Bois, textile, verre – la détection de défauts selon les matériaux

Trois matériaux, une même tâche apparente, et trois problèmes physiques sans rapport entre eux. Sur le bois, le défaut doit être distingué d’un motif naturel qui lui ressemble. Sur le textile, il se manifeste comme une rupture dans une trame régulière, sur un support qui se déforme entre deux acquisitions. Sur le verre, il faut voir un défaut porté par une surface que la lumière traverse.

Cette diversité explique pourquoi une solution de détection de défauts éprouvée sur un matériau ne se transpose pas au suivant. Ce qui se transfère, c’est la méthode : la façon de concevoir l’éclairage, de construire l’ontologie et de mesurer la qualité. Ce qui ne se transfère pas, c’est le montage optique, le modèle et le corpus.

Cet article compare ces trois familles sous l’angle de leurs contraintes propres, en complément du guide complet de la détection de défauts et de l’article consacré aux surfaces métalliques, dont les problématiques sont encore différentes.

Pourquoi le matériau change le problème de détection de défauts

Trois axes suffisent à situer n’importe quel matériau en détection de défauts et à anticiper l’essentiel de ses difficultés.

Ils se combinent, et c’est leur combinaison plutôt que chacun pris isolément qui détermine la difficulté. Le premier est le motif de fond. Une surface unie rend toute irrégularité évidente ; une surface fortement texturée oblige à distinguer l’irrégularité normale de l’anormale. Le second est le comportement optique. Une surface diffusante se photographie simplement, une surface réfléchissante impose de maîtriser la géométrie de l’éclairage, une surface transparente pose un problème de nature différente puisque l’image contient aussi ce qui se trouve derrière. Le troisième est la variabilité naturelle. Un matériau manufacturé homogène permet de définir la normalité par un gabarit ; un matériau naturel ne le permet pas, et la frontière entre variation acceptable et défaut devient une convention.

Le bois cumule fond texturé et variabilité naturelle maximale. Le textile cumule fond régulier et déformabilité. Le verre cumule fond uniforme et transparence. Chacun combine donc une difficulté majeure avec une facilité relative, et c’est cette combinaison qu’il faut identifier au cadrage.

Le bois : le défaut contre le motif naturel

Le bois est le cas de détection de défauts où la frontière entre singularité normale et défaut est la plus floue, parce que cette frontière n’est pas physique mais commerciale.

Le nœud n’est pas toujours un défaut

C’est le point que les équipes venues d’autres secteurs comprennent le plus mal. Un nœud provient de l’insertion d’une branche dans le tronc. Il n’est pas une anomalie de fabrication mais une caractéristique de la matière, dont l’acceptabilité dépend entièrement de l’usage. Encore faut-il le qualifier : un jeu de données de référence distingue explicitement les nœuds adhérents des nœuds tombants, les premiers étant structurellement intégrés et de couleur homogène, les seconds plus sombres, fissurés et faiblement attachés. La distinction est visuelle, mais elle est surtout structurelle : le second compromet la résistance et se détache, le premier non.

Cette même source rappelle que la détection des nœuds repose encore largement sur l’inspection visuelle manuelle, décrite comme laborieuse, subjective et inconstante. La subjectivité mentionnée est exactement ce que le protocole d’annotation doit réduire, et elle ne se réduit pas sans critères écrits.

Trois difficultés documentées

Une analyse des limites des architectures usuelles appliquées au bois identifie trois obstacles récurrents : le sous-échantillonnage répété affaiblit la réponse des contours ténus des microfissures, l’agrégation par convolution brouille les frontières peu contrastées face aux textures de fil complexes, et la fusion profonde mêle les indices de défaut aux motifs naturels répétitifs, ce qui produit des fausses détections.

Ces trois obstacles se traduisent directement en exigences sur l’annotation et sur le corpus. La perte de détail fin impose de travailler à une résolution suffisante et de ne pas sous-estimer le coût induit. Les frontières floues imposent une convention de délimitation écrite pour les altérations diffuses. Et la confusion avec le motif naturel impose que le corpus contienne massivement des exemples de fil marqué sans défaut, faute de quoi le modèle apprendra que toute texture prononcée est suspecte.

Une densité de défauts élevée

Contrairement à l’industrie manufacturée où le défaut est rare, le bois en présente beaucoup. Un jeu de données de grande taille rapporte jusqu’à seize défauts sur une même image, et dix types répertoriés incluant plusieurs sortes de nœuds, des fentes, des taches bleues, des poches de résine et des moelles. Le problème du déséquilibre de classes, central ailleurs, se pose donc différemment : la difficulté n’est pas de trouver des défauts mais de tous les annoter, et le coût par image devient élevé.

Classer plutôt que rejeter

Dernière particularité, et sans doute la plus structurante : le bois se classe, il ne se rebute pas. Une pièce présentant des singularités est déclassée vers un usage moins exigeant, pas éliminée. La sortie attendue du système n’est donc pas une décision binaire mais une affectation de classe commerciale, ce qui suppose que l’annotation capture la nature, la taille et la position de chaque singularité, et non sa seule présence.

Le textile : la rupture de trame

Le textile présente le profil inverse du bois : un fond très régulier, ce qui facilite la détection, et un support déformable, ce qui la complique.

Le défaut comme perturbation de texture

La logique du domaine est bien résumée dans la littérature sur l’analyse de texture : les anomalies de surface perturbent la texture primaire de la surface, ce qui établit une relation étroite entre analyse de texture et détection de défauts. Sur un tissu, la trame constitue un motif périodique, et un défaut se manifeste comme une rupture locale de cette périodicité : fil manquant, fil double, trou, tache, écart de tension.

Cette propriété rend les méthodes fondées sur la régularité particulièrement efficaces, y compris des approches classiques peu coûteuses. Elle explique aussi que la détection d’anomalie non supervisée fonctionne bien sur ce matériau, l’apparence normale étant hautement prédictible.

La déformation du support

La difficulté principale de ce matériau est mécanique plutôt qu’optique. Un tissu se tend, se plisse, ondule, et sa géométrie diffère d’une acquisition à l’autre. Toute méthode fondée sur la comparaison à un gabarit devient inopérante, et l’annotation doit tenir compte du fait qu’un même défaut peut apparaître étiré, comprimé ou partiellement masqué par un pli. Le protocole doit préciser le traitement des zones plissées : les exclure explicitement ou les annoter comme non interprétables, jamais les laisser à l’appréciation individuelle.

L’inspection en ligne et ses limites

Le textile est l’un des rares domaines où l’inspection automatisée en cours de production existe depuis plusieurs décennies. Un état des lieux du domaine relève cependant deux limites persistantes : ces systèmes détectent les défauts mais ne les mesurent pas quantitativement avec précision, ils sont sensibles aux vibrations inévitables des machines, et les boucles de rétroaction pour la prévention des défauts ne sont pas établies.

Ces limites sont instructives pour un projet actuel. Détecter ne suffit pas si la règle de classement du tissu repose sur des mesures, ce qui est le cas des systèmes de points de pénalité utilisés dans la profession. L’annotation doit donc capturer la longueur ou la surface du défaut, et pas seulement sa position.

La couleur et le motif imprimé

Une difficulté supplémentaire apparaît sur les tissus imprimés ou à motif complexe : le fond cesse d’être une trame régulière et devient un dessin, ce qui prive les méthodes fondées sur la périodicité de leur principal appui. Un tissu à motif se traite alors davantage comme du bois que comme une toile unie, et le corpus doit couvrir chaque motif de la gamme. Les projets qui négligent ce point se retrouvent avec un système efficace sur les unis et inutilisable sur les collections imprimées, c’est-à-dire souvent sur la part la plus rentable de la production.

L’unité d’inspection

Le tissu est un produit continu, ce qui pose la même question que les tôles en bande : que constitue une unité inspectée ? Le classement se faisant généralement au rouleau ou à la pièce, avec un cumul de pénalités par unité de longueur, l’annotation doit conserver la position le long du rouleau. Cette information ne se reconstitue pas après coup à partir des images seules.

Le verre : voir ce qui est transparent

Le verre pose le problème de détection de défauts le plus singulier, parce que l’objet à inspecter n’arrête pas la lumière.

La difficulté optique

Le problème se pose en des termes que l’intuition ne prépare pas. Sur une surface opaque, l’image reçue provient de la surface. Sur une surface transparente, elle provient de la surface, de l’intérieur du matériau et de l’arrière-plan simultanément. Trois conséquences en découlent : le contraste des défauts de surface est intrinsèquement faible, l’arrière-plan devient un paramètre de l’acquisition qu’il faut maîtriser, et la profondeur du défaut, en surface ou en masse, doit être distinguée alors qu’elle n’est pas directement observable.

Une étude consacrée aux optiques de phares automobiles résume les obstacles : la détection de défauts sur verre transparent se heurte à une grande variété de formes et de tailles de défauts ainsi qu’à la difficulté d’identifier les défauts de surface transparents, et la réponse retenue passe par un éclairage multi-angle.

L’éclairage comme solution principale

C’est sur ce matériau que la conception optique produit le plus grand écart entre un projet qui aboutit et un projet qui échoue. Un éclairage en champ sombre transforme un défaut diffusant en point lumineux sur fond noir, ce qui résout une grande partie du problème de contraste. Un éclairage traversant révèle les inclusions et les bulles. Un motif structuré projeté à travers la pièce révèle les déformations optiques et les défauts de planéité par la distorsion du motif.

La conséquence pratique est qu’un projet de détection de défauts sur verre commence par le banc optique, et que les images acquises sous plusieurs configurations doivent être associées au même objet. L’ontologie doit alors préciser, pour chaque type de défaut, sous quelle configuration il fait foi.

Le déficit de données publiques

La même étude signale un problème structurel : les rares jeux de données existants pour la détection de défauts sur verre sont de petite taille, la plupart portent sur du verre d’écran de téléphone qui n’est pas transparent, et ils souffrent de déséquilibre de classes. Autrement dit, il n’existe pas de point de départ public utilisable pour le verre réellement transparent, et un projet doit constituer son corpus intégralement.

Le cuir, la pierre et les autres matériaux naturels

Les trois familles traitées ici couvrent les cas les plus fréquents, mais elles ne sont pas isolées. Le cuir, la pierre naturelle, le papier, la céramique et les composites relèvent des mêmes axes d’analyse et se situent simplement à des positions différentes sur ceux-ci.

Le cuir se rapproche du bois par sa variabilité naturelle extrême et par le fait que ses singularités, marques de vie de l’animal, sont acceptables ou non selon l’usage. Il s’en distingue par l’absence de motif directionnel régulier, ce qui rend le fond moins prédictible encore. La pierre partage la texture prononcée du bois avec une variabilité entre blocs plus grande encore, et son classement commercial repose largement sur l’aspect. Le papier et les non-tissés se rapprochent du textile par leur régularité et leur caractère continu, sans la déformabilité de la trame.

Pour un projet de détection de défauts sur un matériau non traité ici, la démarche utile consiste à le situer sur les trois axes, motif de fond, comportement optique et variabilité naturelle, puis à emprunter les conventions du matériau le plus proche plutôt que de repartir de zéro.

Ce que ces matériaux ont en commun

Malgré leurs différences, ces trois familles partagent un trait qui les sépare nettement de l’industrie manufacturée classique : la décision de conformité est en partie commerciale.

C’est un déplacement important, qui change la nature de l’ontologie à construire. Sur le métal usiné, une cote est conforme ou ne l’est pas. Sur le bois, le textile et le verre, une même singularité est acceptable pour un usage et rédhibitoire pour un autre, et le seuil se négocie avec le client final. Cette réalité a deux conséquences pour l’annotation. D’abord, l’ontologie doit être descriptive et non décisionnelle : elle décrit ce qui est présent, la règle de classement s’appliquant ensuite. Ensuite, la même annotation doit pouvoir servir plusieurs règles, ce qui plaide pour une granularité fine et pour la conservation d’attributs mesurables.

Ils partagent également une exigence de représentativité forte. Essence et provenance pour le bois, armure et matière pour le textile, épaisseur et teinte pour le verre : chacun de ces paramètres modifie l’apparence normale, et un corpus qui n’en couvre qu’une valeur produira un modèle inutilisable sur les autres.

L’annotation en détection de défauts, matériau par matériau

Les différences entre matériaux se traduisent en choix concrets de primitive d’annotation et de protocole.

Sur le bois, la primitive utile est généralement la boîte englobante ou le polygone, avec des attributs de type, de taille et de position, puisque la règle de classement mobilise ces trois informations. La densité élevée de singularités impose un balayage systématique et un contrôle par comptage, plus proche de ce qui se pratique en dénombrement que d’une détection classique.

Sur le textile, la primitive doit permettre la mesure, donc le polygone ou le masque plutôt que la boîte, et la position le long de la pièce doit être conservée en métadonnée. La classe des zones plissées ou non interprétables est indispensable.

Sur le verre, chaque défaut doit être rattaché à la configuration d’éclairage sous laquelle il est visible, et la distinction entre défaut de surface et défaut de masse doit figurer comme attribut lorsque le montage permet de la faire. C’est aussi le matériau où la classe de rejet de l’image est la plus sollicitée, les reflets parasites étant fréquents.

Le contrôle qualité d’une détection de défauts selon le matériau

La stratification du contrôle en détection de défauts doit suivre le facteur de variabilité dominant, qui diffère d’un matériau à l’autre.

Pour le bois, la stratification pertinente porte sur l’essence et sur l’intensité du fil, puisque c’est le motif de fond qui détermine la difficulté. Pour le textile, elle porte sur l’armure et sur la couleur, un tissu foncé à armure serrée n’ayant rien à voir avec une toile claire. Pour le verre, elle porte sur la configuration d’éclairage et sur l’épaisseur.

Dans les trois cas, la mesure d’accord entre annotateurs doit être conduite séparément par strate. Un accord global satisfaisant sur un corpus mêlant plusieurs essences ou plusieurs armures ne dit rien de la cohérence à l’intérieur de chacune, et c’est cette cohérence qui détermine ce que le modèle pourra apprendre.

Le coût comparé des trois matériaux

Les trois familles ne se budgètent pas de la même façon, et l’écart tient à des facteurs différents dans chaque cas.

Le bois est le plus coûteux à l’image, du fait de la densité de singularités à annoter et de l’ambiguïté de leurs limites. Le facteur multiplicateur est le nombre d’essences à couvrir, chacune constituant en pratique un sous-corpus. Le textile est le moins coûteux à l’unité annotée, la trame régulière rendant les défauts nets, mais le volume à parcourir est élevé puisque le produit est continu et le taux de défaut faible. Le facteur multiplicateur est ici le nombre d’armures et de coloris.

Le verre occupe une position intermédiaire en coût d’annotation mais réclame l’investissement initial le plus lourd, puisqu’aucun jeu public exploitable n’existe et que le banc optique conditionne tout le reste. Sur ce matériau, la phase de conception optique et de constitution du corpus initial représente une part du budget sans équivalent dans les deux autres cas.

Les erreurs les plus fréquentes

• Transposer un montage optique validé sur un matériau vers un autre matériau.
• Construire une ontologie décisionnelle là où la règle de classement varie selon le client.
• Sur le bois, ne pas distinguer les types de nœuds alors que leur conséquence structurelle diffère.
• Sur le bois, sous-estimer le coût lié à la densité élevée de singularités par image.
• Sur le textile, ne pas prévoir de classe pour les zones plissées ou non interprétables.
• Sur le textile, annoter la présence sans la mesure alors que le classement repose sur des pénalités.
• Sur le verre, négliger la maîtrise de l’arrière-plan, qui fait partie de l’image.
• Sur le verre, s’appuyer sur des jeux publics constitués sur du verre non transparent.
• Ne pas conserver la position le long du produit continu, information irrécupérable ensuite.
• Mesurer l’accord entre annotateurs globalement plutôt que par strate de matière.

Ce qu’il faut retenir

Le matériau détermine la nature du problème de détection de défauts avant toute considération d’algorithme. Le bois impose de séparer le défaut d’un motif naturel qui lui ressemble, le textile impose de mesurer sur un support qui se déforme, le verre impose de rendre visible ce qui ne l’est pas spontanément. Ces trois obstacles se traitent par l’optique et par le protocole, pas par le choix d’une architecture.

Trois décisions structurent un projet réussi sur ces matériaux. Concevoir le banc optique en fonction du comportement de la matière, en acceptant plusieurs configurations lorsque c’est nécessaire. Construire une ontologie descriptive et suffisamment fine pour alimenter plusieurs règles de classement, puisque la conformité y est en partie commerciale. Et couvrir dès le corpus initial la diversité des essences, armures, teintes ou épaisseurs qui constitue la variabilité normale du matériau.

Pour les approches, l’ontologie générale et les tâches d’annotation, le guide complet de la détection de défauts pose le cadre. Pour un matériau à l’opposé de ceux traités ici, où les défauts sont minuscules et la géométrie parfaitement maîtrisée, l’article consacré à l’inspection de PCB et de composants électroniques détaille les contraintes propres à la micro-inspection.

Pour approfondir les modalités d’exécution, les formats pris en charge et les dispositifs de contrôle applicables, vous pouvez consulter notre page dédiée à l’annotation pour l’industrie. Et si vous préparez un corpus d’inspection sur bois, textile ou verre et souhaitez cadrer l’ontologie et le protocole avant de lancer la production, échangeons sur votre projet.