Vérifier la faisabilité en traitement d'images : caméra, éclairage, algorithme

Traitement d'images

De nombreux projets de traitement d'images échouent non pas à cause du logiciel, mais à cause d'hypothèses : que la caméra voit le défaut, que la lumière suffit, que la cadence peut être tenue. Une étude de faisabilité clarifie ces questions avant que l'argent ne soit investi dans l'installation et le développement.

D'abord la tâche, ensuite la technique

Tout commence par une description précise : que faut-il détecter, mesurer ou compter ? Quelle est la taille de la plus petite caractéristique pertinente ? À quelle vitesse les pièces défilent-elles, et combien de temps reste-t-il par image ? Quel taux d'erreur est acceptable ? S'y ajoute une collection de vraies pièces échantillons – pièces bonnes, pièces limites et défauts typiques.

Caméra : voit-elle ce qu'elle doit voir ?

Le calcul le plus important concerne la résolution. Le champ de vision et le nombre de pixels donnent le nombre de millimètres représentés par un pixel. La plus petite caractéristique doit couvrir plusieurs pixels, sinon elle se perd dans le bruit :

def pixel_pro_merkmal(sichtfeld_mm, pixel_breite, merkmal_mm):

    mm_pro_pixel = sichtfeld_mm / pixel_breite

    return merkmal_mm / mm_pro_pixel



# Exemple : champ de vision de 100 mm, capteur de 2448 pixels de large, rayure de 0,2 mm

print(f"{pixel_pro_merkmal(100, 2448, 0.2):.1f} Pixel")  # 4.9 Pixel

Comptent également le type de capteur (matriciel ou linéaire, monochrome ou couleur), le temps d'exposition face au flou de mouvement, la fréquence d'images et l'interface. Pour les prises de vue thermiques, en fluorescence ou en 3D s'ajoutent des questions spécifiques, comme la résolution en température, la sensibilité ou la distance de mesure. Pour la comparaison objective des caméras industrielles, il existe la norme EMVA 1288. Elle décrit des grandeurs caractéristiques comme le bruit et la sensibilité selon des règles uniformes.

Lumière : le levier sous-estimé

L'éclairage détermine le contraste – et le contraste détermine la robustesse. Le rétroéclairage montre nettement les contours. L'éclairage direct sous un angle rasant fait ressortir les rayures et les gravures. La lumière diffuse atténue les reflets sur les pièces brillantes. Une lumière colorée ou pulsée peut séparer des caractéristiques ou figer des mouvements. Essayez donc plusieurs éclairages avec les mêmes pièces échantillons avant de parler d'algorithmes. Et pensez à la lumière parasite : les fenêtres de l'atelier et les plafonniers changent au fil de la journée.

Algorithme : commencer simple

C'est seulement quand des images bien contrastées sont disponibles qu'il vaut la peine de se pencher sur l'analyse. Commencez par la méthode la plus simple susceptible de résoudre la tâche. Les seuils, les arêtes et la géométrie suffisent-ils ? Vous économisez alors des données, du temps de calcul et des efforts d'explication. Ce n'est que lorsque cela ne tient manifestement pas que les méthodes par apprentissage entrent en jeu. Les prototypes en Python, MATLAB ou Halcon voient le jour plus vite que le futur logiciel produit.

L'étude de faisabilité en un coup d'œil

Retour d'expérience

Pour l'appareil de lecture destiné à la PCR numérique dans le projet collaboratif FREEDOM financé par le BMBF, nous étions responsables, outre de l'architecture logicielle, du pilotage de la caméra et des LED, de l'acquisition et de l'analyse d'images. Pour un appareil de laboratoire d'analyse par fluorescence, nous connectons une caméra à fluorescence et un laser qui excite la fluorescence des cellules. L'étalonnage et le traitement d'images y fournissent des informations plus précises sur les échantillons cellulaires. Et pour un fabricant de capteurs, nous avons installé des scanners 3D en laboratoire à différentes positions et modélisé en plus un montage en 3D afin de simuler des données de scan. Il a ainsi été possible de tester de nombreuses variantes sans monter chacune réellement. La leçon de ces trois projets : prise de vue, éclairage et analyse se planifient ensemble.

Erreurs typiques

• Acheter la caméra sur la base de la fiche technique avant d'avoir photographié des pièces échantillons.
• Tester avec des pièces de démonstration parfaites au lieu de vraies pièces limites issues de la production.
• Traiter l'éclairage comme un accessoire qu'on achète à la fin.
• Ne remarquer le flou de mouvement et la cadence que sur l'installation en fonctionnement.
• Mesurer le prototype sur le PC du développeur alors que c'est plus tard un système embarqué qui calcule.
• Pas de résultat écrit : sans limites documentées, la discussion repart de zéro lors de la réception.

Tiré de nos projets en technique de laboratoire et de mesure : PCR numérique (projet collaboratif FREEDOM financé par le BMBF), analyse par fluorescence, étalonnage et détection d'objets avec des scanners 3D. Pour aller plus loin : EMVA 1288 – norme de caractérisation des caméras industrielles.