Détection des défauts de surface
Détection par IA des défauts de surface sur pièces métalliques : rayures, bosses, fissures, bavures et défauts de revêtement, apprise sur pièces conformes.
La détection des défauts de surface repère les rayures, bosses, fissures, bavures, piqûres et défauts de revêtement sur les pièces métalliques et autres pièces manufacturées avant qu’elles ne quittent la ligne. DeepVision photographie chaque pièce, la compare à l’aspect d’une pièce conforme, localise le problème et envoie une décision conforme ou non conforme à votre automate (PLC) pour que l’éjection se fasse automatiquement.
Pour aller plus loin, lisez nos guides sur la détection de défauts par IA et machine learning et l’inspection visuelle par IA dans la sidérurgie et la métallurgie.
Sur la ligne caisse en blanc, DeepVision comptait les trous et les boulons de chaque tôle, tandis qu’une caméra latérale surveillait tout le périmètre de la tôle pour détecter défauts de bord, fissures et déformations. Lisez l’étude de cas sur l’inspection de tôles et l’étude de cas sur l’inspection de panneaux, qui porte sur des panneaux jusqu’à 1240 × 2445 mm avec une couverture de 100 % du panneau.
Ce que contrôle l’inspection des défauts de surface
| Défaut | Aspect sur la pièce |
|---|---|
| Rayures et éraflures | Lignes fines dues à la manutention, aux montages, aux convoyeurs ou au contact avec l’outil. Souvent visibles uniquement sous certains angles d’éclairage. |
| Bosses et enfoncements | Creux ou bosses localisés qui modifient la réflexion de la lumière sur la surface, même lorsque la peinture ou la finition est intacte. |
| Fissures et criques | Fissures capillaires aux pliages, emboutis, trous et bords, là où la matière a été le plus étirée. |
| Bavures et défauts de bord | Matière en surépaisseur, bords rugueux ou arrachés après découpe, poinçonnage ou détourage, et bords ébréchés ou déformés. |
| Piqûres et porosités | Petits trous ou amas de vides dans les pièces de fonderie, les soudures, les revêtements ou les surfaces laminées. |
| Défauts de revêtement et de peinture | Coulures, surépaisseurs, manques, peau d’orange, cloques, inclusions et couverture irrégulière. |
| Taches et contamination | Traces d’huile, points de rouille, décolorations, résidus et corps étrangers restés sur la surface. |
| Plis et déformations | Zones ondulées ou gondolées sur les panneaux emboutis et les pièces en tôle. |
Pourquoi les contrôles manuels et par échantillonnage laissent passer des défauts de surface
Un contrôleur formé repère la plupart des défauts de surface sous un bon éclairage, sur les pièces qu’il examine réellement. Mais les fissures capillaires et les rayures légères sur un métal brillant passent facilement inaperçues en fin de poste, et sur les grandes pièces, un coup d’œil rapide couvre les faces évidentes mais pas les bords. Les contrôles par échantillonnage ne voient que les pièces prélevées : un outil usé, un montage endommagé ou un pistolet de peinture qui dérive peuvent produire une série de pièces défectueuses entre deux prélèvements.
Le jugement varie aussi d’un contrôleur à l’autre, et les contrôles manuels ne laissent aucune image lorsqu’un client formule une réclamation.
Surfaces réfléchissantes et texturées : pourquoi l’éclairage compte
Le métal poli et brillant se comporte comme un miroir : la caméra voit des reflets, une rayure peut disparaître et un reflet sans conséquence peut ressembler à un défaut. Les surfaces brossées, sablées, brutes de fonderie ou texturées posent le problème inverse : un vrai défaut doit ressortir sur un motif de fond chargé.
C’est pourquoi le dispositif d’imagerie compte autant que le modèle d’IA. Selon la pièce, le poste peut utiliser un éclairage diffus pour supprimer les reflets, un éclairage rasant pour que rayures et arêtes saillantes projettent une ombre, ou une lumière structurée pour que bosses et ondulations apparaissent comme une rupture dans un motif réfléchi. Caméra, objectif et éclairage sont fixes au poste afin que chaque pièce soit photographiée de la même manière : c’est ce qui fait ressortir les petits écarts.
Comment DeepVision détecte les défauts de surface
- Acquisition. Une ou plusieurs caméras sous éclairage maîtrisé photographient chaque pièce à son passage, en couvrant les faces et les bords qui comptent. Les grandes pièces peuvent être couvertes par plusieurs caméras dont les images sont assemblées.
- Apprentissage sur pièces conformes. DeepVision repose sur la détection d’anomalies. Il est entraîné sur seulement 200 images de pièces conformes, sans annotation de défauts, et apprend à quoi ressemble une surface normale. Les défauts rares que vous n’avez jamais photographiés peuvent tout de même être signalés, puisqu’ils ne correspondent pas à la norme. En savoir plus sur la détection d’anomalies sans images de défauts.
- Localisation. Pour chaque pièce, le modèle produit une carte thermique indiquant où la surface s’écarte de la normale. Opérateurs et ingénieurs qualité voient exactement où se trouve la rayure, la bosse ou la fissure, et pas seulement un signal de rejet.
- Décision. L’inférence prend environ 22 ms sur du matériel edge à côté de la ligne, et chaque pièce reçoit une décision conforme ou non conforme selon les seuils que vous fixez.
- Éjection. La décision est envoyée à votre automate Siemens, Allen-Bradley ou Mitsubishi, qui pilote la porte d’éjection, l’aiguillage ou l’arrêt de ligne existants.
- Enregistrement. L’image et le résultat de chaque pièce sont stockés : un rejet, une question client ou une analyse de cause racine peuvent être retracés jusqu’à la pièce réelle.
Où la détection des défauts de surface est utilisée
- Emboutissage automobile et caisse en blanc : panneaux emboutis, supports et pièces en tôle contrôlés pour les fissures, défauts de bord, plis et éléments manquants. Voir l’inspection par IA pour l’automobile.
- Pièces usinées et de fonderie : rayures, bavures, piqûres et porosités sur les faces et bords finis.
- Pièces peintes et revêtues : couverture, coulures, cloques et contamination après peinture, thermolaquage ou traitement de surface.
- Panneaux plats : surfaces grand format photographiées par un réseau de caméras pour une couverture complète.
- Sidérurgie et transformation des métaux : tôles, bobines et produits mécanosoudés.
Questions fréquentes
L’IA peut-elle détecter des rayures sur du métal brillant ?
Oui, à condition que l’éclairage soit conçu pour la surface. Sur un métal brillant ou poli, on utilise un éclairage diffus ou rasant pour qu’une rayure apparaisse comme un changement constant dans l’image au lieu d’être masquée par les reflets. Nous évaluons l’éclairage avec vos pièces avant de nous engager sur une précision.
Faut-il des images de chaque type de défaut pour l’entraîner ?
Non. DeepVision apprend à partir d’images de pièces conformes : aucun échantillon défectueux n’est nécessaire pour démarrer. Les échantillons défectueux servent à valider le système avant sa mise en production.
Sait-il distinguer une marque sans conséquence d’un vrai défaut ?
Qu’une petite marque justifie un rejet dépend de la pièce et de l’endroit où elle se trouve. La règle de rejet est définie avec votre équipe qualité lors du paramétrage et vérifiée pendant la marche en parallèle, et la carte thermique montre exactement ce qui a été signalé. Consultez notre méthodologie de mesure de la précision pour savoir comment nous mesurons les résultats.
Des rayures, fissures ou bosses arrivent chez vos clients ? Lisez l’étude de cas sur la tôlerie, découvrez l’inspection visuelle par IA DeepVision ou réservez une démo avec vos propres pièces.