Analyse d'images et reconnaissance des formes : application à l'identification automatique de défauts sur tôles décapées
Institution:
Lyon, INSADisciplines:
Directors:
Abstract EN:
Our research turns on the control problem of moving products. The application concerns the Iron and Steel industry, and specially the defects identification on pickled steel sheet. At first, we place the application into the industrial and commercial context. The global scheme of the recognition system is based on two stages: the image aspect identification, and then, the defects classification. Domains of texture analysis, image processing, and discrimination methods have been approached. We have made, with an expert of the domain, a significant database of defects images, on which we have constructed the entire processing sequence. Recognition rates obtained are satisfactory for the two stages. We have proposed a performance measure method of the recognition process. It allows to find its optimum, to value it for products control aim or process control aim, and to compare it with other systems. Our method allowed us to compare many statistical and neural discrimination methods and to select discriminant features of defects. Finally, the real-time feasibility of the recognition system has been showed: we have studied the implantation of algorithms in hardware or software.
Abstract FR:
Notre recherche porte sur le problème de contrôle de produits en défilement. L'application concerne l'industrie sidérurgique et, plus particulièrement l'identification de défauts de surface sur des tôles décapées. Dans un premier temps, nous la replaçons dans son contexte industriel et commercial. Le schéma général du système de reconnaissance est basé sur deux étapes: une identification de l'aspect de l'image, puis une identification des défauts. Les domaines de l'analyse de texture, du traitement d'image et des méthodes de discrimination ont été abordés. Nous avons constitué, avec l'aide d'un expert du domaine, une importante base d'images de défauts, sur laquelle nous avons mis en place une chaîne complète de traitements. Les taux de reconnaissance obtenus sont satisfaisants pour les deux étapes. Nous avons proposé une technique de mesure de performances du processus de reconnaissance, qui permet son optimisation, son évaluation en fonction d'un objectif de contrôle produits ou de contrôle process, ainsi que la comparaison avec d'autres systèmes. Notre méthode d'évaluation a permis de comparer objectivement plusieurs méthodes de discrimination neuronales et statistiques, et d'effectuer une sélection optimale des descripteurs de défauts. Enfin, nous avons montré la faisabilité en temps réel, de la chaîne de reconnaissance, en étudiant l'implantation matérielle ou logicielle des algorithmes.