Développement d’un système intelligent de contrôle qualité industriel par Computer Vision pour la détection automatique des défauts de fabrication.

Développement d’un système intelligent de contrôle qualité industriel par Computer Vision pour la détection automatique des défauts de fabrication.

Data Science & Intelligence Artificielle

Dans le cadre de l'Industrie 4.0 (aéronautique, automobile, textile ou plasturgie), le contrôle qualité automatisé en temps réel sur ligne de production est primordial pour réduire les rebuts et garantir la conformité aux normes. Ce sujet se concentre sur le développement d'un système robuste d'inspection optique automatisée (AOI) basé sur des architectures de détection d'objets et de segmentation d'anomalies de pointe, optimisées pour une inférence à haute cadence (Edge AI / TensorRT).

Élève Ingénieur / Master en Vision par Ordinateur, IA Embarquée, Mécatronique ou Génie Industriel

• Constituer et annoter un dataset industriel de référence avec augmentation photoréaliste des données de défauts rares. • Évaluer et affiner des modèles d'inspection de surface et de détection fine (YOLOv8/v11, Segment Anything Model - SAM, PatchCore pour la détection semi-supervisée d'anomalies). • Optimiser les modèles pour l'inférence temps réel (> 30 FPS) sur GPU embarqué (NVIDIA Jetson / TensorRT). • Développer le sous-système de déclenchement d'alertes industrielles, d'archivage des non-conformités et de reporting statistique.

Computer Vision, YOLOv8/v11, PatchCore, OpenCV, TensorRT, NVIDIA Jetson, PyTorch, C++ / Python, Qt / Electron

1. Pipeline de vision industrielle optimisé avec modèle de détection d'anomalies temps réel.
2. Banc d'évaluation expérimental avec indicateurs de précision (mAP, F1-score, latence).
3. Console logicielle de supervision de ligne de production avec alertes et historique.
4. Mémoire de PFE détaillant la conception algorithmique et les contraintes industrielles.

Fiche du sujet : https://drettousyjamal.com/pfe/developpement-dun-systeme-intelligent-de-controle-qualite-industriel-par-comput

Candidature : https://intern.yanecode.com/apply