Contrôle qualité par vision artificielle

Le contrôle qualité visuel est l'une des tâches les plus répétitives et les plus fatigantes des lignes de production industrielles. Un opérateur qui inspecte des milliers de pièces par jour voit sa concentration diminuer inévitablement, générant des erreurs de détection. La vision par ordinateur apporte un contrôle 100 % exhaustif, 24h/24, avec une précision supérieure à celle d'un expert humain sur des tâches répétitives.

Les types de défauts détectables par vision artificielle

—Défauts de surface : rayures, éclats, bulles, inclusions, marques d'outillage sur des pièces métalliques, plastiques, vitreuses ou céramiques.
—Défauts géométriques : dimensions hors tolérances, déformations, décentrages — mesurés par vision 3D ou stéréoscopie.
—Défauts d'assemblage : pièces manquantes, mal positionnées, visserie incomplète, connecteurs mal enfichés.
—Défauts de marquage : étiquettes mal apposées, codes-barres illisibles, impressions incorrectes.
—Défauts de couleur et d'aspect : nuances de teinte hors standard, brillance non conforme.

Architecture d'un système de contrôle qualité par vision IA

Acquisition d'images

Choisissez vos caméras en fonction de la résolution nécessaire (taille du défaut le plus petit à détecter), de la vitesse de la ligne (obturateur rapide pour les pièces en mouvement), et du type de défaut (caméra couleur, infrarouge, ou 3D). L'éclairage structuré est souvent aussi important que la caméra : un éclairage rasant révèle les rayures invisibles en lumière directe.

Modèle de détection IA

Classification pièce bonne/mauvaise : modèles ResNet, EfficientNet entraînés sur des images annotées. Simple et rapide à mettre en œuvre. Détection et localisation de défauts : modèles de segmentation U-Net, Mask R-CNN, YOLOv8 qui localisent précisément les défauts dans l'image. Plus complexe mais nécessaire quand on veut analyser le défaut (taille, position, nature).

Décision et actionnement

Le résultat de l'inférence IA déclenche une action : éjecteur pour les pièces non conformes, marquage automatique, arrêt de la ligne si le taux de défaut dépasse un seuil d'alarme. L'intégration avec le SCADA ou le PLC est réalisée via protocoles industriels standard.

Cas d'usage par secteur

Automobile

Contrôle des soudures, détection de rayures sur les carrosseries, vérification de l'assemblage des tableaux de bord, inspection des joints d'étanchéité.

Agroalimentaire

Tri optique des fruits et légumes, détection de corps étrangers, contrôle de remplissage des emballages, lecture des dates de péremption.

Électronique

Inspection des soudures sur les cartes (AOI), détection de composants mal placés ou manquants, contrôle des connecteurs.

Métallurgie

Détection de fissures, porosités, inclusions sur pièces forgées ou fondues, mesure dimensionnelle automatisée, contrôle de surface.

ROI et retour d'expérience

–70 à 90 %

Non-conformités client

–50 à 70 %

Coûts de contrôle humain

3 à 10×

Cadence de contrôle

12–24 mois

ROI amorti

Le contrôle qualité par vision IA est l'application industrielle la plus mûre de l'IA après la maintenance prédictive. Les technologies sont stables, les prestataires nombreux, et les références industrielles abondantes. C'est un investissement à démarrer dès aujourd'hui pour les industriels dont le contrôle qualité visuel représente un coût ou un risque significatif.