Agenda
juillet
-
14:0018:00
Pour le cas de la fabrication additive, la technologie de contrôle par tomographie RX apparaît comme une perspective très pertinente pour traiter les besoins de contrôle des pièces mécaniques, du fait de leur complexité géométrique (formes internes fonctionnelles), de la structuration des matériaux et des typologies de défauts inhérents à ces technologies. L'analyse des données en tomographie peut être longue et coûteuse sur des séries de pièces importantes du fait de la forte mobilisation de ressources humaines, y compris sur des tâches à faible valeur ajoutée et parfois répétitives. L'automatisation doit également permettre de concentrer les compétences des opérateurs qualifiés en présence d'indications complexes à classifier, c'est-à-dire sur des opérations à forte criticité et valeur ajoutée. Cette thèse propose une méthodologie hybride d'augmentation des données opérant directement dans le domaine des projections. L'approche exploite les propriétés mathématiques de la transformée de Radon pour extraire, modéliser et injecter des défauts de manière contrôlée dans un volume cible, sans passer par une reconstruction volumique préalable. Elle repose sur trois modules complémentaires : une extraction itérative des signatures sinusoïdales de défauts dans les sinogrammes, une reconstruction surfacique réaliste de défauts en 3D et une méthodologie de synthèse dans des pièces industrielles cibles. Les bases de données sont générées automatiquement à partir de sinogrammes synthétiques de défauts réalistes. Adaptées à l'apprentissage profond, elles ont permis d'entraîner et d'évaluer des modèles de segmentation tels qu'UNet et YOLO, démontrant la pertinence de l'augmentation volumique via le sinogramme pour améliorer la segmentation dans des géométries simples comme complexes.
Amphi LaBRI