Projet-ANR-20-CE10-0004
L’objectif scientifique et industriel de TEMIS est d’expérimenter puis de recommander les solutions existantes de l’état de l’art par Machine Learning (ML) ou Deep Learning (DL) répondant au besoin d’identification de défauts en ligne. La recherche qui sera menée dans ce programme ANR, axée sur le Génie Industriel, est une étude expérimentale complète et détaillée sur l’inspection visuelle réalisée en condition réelle.
L’un des caractères novateurs du projet est lié à l’élaboration d’une étude expérimentale établissant précisément des comparaisons (de granularité et de précisions) entre les approches de la littérature. Cette étude visera à établir et vérifier que les approches apprenantes statistiques supervisées et non supervisées en ML et DL peuvent offrir une agilité dans l’inspection. De cette étude seront produits des préconisations sur l’usage d’algorithmes de ML et DL vis-à-vis des critères d’exigences de production ainsi que des pipelines (chainage des approches) génériques pour atteindre les niveaux de détection souhaités.
Le niveau de détection maximal attendu : Segmentation d’une image présentant un défaut avec labélisation sémantique, par boite englobante, par pixellisations etc.
Critères d’exigences de production d’un système d’inspection :
Transposable
Sans supervisions expertes
Détection de défauts connus et de nouveautés
Temps de mis au point (minimal)
Temps d’inférence (< à la seconde)
Très haut niveau de détection positive (proche du 100%)
Faiblement perturbé par l’environnement (luminosité, température, vibration)