La vision par ordinateur au service de la transformation industrielle

A l’heure où les enjeux autour de la réindustrialisation de la France et de l’Europe sont au cœur de l’actualité économique et sociale, il convient de bien identifier les leviers de gain de productivité de nos industries. A ce titre, l’innovation logicielle doit être considérée comme un axe stratégique de modernisation, au même titre que la robotique. Parmi ces innovations logicielles, celles relevant de la Vision par Ordinateur présentent des opportunités concrètes de gain de compétitivité !

La Vision par Ordinateur, c’est quoi ?

La Vision par Ordinateur, ou encore Computer Vision, est un domaine scientifique qui rassemble l’ensemble des techniques de capture, traitement, analyse et mesure d’images. Ces méthodes permettent aux ordinateurs d’acquérir une compréhension de haut niveau à partir d’images numériques, de vidéos et de modélisations 3D.

Ces techniques commencent par la maîtrise des technologies matérielles de capture d’images numériques de différentes natures : images microscopiques (microscopes optiques, microscopes à balayage électronique), images macro (caméras industrielles, téléphones mobiles), en 2D ou en 3D (scanner).

Puis les solutions logicielles de traitement de l’image interviennent pour exploiter les données numériques ainsi saisies. Elles permettent de répondre à des cas d’usages concrets pour nos bureaux d’études et nos chaînes de production industrielle.

Ces solutions d’analyse d’images se basent autant sur des techniques historiques comme la morphologie mathématique, que sur des algorithmes de dernière génération comme le Deep Learning :

• • Les méthodes de morphologie mathématique consistent à appliquer des filtres, encore appelés masque de convolution, sur une image binaire pour la transformer. Les transformations, qui peuvent être linéaires ou non linéaires, permettent de résoudre des problèmes simples de computer vision : identifier un objet, segmenter un contour…
  • Le Deep Learning, encore appelé apprentissage profond, est un sous-domaine du Machine Learning, l’une des techniques qui relèvent de l’intelligence artificielle. Il consiste à empiler des « réseaux de neurones » pour résoudre des problèmes plus complexes, ou encore pour améliorer les performances des algorithmes traditionnels.

Les solutions de Vision par Ordinateur les plus robustes et les plus précises reposent souvent sur l’utilisation combinée de calculs morphologiques et de réseaux de neurones.

En effet, si ces derniers permettent d’obtenir des résultats plus puissants, ils nécessitent d’être entraînés à partir d’une base d’apprentissage annotée. Prenons un exemple concret : l’identification de défauts dans une chaîne de production de cardans pour l’industrie automobile. Pour que l’algorithme de Deep Learning s’avère performant, il faudra qu’un expert annote manuellement des centaines, voire des milliers de cardans issus de la chaîne de production pour constituer une base d’apprentissage de qualité. En fonction du temps requis par cette opération, du degré d’expertise nécessaire et de la disponibilité d’une équipe d’experts, la constitution de la base d’apprentissage peut être coûteuse.

Or les méthodes de traitement d’image plus conventionnelles permettent d’identifier ces défauts avec un certain degré de précision. Elles peuvent être utilisées pour pré-annoter automatiquement une base d’apprentissage. L’expert n’a plus qu’à intervenir pour valider le résultat (dans une majorité de cas) et les corriger (pour un petit nombre de cas). C’est donc l’utilisation combinée des deux approches qui s’avère la plus efficace !

D’autant que, pour obtenir de meilleurs résultats, les techniques de Deep Learning nécessitent souvent un pré-traitement des images (contraste, filtre, luminosité, recadrage) qui relève du traitement d’image conventionnel. .

Quels cas d’usage pour la vision par ordinateur dans l’industrie ?

Les solutions de Computer Vision permettent donc d’automatiser un grand nombre de tâches sur nos chaînes de production industrielles :

• • Identifier la position, la vitesse, la rotation d’un ensemble de pièces dans un flux
  • Compter, mesurer, classifier, segmenter des objets en temps réel
  • Caractériser la matière et la texture des matériaux
  • Déclencher des processus ou alertes

L’automatisation présente l’intérêt d’une traçabilité accrue, et d’une performance constante, c’est-à-dire non soumise au défaut de concentration ou de disponibilité Cette performance est par ailleurs scalable : elle peut se dupliquer ou augmenter sa vitesse de traitement en ajoutant simplement de la puissance de calcul au logiciel.

Reprenons l’exemple de la production de cardans pour l’industrie automobile. Les cardans qui défilent sur le tapis de production à grande vitesse doivent être contrôlés manuellement par des agents experts. Bien entraînée, une intelligence artificielle permet de classifier ces pièces entre celles qui sont de bonne qualité, celles qui présentent un défaut et doivent donc être isolées, et celles pour lesquelles le modèle a un doute et qui doivent être contrôlées manuellement. Cette solution permet une analyse en temps réel, à une cadence élevée. L’expertise de l’agent est utilisée à bon escient pour l’analyse des cas litigieux. Ce système présente d’ailleurs un autre avantage : il peut être configuré pour être auto-apprenant : les décisions de l’expert peuvent être réinjectées dans la base d’apprentissage pour améliorer sa performance en termes de sensibilité et spécificité (minimisation du nombre de cas faux positifs et faux négatifs).

Un levier de compétitivité pour nos chaînes de production

On le comprend, l’automatisation de tâches industrielles par des solutions de Computer Vision « métier » présente de nombreux avantages dans plusieurs cas d’usage concrets :

• • Contrôle qualité des produits (e.g. détection de défauts des matières premières et des produits manufacturés)
  • Contrôle de fonctionnement des chaînes de production (e.g. génération d’alerte système, interruption de la production)
  • Automatisation de tâches (e.g. tri, positionnement, assemblage)
  • Maintenance préventive (e.g. détection d’usure, anticipation des facteurs de risque)
  • Traçabilité des produits tout au long de la chaîne
  • Gestion des inventaires

La Vision par Ordinateur constitue donc un levier de compétitivité significatif pour nos chaînes de production :

• • Gains en efficacité et en vitesse d’exécution,
  • Amélioration de la qualité des produits manufacturés,
  • Diminution du risque d’erreur et d’accident industriel,
  • Economies de matières premières,
  • Sécurité des personnels

Les avantages sont nombreux et stratégiques. Ils sont désormais éprouvés par de nombreux industriels qui ont fait le choix de la vision par ordinateur pour transformer leur modèle. Si les acteurs de l’industrie de pointe ont déjà intégré la vision par ordinateur dans leurs processus industriels, reste à sensibiliser les décideurs des industries plus traditionnelles aux opportunités qu’elle ouvre pour eux !