Inspection d'assemblages mécaniques par une approche Deep Learning 3D : résultats préliminaires

Assya Boughrara (1, 2) , Igor Jovancevic (2) , Hamdi Ben Abdallah (1) , Benoit Dolives (2) , Mathieu Belloc (2) , Jean-José Orteu (1)

1 ICA - Institut Clément Ader
2 DIOTA

Nos travaux de recherche sont menés dans le cadre du laboratoire de recherche commun "Inspection 4.0" entre IMT Mines Albi/ICA et la société DIOTA spécialisée dans le développement d’outils numériques pour l’industrie 4.0. Dans cet article, nous nous intéressons au contrôle de conformité d’ensembles mécaniques aéronautiques complexes (typiquement un moteur d’avion en fin ou en mi- lieu de chaine d’assemblage). Un scanner 3D porté par un bras de robot permet l’acquisition de nuages de points 3D pour la phase d’inspection. Nous avons à notre disposition un modèle CAO de l’assemblage mécanique à inspecter, et c’est ce modèle qui guidera notre démarche. Nous mettons en œuvre des techniques de classification 3D par Deep Learning. Ces modèles d’apprentissage profond sont formés sur des données synthétiques et simulées, générées à partir des modèles CAO. Plusieurs approches sont proposées et des résultats sur des acquisitions réelles sont pré- sentés.

Mots clés: Inspection robotisée; Contrôle qualité; Modèle CAO; Deep Learning 3D; Scanner; Nuages de points 3D; Aéronautique.

Domaines: Informatique [cs]; Vision par ordinateur et reconnaissance de formes [cs.CV]

Assya Boughrara, Igor Jovancevic, Hamdi Ben Abdallah, Benoit Dolives, Mathieu Belloc, et al.. Inspection d'assemblages mécaniques par une approche Deep Learning 3D : résultats préliminaires. ORASIS 2021 - 18ème journées francophones des jeunes chercheurs en vision par ordinateur, Centre National de la Recherche Scientifique [CNRS], Sep 2021, Saint Ferréol, France. 9 p. ⟨hal-03339892⟩