 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’anglais Artificial 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 figure 4 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 figure 5 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 figure 5, 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 figure 5, le nombre total de gouttes 16 est alors égal à 261 , le diamètre moyen des gouttes 16 est égal à 2,7 pm, et le diamètre maximal desdites gouttes 16 est ici égal à 5,69 pm. En outre, le diamètre maximal pour les 90 premiers centiles est égal à 2,55 pm dans cet exemple.
Dans l’exemple de la figure 5, le liquide 12 - pour lequel les grandeurs précitées ont été déterminées - est considéré comme acceptable si le diamètre moyen est inférieur à 2,75 pm, et si le diamètre maximal des 90 premiers centiles est inférieur à 4,5 pm. 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 figure 5.
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

REVENDICATIONS
1. Procédé de surveillance de la fabrication d’un liquide (12), un additif antimousse (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 (1 10) 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).
2. 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.
3. 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).
4. 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).
5. 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.
6. 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.
7. 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.
8. Procédé selon la revendication 7, dans lequel l’algorithme d’intelligence artificielle inclut la mise en œuvre d’un réseau de neurones.
9. Procédé selon l’une quelconque des revendications précédentes, dans lequel le liquide (12) est une composition comprenant de l’eau et de l’urée, utilisée dans un dispositif de post-traitement des gaz d'échappement.
10. 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.
11 . 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).
12. Dispositif selon la revendication 1 1 , dans lequel le liquide (12) est une composition comprenant de l’eau et de l’urée, utilisée dans un dispositif de post-traitement des gaz d'échappement.
13. 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 1 1 ou 12.
14. Système selon la revendication 13, dans lequel le dispositif d’imagerie (18) est un microscope. 21
15. Système selon la revendication 14, dans lequel le microscope a une résolution optique inférieure ou égale à 1 pm, telle qu’une résolution optique égale à 0,2 pm.
PCT/EP2022/073923 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 WO2023031104A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FRFR2109030 2021-08-30
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

Publications (1)

Publication Number Publication Date
WO2023031104A1 true WO2023031104A1 (fr) 2023-03-09

Family

ID=78536353

Family Applications (1)

Application Number Title Priority Date Filing Date
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

Country Status (2)

Country Link
FR (1) FR3126528B1 (fr)
WO (1) WO2023031104A1 (fr)

Citations (2)

* Cited by examiner, † Cited by third party
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
Title
CASERTA S. ET AL: "Evolution of drop size distribution of polymer blends under shear flow by optical sectioning", 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
FR3126528A1 (fr) 2023-03-03

Similar Documents

Publication Publication Date Title
CA2926240C (fr) Surveillance d&#39;un moteur d&#39;aeronef pour anticiper les operations de maintenance
FR2991457A1 (fr) Procede et systeme de caracterisation de la vitesse de deplacement de particules contenues dans un liquide, telles que des particules sanguines
FR2958298A1 (fr) Procede de detection d&#39;amas de particules biologiques
EP1664744B1 (fr) Procede et dispositif d&#39;analyse du mouvement dans un milieu diffusant
EP2407921A1 (fr) Procédé de compression de données pour un classifieur
FR2982364A1 (fr) Procede et dispositif d&#39;estimation d&#39;un taux de porosite d&#39;un echantillon de materiau a partir d&#39;au moins une image codee en niveaux de gris
WO2023031104A1 (fr) Procédé et dispositif électronique de surveillance de la fabrication d&#39;un liquide avec un additif anti-mousse, système de surveillance et programme d&#39;ordinateur associés
EP1792278B1 (fr) Procede de detection et de pistage de cibles ponctuelles, dans un systeme de surveillance optronique
EP4363938A1 (fr) Procédé de contrôle d&#39;un système et produit programme d&#39;ordinateur associé
EP3608835A1 (fr) Procede de traitement d&#39;images d&#39;empreintes
FR3026211A1 (fr) Procede d&#39;identification de l&#39;anisotropie de la texture d&#39;une image numerique
FR2817694A1 (fr) Procede et dispositif de lissage spatial pour les zones sombres d&#39;une image
WO2023002114A1 (fr) Procédé de quantification d&#39;endotoxines d&#39;un échantillon biologique
FR2978274A1 (fr) Procede de traitement differencie de zones d&#39;une image
EP3066445B1 (fr) Procédé d&#39;essai technique
EP4100867A1 (fr) Procédé de détection de microorganismes dans un échantillon
WO2019135060A1 (fr) Système d&#39;imagerie holographique et procédé d&#39;analyse par imagerie holographique avec détection de défauts dans la chambre d&#39;observation
WO2019105670A1 (fr) Procédé de détection de défauts de laminage dans un verre imprimé
EP2843390B1 (fr) Procédé de suivi du taux de dégazage par la mesure de pressions partielles mesurées par spectrométrie de masse
EP3830789B1 (fr) Analyse d&#39;au moins un type de defauts parmi une pluralite de types de defauts entre au moins deux echantillons
WO2024175853A1 (fr) Procédé de fabrication additive d&#39;une pièce métallique
FR3059453A1 (fr) Procede et dispositif de deconvolution d&#39;images numeriques
FR3135342A1 (fr) Procédé d’identification d’un joint d’étanchéité torique sur un plan technique et produit programme associé.
WO2024023454A1 (fr) Dispositif de detection de particules en imagerie sans lentille
FR3097328A1 (fr) Procédé, dispositif et programme de diagnostic de défauts de densification d’une pièce CMC

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: 22769676

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: 22769676

Country of ref document: EP

Kind code of ref document: A1