https://solanys.ai/_next/static/chunks/4857.fa02d4f550a8bd7f.js

1"use strict";(self.webpackChunk_N_E=self.webpackChunk_N_E||[]).push([[4857],{34857:(e,s,i)=>{i.r(s),i.d(s,{default:()=>d,meta:()=>l});var t=i(95155),r=i(52619),n=i.n(r);let l={title:"Vision par ordinateur pour le contr\xf4le qualit\xe9 industriel",date:"2026-08-31",excerpt:"Cam\xe9ras, donn\xe9es, mod\xe8les et validation : d\xe9couvrez comment d\xe9ployer la vision par ordinateur pour automatiser une partie du contr\xf4le qualit\xe9 industriel.",tags:["Vision par ordinateur","Contr\xf4le qualit\xe9","Industrie","IA","Production"],keywords:"vision ordinateur contr\xf4le qualit\xe9,vision industrielle IA,contr\xf4le qualit\xe9 automatis\xe9,d\xe9tection d\xe9fauts vision industrielle,cam\xe9ra contr\xf4le qualit\xe9 production",image:{src:"/assets/blog/chaine-de-production.webp",alt:"Cam\xe9ra de vision par ordinateur utilis\xe9e pour le contr\xf4le qualit\xe9 industriel"},faq:[{q:"Quels d\xe9fauts la vision par ordinateur peut-elle d\xe9tecter ?",a:"Elle peut notamment contr\xf4ler une pr\xe9sence, une position, une dimension visible, une couleur, un marquage ou certains d\xe9fauts de surface. La faisabilit\xe9 d\xe9pend de la taille du d\xe9faut, de l'\xe9clairage, de la cadence et de la variabilit\xe9 des pi\xe8ces."},{q:"Combien d'images faut-il pour entra\xeener un syst\xe8me de contr\xf4le qualit\xe9 ?",a:"Il n'existe pas de nombre universel. Il faut surtout des images repr\xe9sentatives des produits, conditions de prise de vue et d\xe9fauts r\xe9els. Un prototype permet d'estimer les donn\xe9es suppl\xe9mentaires n\xe9cessaires."},{q:"La vision industrielle peut-elle remplacer les contr\xf4leurs qualit\xe9 ?",a:"Elle peut prendre en charge des v\xe9rifications r\xe9p\xe9titives et orienter les pi\xe8ces suspectes. Les \xe9quipes qualit\xe9 restent n\xe9cessaires pour d\xe9finir les crit\xe8res, analyser les cas ambigus et traiter les causes des d\xe9fauts."}]},a=e=>{let{href:s,children:i}=e;return(0,t.jsx)(n(),{href:s,className:"text-primary underline underline-offset-2 hover:opacity-80",children:i})};function d(){return(0,t.jsxs)("article",{className:"prose prose-neutral dark:prose-invert max-w-none",children:[(0,t.jsx)("h1",{children:"Vision par ordinateur pour le contr\xf4le qualit\xe9 industriel"}),(0,t.jsx)("img",{src:l.image.src,alt:l.image.alt,className:"w-full h-auto rounded-xl",width:1200,height:800}),(0,t.jsxs)("p",{children:["La ",(0,t.jsx)("strong",{children:"vision par ordinateur appliqu\xe9e au contr\xf4le qualit\xe9"})," analyse les images d’une pi\xe8ce, d’un assemblage ou d’un emballage pour v\xe9rifier des crit\xe8res d\xe9finis. Elle peut contr\xf4ler chaque produit \xe0 cadence r\xe9guli\xe8re et attirer l’attention des \xe9quipes sur les cas suspects. Sa fiabilit\xe9 d\xe9pend autant de la prise de vue et des donn\xe9es que du mod\xe8le d’intelligence artificielle."]}),(0,t.jsx)("h2",{children:"Quels contr\xf4les peut-on automatiser ?"}),(0,t.jsxs)("ul",{children:[(0,t.jsx)("li",{children:"pr\xe9sence ou absence d’un composant ;"}),(0,t.jsx)("li",{children:"position et orientation d’une pi\xe8ce ;"}),(0,t.jsx)("li",{children:"lecture d’une r\xe9f\xe9rence, d’un lot ou d’une date ;"}),(0,t.jsx)("li",{children:"couleur, forme ou niveau de remplissage ;"}),(0,t.jsx)("li",{children:"rayure, fissure, bavure ou d\xe9faut de surface visible ;"}),(0,t.jsx)("li",{children:"comptage d’\xe9l\xe9ments et conformit\xe9 d’un assemblage."})]}),(0,t.jsx)("p",{children:"Un d\xe9faut non visible dans l’image ne pourra pas \xeatre d\xe9duit de mani\xe8re fiable. Il faut donc distinguer les contr\xf4les visuels des mesures n\xe9cessitant un capteur, un test fonctionnel ou une expertise compl\xe9mentaire."}),(0,t.jsx)("h2",{children:"Les composants d’un syst\xe8me de vision"}),(0,t.jsx)("div",{className:"overflow-x-auto",children:(0,t.jsxs)("table",{children:[(0,t.jsx)("thead",{children:(0,t.jsxs)("tr",{children:[(0,t.jsx)("th",{children:"Composant"}),(0,t.jsx)("th",{children:"R\xf4le"}),(0,t.jsx)("th",{children:"Point de vigilance"})]})}),(0,t.jsxs)("tbody",{children:[(0,t.jsxs)("tr",{children:[(0,t.jsx)("td",{children:"Cam\xe9ra et optique"}),(0,t.jsx)("td",{children:"Capturer le niveau de d\xe9tail utile"}),(0,t.jsx)("td",{children:"R\xe9solution, distance et mouvement"})]}),(0,t.jsxs)("tr",{children:[(0,t.jsx)("td",{children:"\xc9clairage"}),(0,t.jsx)("td",{children:"Stabiliser le contraste"}),(0,t.jsx)("td",{children:"Reflets et lumi\xe8re ambiante"})]}),(0,t.jsxs)("tr",{children:[(0,t.jsx)("td",{children:"D\xe9clenchement"}),(0,t.jsx)("td",{children:"Prendre l’image au bon moment"}),(0,t.jsx)("td",{children:"Cadence et position de la pi\xe8ce"})]}),(0,t.jsxs)("tr",{children:[(0,t.jsx)("td",{children:"Algorithme"}),(0,t.jsx)("td",{children:"Mesurer, classer ou localiser"}),(0,t.jsx)("td",{children:"Variabilit\xe9 et d\xe9rive"})]}),(0,t.jsxs)("tr",{children:[(0,t.jsx)("td",{children:"Int\xe9gration"}),(0,t.jsx)("td",{children:"Alerter, tracer ou \xe9carter"}),(0,t.jsx)("td",{children:"Temps de r\xe9ponse et s\xe9curit\xe9"})]})]})]})}),(0,t.jsx)("h2",{children:"R\xe8gles classiques ou intelligence artificielle ?"}),(0,t.jsx)("p",{children:"Une mesure g\xe9om\xe9trique stable, un code-barres ou une couleur bien d\xe9finie peuvent souvent \xeatre contr\xf4l\xe9s par des r\xe8gles classiques. L’apprentissage automatique devient utile lorsque l’aspect varie, que les d\xe9fauts prennent plusieurs formes ou que des r\xe8gles explicites seraient trop fragiles. Les deux approches peuvent cohabiter dans une m\xeame cha\xeene."}),(0,t.jsx)("h2",{children:"Construire un jeu de donn\xe9es repr\xe9sentatif"}),(0,t.jsx)("p",{children:"Collectez les images dans les conditions r\xe9elles : diff\xe9rentes s\xe9ries, mati\xe8res, \xe9quipes, heures et r\xe9glages. Les d\xe9fauts rares posent une difficult\xe9 particuli\xe8re. Il faut les documenter pr\xe9cis\xe9ment et \xe9viter de cr\xe9er un test o\xf9 les images d\xe9fectueuses proviennent toutes d’une autre cam\xe9ra ou d’un autre arri\xe8re-plan. Le mod\xe8le apprendrait cette diff\xe9rence accidentelle plut\xf4t que le d\xe9faut."}),(0,t.jsx)("h2",{children:"Mesurer les erreurs qui comptent"}),(0,t.jsx)("p",{children:"Un simple taux de pr\xe9cision global peut \xeatre trompeur. Distinguez les d\xe9fauts non d\xe9tect\xe9s des produits conformes rejet\xe9s. D\xe9finissez les co\xfbts respectifs et choisissez un seuil adapt\xe9. Le syst\xe8me peut envoyer les cas incertains vers un poste de validation plut\xf4t que prendre une d\xe9cision binaire."}),(0,t.jsxs)("ul",{children:[(0,t.jsx)("li",{children:"taux de d\xe9fauts d\xe9tect\xe9s ;"}),(0,t.jsx)("li",{children:"taux de faux rejets ;"}),(0,t.jsx)("li",{children:"part des images n\xe9cessitant une validation ;"}),(0,t.jsx)("li",{children:"temps de traitement et compatibilit\xe9 avec la cadence ;"}),(0,t.jsx)("li",{children:"stabilit\xe9 selon les s\xe9ries et conditions de production."})]}),(0,t.jsx)("h2",{children:"Du prototype \xe0 la ligne de production"}),(0,t.jsx)("p",{children:"Commencez en mode observation : le syst\xe8me produit un r\xe9sultat sans commander directement l’\xe9quipement. Comparez ses d\xe9cisions \xe0 celles des contr\xf4leurs, analysez les d\xe9saccords et enrichissez les donn\xe9es. Une fois les performances valid\xe9es, connectez progressivement les alertes, la tra\xe7abilit\xe9 et les actions physiques."}),(0,t.jsxs)("p",{children:["Solanys d\xe9veloppe des solutions de vision reli\xe9es \xe0 vos processus et logiciels existants. D\xe9couvrez notre offre d’",(0,t.jsx)(a,{href:"/fr/solutions/automatisation/",children:"automatisation pour l’industrie"})," et notre panorama de l’",(0,t.jsx)(a,{href:"/fr/blog/article/automatisation-industrielle-ia-pme/",children:"automatisation industrielle par l’IA"}),"."]})]})}}}]);