L'inspection visuelle est l'un des usages les plus courants de la vision par ordinateur dans l'industrie. C'est aussi un domaine où les projets échouent pour des raisons qui ont peu à voir avec le modèle. Un mauvais éclairage, des données non représentatives et des objectifs d'acceptation flous posent plus de problèmes que le choix de l'architecture du réseau. Cet article décrit les étapes de planification à terminer avant de lancer l'entraînement.

Définir la décision et son coût

Il faut commencer par la décision que le système prendra. Il peut s'agir d'accepter ou de rejeter une pièce, de classer un type de défaut, de mesurer une dimension ou de compter des éléments. Il faut ensuite écrire ce que coûte une mauvaise décision. Un faux rejet signifie qu'une bonne pièce est mise au rebut ou retravaillée. Un défaut non détecté peut atteindre un client, provoquer une réclamation ou créer un risque de sécurité. Ces coûts varient selon les produits et les clients, et ils déterminent le réglage du système.

L'optique avant les modèles

La qualité de l'image fixe la limite supérieure de tout modèle. La résolution de la caméra doit être déduite du plus petit défaut à détecter, qui doit couvrir plusieurs pixels. Le choix de l'objectif influe sur la distorsion, la profondeur de champ et la distance de travail. L'éclairage compte souvent le plus, car la bonne géométrie, par exemple le champ sombre, le champ clair ou le dôme diffus, rend visible une rayure ou un enfoncement.

Les supports et les enceintes doivent limiter les variations de lumière ambiante et les vibrations des pièces. Les images doivent être capturées sur la ligne réelle avec les pièces réelles avant tout travail sur les modèles, afin que l'équipe puisse juger si les défauts sont visibles pour une personne qui examine les mêmes images.

Classes de défauts, annotation et collecte de données

Les classes de défauts nécessitent des définitions écrites, accompagnées d'images d'exemple et de limites claires entre ce qui est acceptable et ce qui ne l'est pas. Les consignes d'annotation doivent être relues par le personnel qualité, et un échantillon d'images doit être annoté par plusieurs personnes pour mesurer leur concordance. Un désaccord entre annotateurs indique souvent que la définition n'est pas assez précise.

Les données doivent être collectées sur plusieurs équipes, opérateurs, lots de matière, états d'outillage et saisons, car la température, l'humidité et la lumière du jour peuvent modifier l'aspect des pièces. Les défauts sont rares par nature, il faut donc prévoir comment réunir assez d'exemples, y compris en produisant volontairement des pièces défectueuses.

Lieu d'inférence et budget de latence

L'inférence peut s'exécuter sur un équipement en périphérie, à côté de la caméra, ou sur un serveur relié par le réseau de l'usine. Le déploiement en périphérie offre une latence faible et prévisible et continue de fonctionner si le réseau tombe. Un serveur simplifie la mise à jour des modèles et permet d'utiliser des modèles plus lourds. La décision découle du budget de latence, qui commence au déclenchement, comprend la capture de l'image, le transfert, le prétraitement, l'inférence et le signal envoyé à la ligne, et doit se terminer avant que la pièce n'atteigne le point de rejet.

Opérateurs, seuils et intégration à la ligne

Tout modèle arbitre entre faux positifs et faux négatifs. Le seuil de fonctionnement doit être choisi avec les opérateurs de ligne et les ingénieurs qualité, à partir de l'analyse des coûts réalisée à la première étape. Les opérateurs savent aussi quelles variations sont normales, et les associer tôt améliore à la fois les annotations et l'adoption du système.

Le système de vision doit communiquer avec la ligne. Un PLC fournit généralement le déclenchement et reçoit le résultat, et un MES reçoit les enregistrements pour la traçabilité. Le mécanisme de rejet, comme un jet d'air, un poussoir ou un aiguillage, doit être synchronisé avec la position de la pièce. Le comportement de sécurité doit être défini pour les pannes de caméra, les erreurs de modèle et les pertes de communication.

Retour d'expérience, dérive et critères d'acceptation

Après le déploiement, les opérateurs doivent pouvoir signaler les mauvaises décisions, et ces images doivent alimenter un processus de revue et de réentraînement. La supervision doit suivre le taux de rejet, la distribution des scores et les statistiques d'image, car des changements de matière, d'éclairage ou de position de la caméra provoquent une dérive. Les versions de modèles, les jeux de données et les validations doivent être consignés dans le cadre d'une pratique MLOps normale.

Les critères d'acceptation doivent être convenus avant le début de l'entraînement. Ils doivent préciser les métriques, comme le taux de défauts non détectés et le taux de faux rejets, le jeu de données de test, les conditions du test et la personne qui valide. Avec ces éléments, le projet dispose d'une définition claire de l'achèvement.