Objectif

Automatiser le contrôle qualité de pièces industrielles en utilisant un système de reconnaissance de formes et du deep learning (apprentissage continu).

Contexte

Nous développons un outil de reconnaissance visuelle qui identifie rapidement les pièces saines ou défectueuses. D’abord appliquée aux vis, cette technologie sera ensuite étendue à d’autres pièces et types de défauts, afin de renforcer l’efficacité des contrôles en combinant expertise humaine et intelligence artificielle.

Méthodologie

Notre solution s’appuie sur un apprentissage continu : chaque photo prise par les techniciens enrichit la base d’images et améliore le modèle (ResNet-18). Pour plus de fiabilité, l’entraînement combine anciennes et nouvelles données. En seconde étape, l’algorithme YOLOv8 détecte automatiquement les vis sur une photo de lot, puis ResNet-18 évalue leur état. L’ensemble est accessible via une application mobile WinDev Mobile connectée à un serveur, pour un usage simple et pratique sur le terrain.