Présentation d’une technique permettant de repérer et de détourer précisément la position d’éléments dans une image.

À la différence d’un algorithme de classification qui permet de localiser la position d’éléments au travers d’une boite englobante dans l’image, la segmentation sémantique permet d’attribuer à chaque pixel d’une image une classe.

Ceci permet d’obtenir un résultat précis de la surface occupée par un élément dans l’objet, et de retranscrire de manière fidèle à l’utilisateur la zone de l’image concernée.

Dans l’exemple d’aujourd’hui, nous vous présentons la détection par segmentation sémantique de défauts variables sur des cosses électriques.

Ces défauts sont de plusieurs types, et ont été appris à l’aide d’une solution de deep learning puissante.

Une mise en couleur des zones présentant des défauts est visible dans la vidéo, et permet ainsi de repérer facilement les zones concernées, et aussi de calculer la surface et la géométrie du défaut.