Vision & qualité
Contrôle qualité par vision IA : détecter les défauts sans créer une usine à faux rejets
Une caméra et un modèle de vision peuvent repérer des anomalies invisibles à une règle simple, mais la performance réelle dépend de la diversité des défauts, de l’éclairage, de la vitesse de ligne, du coût d’un faux rejet et de la capacité à maintenir le modèle quand le produit évolue.
Vous avez un projet IA ou automatisation ?
Décrivez votre besoin, votre environnement et vos contraintes. Nous examinons les options : logiciel existant, automatisation, développement interne ou prestataire spécialisé. Une mise en relation n'est proposée que si elle est pertinente.
Décrire mon projet gratuitement →Résultats attendus
- Détecter présence, absence, position ou défaut visuel.
- Classifier les défauts pour orienter le contrôle ou la retouche.
- Mesurer et tracer les résultats par lot, référence ou machine.
- Déclencher un contrôle humain lorsque la confiance est insuffisante.
Projets fréquents
- Détection de défauts de surface.
- Contrôle présence/absence d’un composant.
- Classification d’un défaut ou d’un niveau de qualité.
- Mesure visuelle ou comptage automatisé.
- Inspection sur image 2D, 3D, rayons X ou autre capteur selon métier.
- Alerte et traçabilité reliées au système qualité.
Prérequis et données nécessaires
- Images représentatives des bons produits et des défauts rares.
- Taxonomie claire des défauts et décision attendue pour chacun.
- Conditions réelles d’éclairage, vitesse, angle et environnement.
- Coût d’un faux négatif, d’un faux positif et d’une inspection humaine.
Critères de décision
Dataset
Les défauts rares et les conditions réelles doivent être présents dans le test.
Métrique
Précision globale insuffisante : suivez faux négatifs et faux positifs par défaut.
Acquisition
Caméra, éclairage et positionnement peuvent compter autant que le modèle.
Cadence
La latence doit être compatible avec la ligne et le mécanisme de rejet ou d’alerte.
Maintenance
Prévoir nouveaux produits, nouvelles séries et dérive des conditions visuelles.
ROI
Le coût d’un défaut client et celui d’un faux rejet doivent être chiffrés séparément.
Mesurer la réussite et repérer les signaux d'arrêt
Indicateurs
- Faux négatifs par type de défaut.
- Faux positifs et coût de rebut ou contrôle inutile.
- Temps d’inspection humain économisé.
- Latence et disponibilité du système sur la ligne.
- Taux de défauts clients ou de non-conformités avant / après.
Signaux d'arrêt
- Les défauts cibles ne sont pas définis de façon reproductible.
- Aucune image de défaut rare n’est disponible et aucun plan d’acquisition n’est prévu.
- Le volume de contrôle est trop faible pour amortir le système.
- Le coût d’un faux négatif est très élevé sans mécanisme de contrôle redondant.
Risques et questions à poser
- Dataset trop propre par rapport aux conditions de production.
- Faux négatifs rares mais coûteux masqués par une bonne précision moyenne.
- Sous-estimer l’ingénierie caméra, éclairage et temps réel.
- Ne pas prévoir le réentraînement lors de nouveaux produits.
Questions à poser
- Avez-vous déjà traité un défaut visuellement comparable au nôtre ?
- Quelle performance obtenez-vous par type de défaut, pas seulement en moyenne ?
- Combien d’images annotées sont nécessaires avant le premier test ?
- Qui conçoit le dispositif caméra/éclairage si nécessaire ?
- Comment le modèle réagit-il à un nouveau produit ou changement d’environnement ?
- Quel est le coût d’un faux rejet et comment l’intégrez-vous au seuil de décision ?
Sources et ressources
- France Num — Setic Pourtier : IA et qualité industrielle ↗Retour d’expérience régional sur l’exploitation de données de machines pour maintenance et suivi de qualité.
- France Num — Vision par ordinateur et contrôle qualité ↗Entrée thématique vers des cas et offreurs de vision par ordinateur référencés par France Num.
Questions fréquentes
Combien d’images faut-il pour un contrôle qualité IA ?
Il n’existe pas de nombre universel. La diversité des produits, défauts et conditions visuelles est plus importante qu’un volume brut. Le prestataire doit proposer un protocole d’acquisition et d’évaluation adapté.
La vision IA remplace-t-elle le contrôle humain ?
Parfois sur un contrôle très stable, mais beaucoup de projets conservent une revue humaine sur les cas incertains ou les défauts à fort impact.
Comment calculer le ROI ?
Chiffrez défauts non détectés, retours, rebuts, temps d’inspection, coût d’un faux rejet et coût du dispositif complet, y compris caméra et maintenance.
Vous avez un projet IA ou automatisation ?
Décrivez votre besoin, votre environnement et vos contraintes. Nous examinons les options : logiciel existant, automatisation, développement interne ou prestataire spécialisé. Une mise en relation n'est proposée que si elle est pertinente.
Décrire mon projet gratuitement →