La soutenance de thèse de Marvin Nurit aura lieu le 24 mars 2022 à 10h en salle 111 de l’Institut Marey Maison de la Métallurgie à Dijon, 64 B rue Sully.
La soutenance pourra également être suivie en ligne en se connectant au lien Teams suivant :
https://teams.microsoft.com/l/meetup-join/19%3ameeting_YjhmZDc1N2ItNzJhNy00Y2E0LThjODAtYmFmMGNmNGI1OWZk%40thread.v2/0?context=%7b%22Tid%22%3a%222fa58faf-7eb1-48b9-9964-a92659d1c5b8%22%2c%22Oid%22%3a%2231a8085e-ee7a-4043-9c0a-d3f23b43c94f%22%7d
La thèse s’intitule « Numérisation et caractérisation de l’apparence des surfaces manufacturées pour l’inspection visuelle » et sera défendue devant le jury composé de :
Maxence Bigerelle, Professeur des universités, LAMIH, Université Polytechnique Hauts de France, Rapporteur
Sylvie Chambon, Maîtresse de Conférences, HDR, IRIT, Toulouse INP, Rapporteuse
Saïda Bouakaz-Brondel, Professeure des univsersités, LIRIS, Lyon 1, Examinatrice
Jean-José Orteu, Professeur des Universités, Institut Clément Ader, Ecole des Mines d’Albi, Examinateur
Jean-Luc Maire, Maître de Conférences, HDR, Laboratoire SYMME, Université Savoie Mont-blanc, Examinateur
Alamin Mansouri, Professeur des Universités, Laboratoire ImViA, Université de Bourgogne, Directeur de thèse
Gaëtan Le Goïc, Maître de Conférences, Laboratoire ImViA, Université de Bourgogne, Co-encadrant
Hermine Chatoux, Maîtresse de Conférences, Laboratoire ImViA, Université de Bourgogne, Co-encadrante
Pierre Jochum, Expert Industriel, Département technique du Comité Francéclat, Besançon, Invité
Stéphane Maniglier, Expert Industriel, CETIM, Cluses, Invité
Laurent Gwinner, Expert Industriel, Invité
==========Résumé==========
La maitrise de la perception visuelle des surfaces des produits manufacturées est un enjeu central pour l’industrie. Or, en entreprise, la qualité des surfaces est souvent évaluée par des contrôleurs humains. Seul quelques cas spécifiques utilisent une approche instrumentale ou photométrique. Parmi les approches photométriques, l’une d’elle connaît un essor important: le Réflectance Transformation Imaging (RTI). Cependant cette technique présente des limites au niveau de l’acquisition et du traitement des données. L’objectif est donc de corriger certaines de ces limites afin d’améliorer le RTI et, par conséquent, le contrôle qualité visuel des états de surfaces dans l’industrie.
Les systèmes RTI actuels sont limités et ne peuvent répondre à nos besoins en terme d’implémentation et d’expérimentation des modalités et méthodes liées au RTI. Nous avons donc développer un système de mesure RTI couplé à un logiciel de pilotage. Cette ensemble nous permet l’accès au matériel et au code du logiciel pour ajouter, modifier, et contrôler, les paramètres et modalités d’acquisitions. Un des développements a consisté à implémenter une nouvelle modalité d’acquisition qui consiste à coupler le High Dynamic Range (HDR) au RTI (HD-RTI). Ce couplage permet de corriger un biais de mesure lié au temps d’exposition de la caméra et à la limite du capteur en terme de plage dynamique. Le HD-RTI mesure la pleine dynamique de la réponse en luminance des surfaces inspectées. Avec les donnée stéréo-photométrique HD-RTI, nous pouvons reconstruire virtuellement la scène en simulant un temps d’exposition arbitraire, mais aussi, mieux caractériser et donc discriminer les anomalies de surfaces.
Le RTI génère de grande quantité de données, qui se complexifie selon les modalités d’acquisition utilisées tel que le HD-RTI. Nous proposons une méthodologie afin de caractériser l’apparence des surfaces, à partir mesures RTI, basée sur l’utilisation de descripteurs de la géométrie et du comportement photométrique des surfaces. La variété des descripteurs permet une caractérisation fine des différents états de surface. A partir des descripteurs extraits des acquisitions RTI nous proposons une méthode afin d’estimer la saillance visuelle multi-échelle et multi-niveau en chaque pixel et permettre ainsi de discriminer les anomalies de surfaces. Une méthodologie, pour segmenter les données RTI en utilisant la saillance, et déterminer les descripteurs les plus pertinents à utiliser selon un critère global, est ensuite appliqué sur un cas d’application. Ensuite, le calcul de distance est étendue aux acquisitions RTI afin de comparer les états de surface. La distance est corrélé avec le degré de différence entre les caractéristiques des états de surfaces. Enfin, une distance est aussi calculée entre les modèles de reconstruction de l’apparence.