Utiliser l’IA pour détecter et segmenter les fissures

Quand tu observes une fissure sur une surface, elle peut sembler insignifiante, mais c’est un bon indicateur précoce de dommages structurels graves. Par exemple, les ponts sont régulièrement inspectés pour détecter les fissures, qui représentent 90 % de l’ensemble des dommages aux ponts chaque année. Traditionnellement, l’inspection des fissures se fait manuellement et peut prendre beaucoup de temps. L’intelligence artificielle (AI) peut simplifier leur détection.

Au-delà des ponts, la détection des fissures par apprentissage profond est utile dans de nombreux contextes industriels. Elle contribue à préserver l’intégrité des bâtiments dans la construction, évite des arrêts coûteux dans la fabrication et rend l’inspection des routes et des chaussées plus sûre et plus efficace. Dans cet article, nous allons voir de plus près comment utiliser l’IA et des modèles de vision par ordinateur comme Ultralytics YOLOv8 pour détecter et segmenter les fissures bien plus rapidement et facilement qu’avec les méthodes traditionnelles.

Qu’est-ce que la segmentation des fissures ?#

Avant d’aborder la segmentation des fissures, voyons ce qu’est la segmentation. La segmentation est une tâche de vision par ordinateur qui consiste à diviser une image en différentes régions ou segments. Le but est de simplifier l’image pour en faciliter l’analyse. La segmentation fournit une compréhension au niveau du pixel, tandis que des tâches comme la détection d’objets utilisent des boîtes englobantes pour identifier et localiser les objets.

Il existe différentes techniques de segmentation :

• Segmentation sémantique : elle consiste à attribuer une classe précise à chaque pixel d’une image, comme « route », « bâtiment » ou « arbre ». Tous les pixels d’une même classe sont considérés comme une seule entité.
• Segmentation d’instances : contrairement à la segmentation sémantique, elle distingue les instances individuelles d’une même classe, comme les différentes voitures d’une image.
• Segmentation panoptique : cette approche combine la segmentation sémantique et la segmentation d’instances pour fournir une compréhension détaillée de la catégorisation au niveau du pixel et des instances d’objets distinctes dans une image.

Fig. 1. Différences entre les techniques de segmentation : image originale (G), segmentation sémantique (H), segmentation d’instances (I) et segmentation panoptique (J).

Pour détecter les fissures, la segmentation d’instances est une excellente option. En segmentant individuellement chaque fissure, nous pouvons les identifier et les analyser séparément. Par exemple, nous pouvons calculer la surface d’une fissure en comptant le nombre de pixels qu’elle occupe dans l’image.

Comprendre le fonctionnement de la segmentation des fissures#

La première étape de la mise en œuvre de la segmentation des fissures consiste à choisir la configuration de caméra adaptée, qui peut varier selon l’application. Si tu inspectes une grande structure comme un bâtiment, des drones peuvent être la meilleure option pour capturer des images haute résolution sous différents angles. En revanche, si tu inspectes des tôles après leur fabrication, il peut être préférable d’utiliser des caméras fixes haute résolution, positionnées stratégiquement pour capturer des images détaillées des surfaces.

Une fois ta configuration de caméra définie, tu peux entraîner un modèle de vision par ordinateur prenant en charge la segmentation d’instances, comme YOLOv8. Le jeu de données Roboflow Universe sur la segmentation des fissures contient des images annotées de fissures et peut servir à entraîner ton modèle. Tu peux aussi créer ton propre jeu de données en capturant et en annotant des images de fissures propres à ton application.

Le modèle apprend à segmenter les fissures par apprentissage supervisé. Pendant l’entraînement, il reçoit des images et des étiquettes indiquant l’emplacement des fissures. Il ajuste ses paramètres internes pour réduire au minimum l’écart entre ses prédictions et les étiquettes réelles. Une fois entraîné, il peut analyser de nouvelles images et segmenter séparément chaque fissure.

Fig. 2. Utilisation d’Ultralytics YOLOv8 pour la segmentation des fissures.

Applications industrielles de la segmentation des fissures#

La détection et la segmentation des fissures sont très utiles dans diverses applications industrielles, de la maintenance des infrastructures au contrôle qualité dans la fabrication. En repérant et en analysant les fissures avec précision, ces techniques contribuent à améliorer la sécurité, la durabilité et la qualité dans de nombreux domaines. Voyons quelques exemples.

Maintenir la qualité des routes et des chaussées#

Les fissures routières sont un problème courant causé par les conditions météorologiques, la circulation dense et l’usure naturelle. Les variations de température peuvent provoquer la dilatation et la contraction de la chaussée, ce qui entraîne des fissures. Les véhicules lourds exercent une pression sur la chaussée, et l’eau qui s’infiltre dans de petites fissures peut les élargir et les approfondir avec le temps. Ces fissures peuvent entraîner une usure prématurée, des défaillances structurelles et un danger accru pour les personnes qui circulent sur la route. La détection précoce par segmentation des fissures peut faciliter l’entretien routier.

Fig. 3. Une fissure sur une route. Source de l’image : Envato Elements.

Les fissures détectées et segmentées par vision par ordinateur peuvent être classées selon trois niveaux de gravité — faible, moyen et élevé — en fonction de leur taille. Cette classification aide les équipes d’entretien à établir leurs priorités. Par exemple, les fissures graves peuvent être traitées en premier afin d’éviter les défaillances critiques et d’améliorer la sécurité routière, tandis que les fissures de gravité moyenne ou faible peuvent être réparées ultérieurement et faire l’objet de contrôles réguliers. L’équipe d’entretien peut ainsi optimiser l’utilisation des ressources, réduire les coûts d’entretien et limiter les perturbations pour les usagers de la route.

Inspection et surveillance des structures#

La détection des fissures peut également servir à préserver la qualité et la sécurité des bâtiments et d’autres structures. Comme les routes, les bâtiments peuvent se fissurer sous l’effet des variations météorologiques, de la fatigue des matériaux et de l’usure normale. Les engins lourds utilisés pendant la construction peuvent aussi exercer une pression supplémentaire sur les structures et provoquer davantage de fissures.

Fig. 4. Prise de photos avec un téléphone mobile pour la segmentation des fissures.

En identifiant et en traitant les fissures avec précision, on peut prolonger considérablement la durée de vie des bâtiments et des structures. Les données recueillies par les systèmes de détection des fissures peuvent également servir à améliorer les normes et les réglementations en matière de construction. En analysant les tendances et les causes des fissures sur différents projets, les spécialistes du secteur peuvent mettre au point de meilleures pratiques et de meilleurs matériaux de construction.

Détection des fissures dans le secteur pétrolier et gazier#

Dans le secteur pétrolier et gazier, la détection des fissures est essentielle pour garantir la sécurité et la fiabilité des pipelines, des réservoirs de stockage et d’autres infrastructures vitales. Les pipelines s’étendent souvent sur de longues distances et sont exposés à des conditions environnementales difficiles, susceptibles de provoquer des variations de pression et une fatigue des matériaux, puis des fissures. Traditionnellement, les fissures sont détectées à l’aide de pistons racleurs d’inspection, de contrôles par ultrasons et de radiographies. Si elles ne sont pas détectées et réparées rapidement, elles peuvent entraîner de graves problèmes comme des fuites et des explosions. Les fissures dans ce secteur représentent un risque majeur pour l’environnement et les personnes.

Fig. 5. Des travailleurs inspectent des réservoirs de gaz sur un train. Source de l’image : Envato Elements.

La segmentation des fissures par vision par ordinateur permet de surveiller en continu l’état des pipelines. En repérant rapidement les fissures, les équipes d’entretien peuvent effectuer les réparations à temps et prévenir d’éventuels désastres.

Inspection automatisée des pièces fabriquées#

L’inspection automatisée par segmentation des fissures transforme le contrôle qualité dans le secteur de la fabrication. Auparavant, la détection des fissures reposait sur des contrôles visuels, des examens par ressuage et des contrôles par magnétoscopie. En intégrant des systèmes avancés d’imagerie et de vision par ordinateur à la chaîne de production, les fabricants peuvent détecter immédiatement les plus petites fissures et les défauts des pièces après leur fabrication. Chaque composant peut être contrôlé et mis en conformité avec des normes de qualité élevées avant d’atteindre les clients.

L’inspection automatisée améliore la précision et l’efficacité, tout en fournissant un retour d’information en temps réel pour que les équipes de production puissent corriger rapidement les problèmes. Elle permet de réduire les coûts en diminuant le besoin d’inspections manuelles et en prévenant les rappels coûteux. De plus, ces systèmes recueillent des données précieuses sur les défauts, ce qui aide à repérer les tendances et à améliorer les processus de fabrication, pour obtenir des produits plus sûrs et plus fiables.

Fig. 6. Détection de fissures dans des pièces métalliques.

Avantages et inconvénients de la segmentation des fissures#

La détection des fissures par apprentissage profond offre de nombreux avantages, notamment une sécurité accrue et des décisions fondées sur les données. Découvrons quelques autres bénéfices de son utilisation dans les environnements industriels :

• Pratiques durables : favorise des pratiques de construction et de maintenance durables en réduisant le besoin de réparations et de remplacements importants, ce qui permet d’économiser des matériaux et des ressources.
• Réduction des perturbations : la planification de réparations des fissures moins graves dans le cadre de l’entretien courant permet d’éviter d’importantes perturbations des activités et de l’utilisation des infrastructures.
• Conformité réglementaire : contribue au respect des normes sectorielles et des exigences réglementaires en garantissant l’inspection et l’entretien réguliers des infrastructures.

Malgré ses avantages, la segmentation des fissures présente aussi des inconvénients. Les coûts initiaux élevés liés aux infrastructures peuvent être préoccupants pour les petites organisations, et la complexité du système exige une formation et un entretien continus. Voici quelques autres inconvénients de la segmentation des fissures dans les applications industrielles :

• Faux positifs et faux négatifs : le système peut identifier des fissures à tort ou ne pas les détecter, entraînant des réparations inutiles ou omises.
• Difficultés liées à la gestion des données : génère de grandes quantités de données qui nécessitent des outils robustes de stockage et d’analyse.
• Facteurs environnementaux : les conditions extérieures, comme les phénomènes météorologiques extrêmes ou une forte humidité, peuvent nuire à la précision et à la fiabilité des systèmes de segmentation des fissures.
• Intégration aux systèmes existants : l’intégration de la technologie de détection des fissures aux infrastructures et aux systèmes existants peut être difficile et nécessiter des modifications ou des mises à niveau supplémentaires.

Points clés à retenir#

La segmentation et la détection des fissures peuvent jouer un rôle essentiel pour garantir la sécurité et la durabilité de nos infrastructures industrielles. En utilisant des technologies avancées comme l’apprentissage profond et la vision par ordinateur, nous pouvons repérer les problèmes structurels tôt et les corriger avant qu’ils ne deviennent importants. Cette approche proactive permet d’économiser du temps et de l’argent tout en respectant les normes de sécurité et les exigences réglementaires. Elle favorise aussi les pratiques durables en réduisant le besoin de réparations importantes. Malgré certains défis, comme les coûts initiaux élevés et la complexité, les avantages de la segmentation des fissures dans divers secteurs en font un outil précieux pour entretenir et améliorer la qualité des infrastructures.

Pour en savoir plus sur l’IA, visite notre dépôt GitHub et échange avec notre communauté. Découvre les applications de l’IA dans l’industrie manufacturière et l’agriculture sur nos pages de solutions.