Un défaut filiforme met en défaut les métriques habituelles avant même de mettre en défaut les modèles. Une fissure large de deux pixels et longue de mille présente un rapport périmètre sur surface tel qu’un décalage d’un seul pixel sur toute sa longueur fait chuter son score de recouvrement de moitié. Le même décalage sur une tache circulaire de cent pixels de diamètre est indétectable.
Cette asymétrie n’est pas théorique. Un jeu de données récent d’inspection de façades la documente : les instances de fissures forment des structures fines et allongées dont le petit côté descend parfois sous cinq pixels, tandis que les régions d’écaillage peuvent dépasser 4 800 pixels dans leur plus grande dimension. Trois ordres de grandeur séparent les deux, dans un même corpus et sous une même métrique.
Cet article traite des défauts fins en détection de défauts : pourquoi ils exigent une segmentation plutôt qu’une boîte, quelles conventions de frontière écrire, comment mesurer sans se tromper de métrique et comment organiser l’annotation. Il prolonge le guide complet de la détection de défauts.
Quand la segmentation s’impose en détection de défauts
Les quatre primitives d’annotation utilisées en détection de défauts ne sont pas interchangeables, et la littérature du domaine énonce clairement ce que chacune permet.
Une synthèse sur la segmentation de défauts de surface le formule ainsi : la classification d’image fournit des décisions de niveau échantillon avec une grande efficacité mais aucune localisation spatiale, la détection d’objets offre une localisation au niveau de l’instance avec des frontières grossières, adaptée au triage rapide de défauts discrets ou épars, tandis que la segmentation sémantique produit une morphologie de défaut précise au pixel, permettant la quantification dimensionnelle, les statistiques de surface et la planification de reprise.
Cette hiérarchie donne directement le critère de choix de la primitive. Si la règle de décision qualité porte sur une dimension, longueur de fissure, surface d’écaillage, largeur de rayure, alors seule la segmentation permet de trancher. Si elle porte sur la présence ou sur le nombre, une primitive plus légère suffit.
Le cas particulier des défauts filiformes
Sur un défaut allongé, la boîte englobante devient franchement trompeuse. Une fissure diagonale de fine largeur produit une boîte dont l’immense majorité de la surface est du fond sain, si bien que la boîte ne renseigne ni sur la longueur réelle, ni sur le tracé, ni sur la surface affectée. Deux fissures très différentes peuvent produire des boîtes identiques.
C’est la raison pour laquelle les défauts fins imposent la segmentation, indépendamment du budget. Ce n’est pas une exigence de précision mais une exigence de représentation : la boîte ne code tout simplement pas l’information dont la décision qualité a besoin.
Instance ou sémantique
La distinction compte dès que le comptage entre dans la règle de décision. La segmentation sémantique indique quels pixels appartiennent à la classe fissure sans séparer les fissures entre elles ; la segmentation d’instances les sépare. Un réseau de faïençage, une porosité multiple, plusieurs rayures parallèles posent la question : combien d’objets. Si la règle de décision mentionne un nombre, l’instance est obligatoire, et le protocole doit alors définir explicitement ce qui constitue une instance distincte.
Pourquoi les métriques usuelles trompent
Le recouvrement moyen est la métrique par défaut de la détection de défauts, et c’est précisément le problème sur les défauts fins.
La même synthèse relève que l’évaluation en segmentation industrielle de défauts emprunte encore largement le recouvrement moyen utilisé dans les tâches d’images naturelles, alors que les objets industriels n’ont ni la taille ni la géométrie de ceux des corpus généralistes.
Le mécanisme de distorsion est purement géométrique. Le recouvrement compare une intersection à une union, et sur un objet fin la frontière représente une part énorme de la surface totale. Un annotateur légèrement plus généreux qu’un autre sur la délimitation produit un écart de score considérable, alors que leurs deux annotations décrivent la même fissure et conduiraient à la même décision qualité.
Deux conséquences en découlent. D’abord, un score de recouvrement faible sur une classe filiforme ne signifie pas nécessairement une mauvaise annotation, et un score élevé sur une classe étendue ne signifie pas nécessairement une bonne. Ensuite, comparer des classes entre elles par le recouvrement n’a pas de sens : l’écart mesuré reflète autant leur géométrie que leur difficulté.
Les métriques à ajouter
Trois métriques complémentaires corrigent cette distorsion. Le recouvrement de frontière mesure l’accord dans une bande étroite autour du contour plutôt que sur toute la surface, ce qui neutralise l’effet de taille ; le jeu de données sur le bois cité plus loin l’emploie explicitement. L’erreur de mesure compare directement la grandeur qui entre dans la règle de décision, longueur ou surface, ce qui est la métrique la plus directement interprétable par un qualiticien. Et le taux d’omission compte les défauts entièrement manqués, information qu’aucune métrique de recouvrement ne fait apparaître, puisqu’un objet absent ne contribue pas au calcul.
Une étude sur les défauts de bois illustre l’intérêt de ce triptyque. Sur des fissures fines de moins de deux millimètres de large, elle rapporte un taux d’omission initial de 24,67 % dû à une réponse faible des caractéristiques, puis après amélioration un recouvrement de frontière de 80 % et une erreur de mesure de 3,12 %, répondant aux exigences de classement industriel. Trois métriques distinctes, trois informations différentes, et c’est leur combinaison qui permet de conclure.
Les conventions de frontière en détection de défauts fins
Sur un défaut fin, la convention de délimitation pèse davantage sur la cohérence du corpus que le soin de l’annotateur. Quatre points doivent être tranchés par écrit.
Le contour progressif
Une fissure ne s’arrête pas net : elle s’atténue, se ramifie, devient invisible avant de disparaître. Le protocole doit dire où s’arrêter, par exemple à la limite de visibilité au grossissement de référence, ou à un seuil de contraste explicite. Sans cette règle, chaque annotateur fixe la sienne, et le corpus contient une variabilité que rien ne signale.
La zone d’influence
Certains défauts s’accompagnent d’une altération de leur voisinage : décoloration autour d’une piqûre, zone affectée thermiquement autour d’une soudure, écaillage périphérique d’une fissure. Faut-il inclure cette zone ? Les deux réponses sont défendables, aucune ne se déduit du bon sens, et la réponse dépend de ce que la règle qualité mesure.
L’interruption
Une fissure discontinue est-elle une instance ou plusieurs ? La question est décisive dès que le comptage ou la longueur cumulée entrent dans la règle. Le protocole doit fixer une distance de fusion explicite, par exemple deux segments alignés séparés de moins d’une valeur donnée forment une instance unique, et l’illustrer par des exemples plutôt que de l’énoncer abstraitement.
La ramification
Un réseau de fissures ramifiées pose la question inverse : une instance avec des branches ou plusieurs instances connectées. La convention retenue change radicalement le comptage, et donc la mesure de conformité.
Le profil des annotateurs
La segmentation fine sollicite une compétence particulière, distincte de celle qu’exige la reconnaissance de défauts.
Reconnaître qu’une fissure est présente relève du registre perceptif et s’acquiert rapidement. La délimiter de façon reproductible relève d’un geste, comparable à celui d’un dessinateur : régularité de la main, constance du niveau de zoom, discipline de balayage. Cette compétence gestuelle progresse avec la pratique et se mesure objectivement par l’accord d’un annotateur avec lui-même.
Deux conséquences pratiques. La formation doit comporter une part d’entraînement au geste, avec retour immédiat sur des cas de référence, et pas seulement une transmission de critères. Et la stabilité de l’équipe compte davantage ici que sur les tâches de classification, puisque le geste s’acquiert sur plusieurs semaines et se perd si la personne change de tâche.
L’ergonomie, facteur de coût dominant
La segmentation de défauts fins est la tâche d’annotation la plus coûteuse en temps de toute la détection de défauts, et une part importante de ce coût est imputable à l’outil.
Le tracé d’un contour long et étroit à fort grossissement demande de nombreuses actions précises, et chaque friction se cumule. Trois fonctions font une différence mesurable. Un outil de tracé adapté aux structures allongées, permettant de suivre un axe et d’appliquer une largeur, plutôt qu’un tracé de polygone point par point. La persistance de l’état de navigation entre images, qui évite de reconstruire le point de vue. Et une assistance au contour, seuillage local ou propagation, dont l’annotateur corrige le résultat plutôt que de tracer de zéro.
Une pratique mérite d’être signalée : l’annotation par axe médian plutôt que par contour. Sur un défaut filiforme de largeur relativement constante, tracer la ligne centrale et renseigner une largeur produit un masque exploitable pour une fraction du temps d’un contour complet. La méthode ne convient pas aux défauts à largeur variable, mais elle transforme l’économie du projet là où elle s’applique.
La résolution, contrainte préalable
Aucune convention d’annotation en détection de défauts ne compense une résolution insuffisante, et cette contrainte se fixe avant la collecte.
La règle pratique est qu’un défaut doit couvrir plusieurs pixels dans sa plus petite dimension pour être délimitable de façon reproductible. En dessous, deux annotateurs compétents produisent des masques différents parce que le signal lui-même est ambigu, et aucune formation ne corrige cela.
Cette contrainte se heurte à une réalité industrielle : augmenter la résolution réduit le champ, donc multiplie les acquisitions et le temps de cycle. L’arbitrage se fait au cadrage, en partant de la plus petite dimension à détecter selon la règle qualité et en remontant vers l’optique. Un projet de détection de défauts qui découvre cette contrainte après la collecte doit tout reprendre.
La pré-annotation assistée sur les défauts fins
Les modèles généralistes de segmentation, entraînés à isoler des objets compacts sur images naturelles, performent mal sur les structures filiformes. C’est une différence importante avec les autres tâches de détection de défauts, où l’assistance apporte un gain immédiat.
Trois mécanismes expliquent cette faiblesse. La réduction progressive de résolution interne aux architectures usuelles efface les structures d’un ou deux pixels de large, phénomène que l’étude sur le bois citée plus haut attribue explicitement à une réponse faible des caractéristiques. La supervision par recouvrement pénalise peu l’oubli d’un objet fin, si bien que le modèle apprend qu’il est peu coûteux de le manquer. Et la topologie n’est pas contrainte : un modèle peut produire un masque de recouvrement correct tout en fragmentant une fissure continue, ce qui détruit la mesure de longueur.
Trois formes d’assistance restent néanmoins utiles. La suggestion d’axe, où le modèle propose un tracé central que l’annotateur ajuste. Le seuillage local guidé, où l’annotateur désigne le défaut et l’outil propage selon le contraste. Et le pré-tri, où le modèle signale les images contenant probablement un défaut fin sans le délimiter, ce qui économise le parcours sans risquer l’ancrage sur un masque erroné.
Découpage et objets tronqués
Les images industrielles haute résolution sont fréquemment découpées en tuiles pour l’entraînement, et cette opération pose un problème propre aux défauts allongés.
Une fissure traversant plusieurs tuiles se trouve coupée en fragments, dont chacun devient une instance distincte du point de vue du modèle. Trois conséquences suivent. Le comptage est faussé si la reconstruction n’est pas prévue. La longueur mesurée est sous-estimée sur chaque fragment. Et un fragment isolé peut devenir ininterprétable, un morceau de fissure sans contexte ressemblant à une rayure.
Les parades sont connues et doivent figurer dans la conception : un recouvrement entre tuiles suffisant pour que chaque fragment conserve du contexte, et une procédure de fusion des instances à la reconstruction, fondée sur la continuité géométrique aux bords. Cette procédure doit être testée avant la production, comme toute chaîne de conversion.
Le contrôle qualité des défauts fins en détection de défauts
Le dispositif de contrôle suit la logique générale du domaine, avec deux inflexions imposées par la géométrie.
La première est la stratification obligatoire par géométrie et non seulement par classe. Regrouper dans une même mesure des défauts filiformes et des défauts étendus produit un score qui ne décrit ni les uns ni les autres. Les métriques se rapportent séparément par famille de forme.
La seconde est la mesure spécifique du biais directionnel. Un annotateur droitier tend à tracer plus précisément dans un sens que dans l’autre, et cet effet est documenté : sur les défauts fins, il produit un décalage systématique du masque qui ne se voit dans aucune métrique agrégée. Le détecter suppose de comparer, sur un même défaut annoté par plusieurs personnes, la position des contours plutôt que leur seul recouvrement.
S’y ajoute une pratique utile : demander l’annotation en double de quelques défauts par le même annotateur à quelques semaines d’intervalle. L’accord intra-annotateur sur un défaut fin est révélateur, et un annotateur en désaccord avec lui-même signale une convention de frontière insuffisamment définie.
Ce que la précision coûte réellement
Un arbitrage économique traverse tout projet de détection de défauts fins, et il gagne à être posé explicitement.
Le temps d’annotation croît fortement avec la précision exigée, et cette croissance n’est pas linéaire. Passer d’un contour approximatif à un contour soigné double environ le temps ; viser une précision au pixel sur des structures ramifiées le multiplie davantage. Le coût marginal des derniers points de précision est élevé.
La question utile n’est donc pas quelle précision viser mais quelle précision la règle de décision exige. Si le classement du produit dépend d’une longueur de fissure au millimètre près, la précision se justifie. Si le seuil est franc et que les défauts observés sont soit très en deçà soit très au delà, une délimitation approximative suffit et l’économie est considérable.
Une stratégie mixte est souvent la bonne réponse. Annoter finement un sous-ensemble représentatif, suffisant pour que le modèle apprenne la géométrie fine, et plus grossièrement le reste du volume, produit un corpus efficace à un coût nettement inférieur. Cette approche suppose de documenter précisément quelle partie du corpus relève de quel niveau, sous peine de rendre les métriques ininterprétables.
Ce que le corpus doit contenir
La composition d’un corpus de détection de défauts fins obéit à deux exigences que les projets sous-estiment.
La première concerne la couverture géométrique. Les défauts filiformes se déclinent en orientations, en courbures, en largeurs et en niveaux de contraste, et un corpus qui ne couvre qu’une partie de cette gamme produit un modèle qui échoue sur le reste. Une fissure horizontale et une fissure diagonale ne se ressemblent pas du point de vue d’un réseau de convolution, et la couverture doit être vérifiée explicitement plutôt que supposée.
La seconde concerne les cas négatifs difficiles. Sur un matériau texturé, de nombreux éléments ressemblent à une fissure fine sans en être une : joint, trace d’outil, cheveu, fibre, rayure de manipulation. Un corpus ne contenant que des fissures réelles et du fond banal produit un modèle qui signale tout ce qui est allongé. Annoter délibérément ces confusions comme cas négatifs documentés est l’un des investissements les plus rentables d’un projet de détection de défauts fins.
Les erreurs les plus fréquentes
- Choisir la boîte englobante pour des défauts filiformes, qui ne code pas l’information utile.
- Comparer des classes de géométries différentes par le seul recouvrement moyen.
- Omettre le taux d’omission, qu’aucune métrique de recouvrement ne fait apparaître.
- Ne pas fixer de règle d’arrêt pour les contours progressifs.
- Laisser implicite la distance de fusion des segments interrompus.
- Ne pas trancher le traitement des réseaux ramifiés, ce qui fausse le comptage.
- Fixer la résolution après la collecte plutôt qu’à partir de la plus petite dimension à détecter.
- Découper en tuiles sans recouvrement ni procédure de fusion des instances.
- Exiger une précision au pixel là où la règle de décision ne la demande pas.
- Négliger la mesure du biais directionnel, invisible dans les métriques agrégées.
Livrer un masque exploitable
Le format de sortie mérite une attention particulière sur cette tâche, parce que les défauts fins supportent mal les conversions.
Un masque matriciel conserve fidèlement la géométrie mais pèse lourd sur des images haute résolution. Une représentation polygonale est plus compacte et se dégrade fortement sur les structures fines, un contour de deux pixels de large devenant un polygone dont la simplification supprime l’objet. Une représentation par axe et largeur est la plus compacte et la plus fidèle pour les défauts filiformes réguliers, à condition que l’équipe d’apprentissage sache la consommer.
La règle prudente consiste à convenir du format avec l’équipe destinataire avant l’annotation et à tester la conversion sur quelques cas extrêmes, le défaut le plus fin et le plus ramifié du corpus, plutôt que sur des cas moyens. Une simplification qui préserve un contour de cinquante pixels peut effacer une fissure de deux.
Ce qu’il faut retenir
Les défauts fins imposent la segmentation non par exigence de qualité mais par nécessité de représentation : aucune primitive plus légère ne code la longueur, le tracé et la surface dont la décision qualité a besoin. Cette contrainte se paie en temps d’annotation, et l’essentiel de la maîtrise consiste à ne payer que ce que la règle exige.
Trois décisions structurent un projet réussi. Écrire les quatre conventions de frontière, arrêt du contour progressif, zone d’influence, fusion des interruptions et traitement des ramifications, avec des exemples visuels plutôt que des énoncés. Mesurer avec un triptyque, recouvrement de frontière, erreur de mesure et taux d’omission, plutôt qu’avec le seul recouvrement moyen qui distord tout sur les structures fines. Et fixer la résolution à partir de la plus petite dimension à détecter, avant toute collecte, puisque aucune convention ne rattrape un signal absent.
Pour les approches, l’ontologie et les tâches d’annotation, le guide complet de la détection de défauts pose le cadre. Pour une extension du domaine vers des tâches où la précision géométrique cède la place à la lecture et au dimensionnement, l’article consacré à la vision par ordinateur en logistique détaille les contraintes propres aux colis, aux palettes et au tri automatisé.
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 de segmentation fine et souhaitez cadrer les conventions et le niveau de précision avant de lancer la production, échangeons sur votre projet.
