Recevez chaque jour toute l'actualité du numérique

x

Reconnaissance d'images et deep learning au service des opérateurs dans l'installation des câbles

Publi-Rédactionnel Capgemini a mis au point pour répondre à un besoin opérationnel d’Airbus un démonstrateur capable de lire en temps réel des informations inscrites sur des câbles de très petite taille et ce grâce à l’introduction d’une intelligence artificielle (IA) basée sur du deep learning (réseaux de neurones).
Twitter Facebook Linkedin Flipboard Email
×

Reconnaissance d'images et deep learning au service des opérateurs dans l'installation des câbles
Capgemini
Lire en temps réel et avec fiabilité une série de caractères imprimés sur un câble faisant moins d’un millimètre de diamètre, c’est le défi qu’a relevé une équipe d’ingénieurs du département de recherche de Capgemini. Ce challenge a été réalisé suite à un besoin opérationnel exprimé par le ProtoSpace d’Airbus, réseau mondial d'espaces collaboratifs et d'installations de prototypage rapide. Le constructeur européen doit en effet intégrer des dizaines de kilomètres de câblages dans les entrailles de ses avions. Certains sont extrêmement fins, mais les opérateurs doivent obligatoirement lire « manuellement » la référence du câble afin de les connecter au bon endroit. C’est sur cette opération, très minutieuse et chronophage, que l’équipe de Capgemini est intervenue. « Il fallait automatiser la lecture de ces références dans un environnement où les informations peuvent être masquées en raison de la courbure des câbles », explique Anne-Laure Cadène, directrice Recherche & Innovation au sein de l'entité Digital Engineering and Manufacturing Services de Capgemini.
 
Un démonstrateur présenté au salon du Bourget
 
Pour y parvenir, l’équipe de recherche de Capgemini a fait appel à certaines applications du deep learning en matière de reconnaissance d’images. En effet, les outils traditionnels existants OCR (Optical Character Recognition) n’ont pas l’efficacité requise pour une telle tâche. Après avoir sélectionné les réseaux de neurones les plus adaptés au cas d’usage d’Airbus, l’équipe de chercheurs a entraîné ces réseaux avec une base de données de plusieurs centaines d’images, jusqu’à ce que l’algorithme soit capable d’analyser et de retranscrire les caractères inscrits sur le câble. Un des intérêts du deep learning est que le système est capable de deviner la suite de caractères même quand une partie d’entre eux est masquée. Un premier démonstrateur a été présenté à Airbus début 2019, avec succès. Dans le cadre de son programme de recherche et d’innovation en intelligence artificielle Capgemini a amélioré son système en l’intégrant dans un boitier dans lequel l’opérateur insère le câble. La lecture d’image se fait à l’intérieur de cette boîte avec une mini caméra et le boitier est équipé d’un écran qui affiche les caractères lus. Ce dispositif est plus ergonomique pour les opérateurs sur la chaîne de montage et permet d’améliorer encore la précision de la lecture.
« Ce second démonstrateur sera présenté pour la première fois au salon du Bourget », ajoute Anne-Laure Cadène. L’autre intérêt de ce système est qu’il permet de stocker les données, et ainsi pouvoir les exploiter au-delà de la fonction reconnaissance d’images. 
Capgemini travaille dans le cadre de son programme de recherche et d’innovation en IA sur plusieurs types d’applications, dans trois domaines principaux : la reconnaissance d’images, la reconnaissance des sons, et des applications hybrides associant l’IA et des modèles physiques réels. « C’est très intéressant pour lever certains freins liés à la certification quand l’IA intervient dans la conception ou l’utilisation de systèmes », souligne Anne-Laure Cadène. Les applications vont naturellement au-delà du secteur aéronautique. Par exemple, la reconnaissance optique avec de l’IA peut booster un système de détection des défauts, sur une chaîne de montage automobile. L’IA couplé à la reconnaissance et l’analyse des sons peut trouver des débouchés dans la maintenance prédictive (identification de bruits anormaux, signes précurseurs d’une panne)