Présentation d’une technique permettant de repérer et de détourer précisément la position d’éléments dans une image.
Le principe
Un algorithme de détection d’objets localise des éléments dans l’image au moyen d’une boîte englobante. La segmentation sémantique va plus loin : elle attribue une classe à chaque pixel de l’image.
On obtient ainsi une mesure précise de la surface occupée par un élément dans l’image, et l’utilisateur visualise fidèlement la zone concernée.
Application : les défauts sur cosses électriques
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. Ils ont été appris à l’aide d’une solution de deep learning puissante.
Dans la vidéo, les zones présentant des défauts sont mises en couleur. Elles sont ainsi faciles à repérer, et la surface et la géométrie de chaque défaut peuvent être calculées.
Cette solution s’adapte également à différents types de produits grâce à l’apprentissage supervisé, qui permet d’ajuster le modèle en fonction des données disponibles.
