PADDLE - Détection d’anomalies dans les produits à l’aide de techniques d’apprentissage profond (Deep LEarning)

Coordinateur : Marius Bilasco Université de Lille - CRIStAL

Équipe : FOX du Groupe Thématique : IMAGE.

Dates : 12/20 - 03/22

Résumé :

Objectifs : Le projet Paddle visait à développer un système de détection des défauts dans les vidéos industrielles. Le système était faiblement supervisé et pouvait évoluer dans le temps (en ajoutant de nouvelles instances de classes, ou de nouvelles classes de défauts, sans qu’il soit nécessaire de ré-entraîner le modèle à partir de zéro). Le cas d’utilisation du projet était la détection de défauts dans les composants des voies ferrées.

Résultats : FOX a modélisé les contraintes des systèmes de détection de défauts déployés dans un contexte industriel, et a conçu les étapes de prétraitement vidéo nécessaires pour atteindre les objectifs. A partir de là, nous avons développé un prototype de détection de défauts basé sur le modèle PatchCore. Ce prototype a détecté des défauts avec une grande précision et un rappel élevé sur les données fournies par le collaborateur industriel.

Abstract

Objectives : Project Paddle aimed at developping a system to detect defects in industrial videos. The system was weakly supervised and could evolve over time (by adding new class instances, or new defect classes, without the need to re-train the model from scratch). The use case of the project was the detection of defects in components of railway tracks.

Results : FOX modeled the constraints of defect detection systems deployed in an industrial context, and designed video pre-processing steps required to reach the objectives. From there, we developped a prototype for defect detection based on the PatchCore model. This prototype detected defects with high precision and high recall on the data provided by the industrial collaborator.