Vision artificielle et contrôle qualité

Ce que comprend la prestation de vision artificielle

Nous développons la partie logicielle d'un système de contrôle qualité visuel et le réglons sur le matériel du client. Pour la tâche précise, nous constituons un jeu de données de défauts, l'annotons, entraînons un modèle de reconnaissance et l'intégrons aux caméras, à l'éclairage et à la ligne du client. La caméra, le convoyeur et les actionneurs eux-mêmes restent la propriété du client et exécutent physiquement la prise de vue et le tri, et nous préparons l'algorithme qui décide « bon ou rebut » sur l'image. En sortie, vous recevez un modèle entraîné, rattaché à votre matériel, plus la logique de réaction : marquer la pièce, arrêter le tapis, consigner le défaut au journal. Les travaux incluent aussi la calibration aux conditions de l'atelier — angles de vue, ombres, vitesse du flux, pour que la vision artificielle donne un résultat stable non sur des images de test, mais sur la production réelle.

Comment fonctionne le contrôle visuel au fond

L'image de la caméra subit un prétraitement (normalisation de la luminosité, redressement, filtrage du bruit), puis est soumise à un réseau de neurones qui isole les objets et classe leur état. Le détecteur trouve sur l'image les zones d'intérêt — cordon, perçage, marquage, surface — et évalue chacune d'après des caractéristiques apprises, en donnant les coordonnées et la probabilité de défaut. Le résultat est comparé à un seuil admissible, et le système génère un signal que le matériel du client exécute : il trie, marque ou s'arrête. La vitesse est ici critique — les détecteurs modernes font leur inférence en un seul passage dans le réseau, le contrôle se fait donc au rythme de la ligne, sans la ralentir. Important : le modèle ne fonctionne pas selon des règles rigides du type « si le pixel est plus sombre, alors rebut », mais selon la statistique de milliers d'exemples, c'est pourquoi il attrape des défauts difficiles à décrire par une formule.

D'où est venue la vision par ordinateur

La filière est issue des travaux académiques des années 1960 : en 1963, Lawrence Roberts soutint au MIT une thèse sur la reconstruction de la forme tridimensionnelle d'objets à partir d'une image plane, ce qui est considéré comme l'un des points de départ. En 1966, Marvin Minsky et Seymour Papert lancèrent au MIT le Summer Vision Project pédagogique — selon le mémorandum du 7 juillet, la tâche de séparer les objets du fond était posée comme un travail d'été pour étudiants, et sa difficulté sous-estimée donna le ton aux recherches pour des décennies. Le tournant des réseaux convolutifs survint en 1998, lorsque Yann LeCun et ses coauteurs publièrent l'article Gradient-Based Learning Applied to Document Recognition et l'architecture LeNet-5 pour la reconnaissance de chiffres manuscrits. Le bond massif fut donné par le réseau AlexNet en 2012 (Alex Krizhevsky, Ilya Sutskever, Geoffrey Hinton), qui abaissa l'erreur top-5 du concours ImageNet à environ 16 pour cent, contre 26 pour le concurrent le plus proche. En juin 2015, Joseph Redmon et ses collègues présentèrent l'algorithme YOLO (article arXiv 1506.02640), qui reconnaît les objets en un seul passage dans le réseau et rendit la détection apte au temps réel.

Pourquoi le logiciel et la précision décident de tout

Dans un système de contrôle qualité, le matériel physique est identique chez tous — ce qui distingue le résultat, c'est précisément le modèle entraîné et son réglage. Si le jeu de données est constitué de travers ou si le seuil est fixé au hasard, la vision artificielle se mettra soit à laisser passer le rebut, soit à rejeter des pièces bonnes, et les deux cas frappent l'économie de la production. La précision se mesure non par un pourcentage global de « bonnes réponses », mais par l'équilibre entre défauts manqués et fausses alertes, et pour chaque tâche cet équilibre se règle séparément. Le modèle doit être réentraîné pour des matériaux, un éclairage et une usure des caméras précis, sinon la précision dérive sur un nouveau lot de production. C'est pourquoi l'essentiel du travail d'ingénierie ne réside pas dans l'achat de matériel, mais dans l'annotation, l'entraînement, la validation et la calibration de la partie logicielle pour votre atelier.

Avec quels outils nous travaillons

Le stack de base, c'est OpenCV pour le prétraitement et la géométrie de l'image, les détecteurs neuronaux de la famille YOLO pour la recherche d'objets en temps réel et les frameworks d'apprentissage profond pour l'entraînement et le réentraînement des modèles. OpenCV couvre les opérations classiques : calibration de caméra, correction des distorsions, extraction de contours, travail avec les espaces colorimétriques — ce qui est nécessaire avant que l'image ne parte dans le réseau. YOLO et les architectures apparentées prennent en charge la détection et la classification des défauts, en tenant compte de la vitesse de la ligne. Les réseaux de neurones, nous les entraînons sur le jeu de données annoté du client, et l'inférence, nous la déployons là où c'est commode en termes de latence et de coût — sur un PC industriel près de la ligne ou sur un serveur. L'ensemble précis se choisit selon la tâche : ici les méthodes classiques d'OpenCV suffisent, là on ne peut se passer d'un réseau de neurones entraînable.

Quand sont apparus les outils clés du stack

La bibliothèque OpenCV fut lancée chez Intel en 1999 sous la direction de Gary Bradski, et la première version publique sortit en 2000 — depuis, c'est le standard de fait pour les tâches de vision par ordinateur. Le langage Python, sur lequel se fait aujourd'hui la majeure partie du travail d'entraînement des modèles et d'assemblage des composants, fut publié par Guido van Rossum en 1991. Les réseaux convolutifs comme outil pratique furent consacrés par l'architecture LeNet-5 en 1998, et le tournant vers l'apprentissage profond fut donné par AlexNet en 2012. Le détecteur YOLO, sur lequel se construit la reconnaissance en temps réel, fut publié en juin 2015. Ces dates montrent que les outils ne sont pas bruts : OpenCV et Python fonctionnent depuis plus de deux décennies, et la détection neuronale est rodée depuis le milieu des années 2010.

Pourquoi vous pouvez nous le confier

L'expérience cumulée de notre équipe de développement dépasse 45 ans en informatique, et notre approche est d'ingénieur, et non de démonstration : le modèle est vérifié sur un échantillon mis de côté et un lot de test avant de passer en production sur la ligne. Nous ne vendons pas de matériel et ne fabriquons pas votre production — nous écrivons le programme et réglons le matériel déjà installé chez vous, c'est pourquoi nous répondons précisément de la partie où se joue la précision. Avant le lancement, nous testons le modèle sur des images réelles de votre atelier, mesurons le taux de défauts manqués et de fausses alertes et validons les seuils avec vous, au lieu de les fixer à l'œil. Si, sur un nouveau lot ou un changement d'éclairage, la qualité de reconnaissance baisse, le modèle est réentraîné — c'est une procédure standard, prévue dans le suivi. Au final, vous obtenez une vision artificielle rattachée à votre production et vérifiée sur vos données, et non une solution universelle sur étagère.