Exploitation of a multilighting information for a generic approach of industrial automated visual quality control.

Exploitation d’une information multiéclairages pour une approche générique de l’inspection automatique de la qualité visuelle des produits en industrie.

Thomas Lacombe (1)

1 SYMME - Laboratoire SYstèmes et Matériaux pour la MEcatronique

Mastering the visual quality of industrial goods is a more and more important concern for companies nowadays, in numerous business sectors. In order to ensure this mastery, industrial companies adopt methods and processes based on visual inspection of products. Nonetheless, human visual inspection in the industry is showing a problematical variability of its results, partly due to the subjective aspect of this kind of control. From this assessment, several strategies has been developed to reduce this variability. The first one consists in modelling and formalizing the human control process to help industrial operators to control more repeatedly. The second lies in developing automated inspection systems, naturally very repeatable, but however still currently not very flexible and adaptable in terms of applications. The development of more generic systems, capable of detecting various types of anomalies on various types of products, is a current challenge for the automated inspection. This thesis work deals with bringing these two approaches together. Drawing inspiration from the human visual control processes to develop an automated control system, and more precisely from the use of various lighting angles to observe a product, we aim to bring together the strong repeatability of automated systems with the flexibility of the human practices. To this end, a detailed study is proposed, from the specifications of an automated inspection system inspired by the human control in an industrial context, to the development of its different components : the acquisition of multi-lighting information, the extraction of features from the images and their reduction, and finally the classification leading to a decision concerning the product’s quality. For each step a bibliographic study of the existing methods is produced and contrasted with the industrial constrains. Moreover, some innovative methodological contributions for the extraction and the reduction of features are also proposed. The first one consists in using coefficients coming from Discrete Modal Decomposition of images as relevant features for classification. The second one lies in proposing a new feature selection method using a criteria based on T² statistic and control charts. The union between the bibliographic investigations and the methodological contributions coming out of this thesis work leads finally to a proposition for an innovative approach of automated visual control using a multi-lighting information. The implementation of this approach on industrial plastic samples enable to highlight the interest of this method to detect visual defects, in comparison to a more classic method using only one lighting angle.

La maitrise de la qualité visuelle des produits constitue un enjeu toujours plus important pour les entreprises à l’heure actuelle, dans de très nombreux secteurs d’application. Afin de garantir cette maîtrise, les industriels se dotent de méthodes et processus axés sur le contrôle visuel des produits. Néanmoins, le contrôle visuel humain en industrie est confronté à des problèmes de variabilité des résultats, dus en partie à l’aspect subjectif de ce type d’inspection. A partir de ce constat, différentes stratégies ont été développées pour réduire cette variabilité. La première consiste en la modélisation et la formalisation du contrôle humain pour aider les opérateurs à réaliser le contrôle de manière plus répétable. La seconde réside dans le développement de systèmes de contrôle automatisés, très répétables par nature, mais cependant encore à l’heure actuelle peu flexibles et adaptables en terme d’applications. Le développement de systèmes plus génériques en terme de variété de défauts à détecter et de types de pièces à observer constitue donc un challenge pour le domaine de l’inspection automatisée. Ce travail de thèse porte sur le rapprochement de ces deux approches. En s’inspirant des pratiques du contrôle visuel humain pour développer un système de contrôle automatisé, et plus particulièrement de l’exploitation de divers angles d’éclairages pour observer les produits, nous souhaitons allier la forte répétabilité des systèmes automatiques avec la flexibilité des pratiques humaines. Dans cet objectif, une étude détaillée est proposée, partant de la définition du cahier de charges d’un système de contrôle automatisé inspiré du contrôle humain dans un contexte industriel, puis s’intéressant ensuite à ses différentes composantes : l’acquisition de l’information multi-éclairages, l’extraction d’attributs des images et leur réduction, et enfin la classification menant à une décision quant à la qualité du produit inspecté. Pour chaque étape une étude bibliographique des méthodes existantes est menée et mise en regard des contraintes de l’application industrielle. De plus, des contributions méthodologiques innovantes pour l’extraction et la réduction d’attributs sont également proposées. La première consiste en l’utilisation de paramètres issus de la Décomposition Modale Discrète des images comme descripteurs pertinents dans un objectif de classification. La seconde réside dans la proposition d’une nouvelle méthode de sélection d’attributs mettant en oeuvre un critère d’évaluation fondé sur la statistique du T² et les cartes de contrôle. L’union des investigations bibliographiques et des contributions méthodologiques issues de ces travaux de thèse mène enfin à la proposition d’une approche innovante exploitant une information multi-éclairages pour le contrôle visuel automatisé. La mise en oeuvre de cette approche sur des échantillons issus de l’industrie plastique permet de mettre en avant l’intérêt de cette dernière pour la détection de défaut d’aspect par rapport à une méthode plus classique n’exploitant qu’un seul angle d’éclairage.

Mots clés: Visual quality; Industrial quality control; Industrial vision; Machine learning; Classification; Discrete modal decomposition; Multi-lighting imaging.

Mots clés: Qualité d’aspect; Contrôle qualité industriel; Vision industrielle; Apprentissage automatique; Décomposition modale discrète; Imagerie multi-éclairages.

Domaines: Machine Learning [stat.ML]; Traitement des images [eess.IV]; Traitement du signal et de l'image [eess.SP]; Vision par ordinateur et reconnaissance de formes [cs.CV]; Automatique / Robotique; Apprentissage [cs.LG]; Intelligence artificielle [cs.AI]

Thomas Lacombe. Exploitation d’une information multiéclairages pour une approche générique de l’inspection automatique de la qualité visuelle des produits en industrie.. Machine Learning [stat.ML]. Communauté Universite Grenoble Alpes, 2018. Français. ⟨NNT : ⟩. ⟨tel-01959270⟩