Vision par ordinateur en logistique – colis, palettes et tri automatisé

La logistique constitue une extension naturelle de la détection de défauts industrielle, et pourtant elle en inverse plusieurs principes. En production, l’objet inspecté est connu, positionné, éclairé de façon maîtrisée, et le défaut est rare. Sur un convoyeur de tri, l’objet est inconnu jusqu’à son arrivée, il se présente dans une orientation quelconque, il peut être posé sur un autre, et ce qu’on cherche n’est pas toujours un défaut mais une information.

Cette inversion change la nature des tâches d’annotation. Un projet logistique combine typiquement de la lecture, de la mesure, de la reconnaissance et de la détection d’anomalie sur un même flux, alors qu’un projet de contrôle qualité en isole généralement une seule. Cette hétérogénéité est le principal facteur de complexité du domaine.

Cet article traite des trois grandes familles de tâches logistiques, colis, palettes et tri, et de ce qu’elles impliquent pour l’annotation. Il prolonge le guide complet de la détection de défauts, dont il reprend les principes de protocole et de contrôle.

Ce qui distingue la logistique de la détection de défauts en production

Quatre différences structurelles séparent les deux contextes, et chacune a des conséquences directes sur la conception du corpus.

L’objet est inconnu

Une ligne de production traite une référence dont la géométrie est documentée. Un centre de tri traite ce qui arrive : cartons de toutes tailles, sacs souples, enveloppes, objets non emballés, palettes hétérogènes. Il n’existe pas de gabarit de référence, ce qui exclut d’emblée les approches par comparaison à un modèle et impose des méthodes tolérantes à la variabilité de forme.

La présentation est libre

En production, un système de convoyage garantit une position répétable. En logistique, un colis arrive dans une orientation quelconque, parfois posé sur une face inattendue, éventuellement en contact ou en recouvrement avec ses voisins. L’occlusion partielle n’est pas un cas limite mais une situation courante, et le protocole d’annotation doit la traiter comme telle plutôt que comme une exception.

La cadence est extrême

Les débits d’un centre de tri se comptent en milliers de colis par heure, ce qui laisse un temps de traitement très court par objet et impose souvent plusieurs caméras couvrant des angles complémentaires. Cette multiplicité pose une question d’annotation propre : plusieurs vues d’un même colis doivent être rattachées entre elles, faute de quoi le corpus contient des observations qu’on croit indépendantes et qui ne le sont pas.

La finalité n’est pas la conformité

Un contrôle qualité produit une décision de conformité. Un système logistique produit une information d’acheminement, une mesure, ou un constat d’état à valeur contractuelle. Cette dernière catégorie introduit une exigence de preuve absente en production : lorsqu’un dommage est constaté, l’image et son horodatage servent à établir une responsabilité entre transporteur, expéditeur et destinataire.

La lecture d’informations

C’est la famille de tâches la plus volumineuse en logistique, et la plus éloignée de la détection de défauts au sens strict.

Codes et symboles

La lecture de codes-barres et de symboles bidimensionnels est un problème largement résolu par des algorithmes dédiés, qui n’exigent pas d’apprentissage. L’annotation intervient lorsque la lecture échoue : localiser le code sur l’image, qualifier la cause d’échec, code masqué, abîmé, flou, mal orienté, absent. Ce corpus de cas d’échec est ce qui permet d’améliorer le taux de lecture, et il est plus utile qu’un corpus de codes lisibles.

Texte manuscrit et imprimé

Les adresses, mentions de fragilité, numéros de commande et instructions manuscrites relèvent de la reconnaissance de texte. L’annotation combine ici deux niveaux : la localisation des zones de texte et leur transcription. Cette dernière est une tâche de nature différente des autres, elle demande une attention linguistique et pose des questions propres, notamment sur la transcription des caractères ambigus et sur le traitement des mentions barrées ou corrigées, fréquentes sur les étiquettes réexpédiées.

Les langues et les formats

Un flux international mêle des étiquettes en plusieurs langues, plusieurs alphabets et selon des formats d’adresse qui diffèrent d’un pays à l’autre. Cette diversité concerne l’annotation à deux titres. La transcription suppose des annotateurs capables de lire les écritures présentes, ce qui n’est pas une compétence de vision mais linguistique. Et la structuration, c’est-à-dire l’identification du destinataire, de la voie et du code postal, dépend de conventions nationales qu’un annotateur non familier appliquera de travers. Restreindre le périmètre aux flux et aux langues effectivement traités par le site, plutôt que de viser une couverture universelle, est le premier levier d’économie sur ces tâches.

La question des données personnelles

Une étiquette de colis porte un nom, une adresse, souvent un numéro de téléphone. Un corpus logistique contient donc massivement des données personnelles, ce qui n’est pas le cas d’un corpus de contrôle qualité. Cette différence impose un traitement spécifique : masquage des zones nominatives lorsque la tâche ne porte pas sur elles, environnement de travail contrôlé lorsque la transcription est nécessaire, et politique de conservation explicite.

C’est un point que les projets logistiques découvrent souvent tard, alors qu’il conditionne l’architecture d’annotation. Un corpus de lecture d’adresses ne se traite pas comme un corpus de détection de dommages, et l’un peut être partagé plus largement que l’autre.

La mesure et le dimensionnement

Le calcul du volume d’un colis conditionne la tarification, l’optimisation du chargement et la détection d’écarts déclaratifs. C’est une tâche de mesure, pas de reconnaissance.

Trois approches coexistent et se distinguent par leur exigence d’annotation. La mesure par capteur tridimensionnel dédié, qui ne relève pas de l’annotation d’images. L’estimation par vision stéréoscopique ou par caméra de profondeur, qui exige une annotation de référence obtenue par un autre moyen. Et l’estimation monoculaire, qui suppose un référentiel connu dans la scène et reste la moins précise.

La conséquence pour l’annotation est importante : une tâche de mesure ne s’annote pas en délimitant l’objet, elle s’annote en associant à chaque image une valeur de référence mesurée physiquement. Le travail d’annotation devient un travail de mise en correspondance entre images et mesures, avec les questions d’horodatage et d’appariement que cela implique.

Un cas intermédiaire mérite d’être signalé : la délimitation des faces du colis, qui permet ensuite un calcul géométrique. Cette annotation ressemble à de la segmentation classique, mais sa règle diffère, puisqu’il s’agit de délimiter la face visible du parallélépipède et non le contour apparent de l’objet, ce qui inclut les parties occultées par la perspective.

La détection de dommages, cœur de la détection de défauts logistique

C’est la famille la plus proche de l’inspection industrielle classique, et celle où les principes du domaine s’appliquent le plus directement.

La taxonomie

Les catégories usuelles de dommage sont peu nombreuses et bien identifiées : écrasement ou déformation, perforation ou déchirure, ouverture ou décollement d’adhésif, souillure ou trace d’humidité, et emballage inadapté. À ces catégories s’ajoute une classe déterminante en logistique : l’anomalie de fermeture, colis mal refermé ou reconditionné, dont l’enjeu est autant sécuritaire que qualitatif.

La difficulté propre au carton

C’est ici que la détection de défauts logistique rencontre sa difficulté propre. Un emballage neuf est rare. Un carton ayant transité présente normalement des marques de manipulation, des angles émoussés, des adhésifs de transporteur, des étiquettes superposées. La frontière entre usure normale et dommage réel est donc floue, et elle dépend du référentiel contractuel plutôt que d’un critère physique.

Cette situation ressemble à celle du bois ou du textile traitée ailleurs : la conformité est en partie commerciale. La conséquence est identique, l’ontologie doit être descriptive et non décisionnelle, et l’annotation doit capturer la gravité par des critères mesurables, profondeur apparente de l’enfoncement, longueur de la déchirure, surface souillée, plutôt que par une appréciation globale.

L’enjeu de la preuve

Une particularité logistique change entièrement le dispositif : le constat de dommage a une portée contractuelle. Il en découle trois exigences absentes en production. L’horodatage et la localisation du constat doivent être conservés. L’image ayant fondé la décision doit être archivée, puisqu’elle sera examinée en cas de litige. Et la comparaison entre points de passage devient utile, un dommage constaté à la sortie d’un site mais absent à l’entrée désignant l’étape responsable.

Cette dernière exigence a une implication forte pour l’annotation : le corpus le plus utile n’est pas constitué d’images isolées mais de paires ou de séries suivant un même colis à travers plusieurs points de contrôle. Constituer un tel corpus demande une infrastructure de traçabilité, et l’absence de celle-ci limite structurellement ce que le système pourra établir.

Palettes et unités de charge

La palette introduit une échelle intermédiaire en détection de défauts logistique, entre le colis unitaire et le chargement complet, avec ses tâches propres.

Quatre familles de tâches s’y rencontrent. Le contrôle de la palette elle-même, dont l’état conditionne la sécurité, planches cassées, dés manquants, clous saillants. Le contrôle du filmage et du cerclage, dont l’insuffisance provoque des écroulements en transit. La vérification de l’intégrité du gerbage, débords, penchement, hauteur excessive. Et le comptage ou l’identification des colis constituant la palette, tâche de reconnaissance sur une scène fortement occultée.

Cette dernière tâche est de loin la plus difficile du domaine logistique. Sur une palette filmée, la majorité des colis ne sont visibles que partiellement, à travers un film plastique réfléchissant et déformant. L’annotation doit préciser explicitement ce qui compte comme colis visible, ce qui se traite comme partiellement occulté et ce qui est inféré plutôt qu’observé. Sans cette convention, deux annotateurs produisent des comptages divergents sans qu’aucun ne se trompe.

Le chargement et l’espace de transport

Une quatrième échelle complète le tableau des tâches de détection de défauts logistique : celle du contenant de transport, camion, remorque ou conteneur.

Trois tâches s’y rencontrent. L’évaluation du taux de remplissage, qui conditionne l’optimisation logistique et se traite par estimation volumétrique plutôt que par reconnaissance d’objets. Le contrôle de l’arrimage, qui relève de la sécurité et demande de reconnaître des configurations dangereuses, charges non calées, empilement instable, répartition déséquilibrée. Et l’état du contenant lui-même, propreté, étanchéité, intégrité des parois, qui conditionne l’acceptation de la marchandise.

Ces tâches partagent une difficulté d’acquisition : l’intérieur d’un contenant est un espace sombre, profond et étroit, où l’éclairage artificiel produit de forts gradients entre l’avant et le fond. Un projet de détection de défauts sur ce périmètre doit traiter cette contrainte optique avant tout choix de méthode, faute de quoi le fond de la remorque restera hors de portée quelle que soit la qualité du modèle.

Le tri automatisé

Le tri combine plusieurs des tâches précédentes en un flux unique, avec une contrainte de temps réel.

La séquence typique enchaîne la détection de présence, la séparation des objets en contact, la lecture de l’information d’acheminement, la mesure éventuelle et le contrôle d’état. Chaque étape peut échouer, et l’échec de l’une conditionne les suivantes : un objet mal séparé produit une lecture attribuée au mauvais colis.

La séparation des objets mérite une attention particulière. C’est une tâche de segmentation d’instances dans des conditions défavorables : objets identiques, en contact, partiellement superposés, sans frontière visuelle nette entre deux cartons de même couleur. Le protocole doit trancher les cas de contact, définir ce qui constitue une instance distincte et prévoir une classe d’incertitude, préférable à une séparation arbitraire.

Une pratique particulièrement utile consiste à annoter les cas d’échec du système existant plutôt que le flux ordinaire. Un centre de tri dispose généralement d’un mécanisme de rejet manuel, et les objets qui l’empruntent constituent un corpus dense en cas difficiles, directement pertinent pour l’amélioration.

Les conditions d’acquisition en environnement logistique

L’environnement d’un entrepôt est nettement moins maîtrisé qu’un poste de détection de défauts industriel , et cette réalité doit être intégrée dès la conception.

Quatre facteurs pèsent particulièrement. L’éclairage varie selon l’heure, la saison et la proximité des ouvertures, ce qui rend l’apparence des surfaces instable. La poussière s’accumule sur les optiques plus vite qu’en atelier propre. Les vibrations du convoyage dégradent la netteté. Et le champ à couvrir est large, ce qui limite la résolution disponible par objet.

Ces contraintes ont une conséquence directe sur les tâches réalisables. Une détection de dommage franc est robuste à ces conditions ; une évaluation fine de l’état d’un emballage ne l’est pas. Le cadrage doit donc partir de ce que les conditions permettent réellement d’observer, et non de ce qui serait souhaitable.

L’annotation en logistique : ce qui change par rapport à la détection de défauts classique

Trois différences pratiques distinguent l’annotation logistique de celle d’un projet de détection de défauts en production.

La première tient à l’hétérogénéité des primitives d’annotation. Un même corpus peut demander des boîtes pour la détection de colis, des masques pour la segmentation d’instances en contact, des polygones pour les zones de texte, des transcriptions, des étiquettes de dommage et des valeurs de mesure. Cette diversité impose un outillage polyvalent et un protocole plus long qu’à l’accoutumée, ainsi qu’une organisation par tâche plutôt qu’une annotation exhaustive de chaque image.

La deuxième est le volume. Les flux logistiques produisent des images en quantité considérable, ce qui rend l’échantillonnage plus déterminant encore qu’ailleurs. Annoter un flux au fil de l’eau est un gaspillage ; sélectionner les cas informatifs, échecs, rejets, litiges, est la seule approche soutenable.

La troisième est la traçabilité. Le rattachement de chaque image à un identifiant de colis, un point de contrôle et un horodatage n’est pas un confort mais une condition de la valeur du corpus, tant pour le suivi multi-vues que pour l’usage probatoire.

Le contrôle qualité d’un corpus de détection de défauts logistique

Le dispositif de contrôle suit la logique générale du domaine, avec deux inflexions propres au secteur.

La première est la stratification par condition d’acquisition. Un corpus mêlant des images issues de plusieurs sites, de plusieurs postes et de plusieurs moments de la journée doit être contrôlé séparément par strate, l’éclairage variable étant le principal facteur de difficulté.

La seconde concerne les tâches de transcription, qui appellent une mesure spécifique. L’accord entre annotateurs sur un texte ne se mesure pas comme sur une classe : il faut une distance d’édition et une convention sur ce qui constitue une erreur, un caractère près. Cette mesure doit être définie avant la production, sous peine de rendre le contrôle ininterprétable.

S’y ajoute une pratique utile, propre au domaine : mesurer séparément la performance sur les colis conformes et sur les colis endommagés. Sur un flux réel, les seconds sont très minoritaires, et une métrique agrégée reste excellente alors même que la détection de dommages échoue.

Le rythme des projets logistiques

Une caractéristique organisationnelle distingue nettement ce secteur de l’industrie manufacturière et mérite d’être anticipée.

Les flux logistiques sont saisonniers, parfois fortement. Un corpus collecté en période creuse ne reflète ni les volumes, ni la diversité, ni le taux de dommage d’une période de pointe, où précisément la cadence augmente et la manipulation se dégrade. Un projet de détection de défauts logistique doit donc couvrir au moins un cycle complet, ou documenter explicitement la période couverte comme une limite du corpus.

S’y ajoute une contrainte pratique : les périodes de pointe sont celles où l’exploitation est la moins disponible pour accompagner un projet, et où les images sont pourtant les plus précieuses. La parade consiste à automatiser la collecte en amont, pendant la période creuse, de façon que la capture des pics ne demande aucune intervention humaine sur site.

Les erreurs les plus fréquentes

• Traiter l’occlusion partielle comme un cas limite plutôt que comme la situation normale.
• Ne pas rattacher entre elles les vues multiples d’un même objet.
• Ignorer la présence massive de données personnelles sur les étiquettes.
• Annoter une tâche de mesure en délimitant l’objet plutôt qu’en associant une valeur de référence.
• Construire une ontologie de dommage décisionnelle alors que le seuil est contractuel.
• Ne pas conserver horodatage et point de contrôle, ce qui prive le constat de valeur probatoire.
• Omettre la convention de comptage des colis partiellement visibles sur palette.
• Annoter le flux ordinaire plutôt que les cas de rejet du système existant.
• Cadrer des tâches fines que les conditions d’éclairage de l’entrepôt ne permettent pas.
• Rapporter une performance agrégée sur un flux où les colis endommagés sont très minoritaires.

Le rôle de l’opérateur

Un dernier point différencie ce secteur : la place de l’humain dans la boucle est structurellement différente.

En production, l’opérateur contrôle une ligne et peut examiner une pièce signalée. En logistique, le colis a poursuivi son trajet avant qu’une vérification soit possible, et le rappeler coûte cher. La conséquence est que le point de fonctionnement se règle différemment : un signalement qui ne peut pas être vérifié n’a de valeur que s’il est fiable.

Deux dispositifs répondent à cette contrainte. La sortie sous forme de score plutôt que de décision, qui permet de réserver la vérification manuelle aux cas les plus suspects et de laisser passer les autres avec une simple trace. Et le constat différé, où l’image est archivée sans déclencher d’action immédiate, et n’est consultée qu’en cas de réclamation ultérieure. Ce second mode est propre à la logistique et il change l’économie du système : la valeur ne vient pas d’un tri en temps réel mais d’une capacité de preuve mobilisable des semaines plus tard.

Ce qu’il faut retenir

La logistique applique les principes de la détection de défauts à un contexte qui en inverse les conditions : objet inconnu, présentation libre, occlusion courante, environnement peu maîtrisé. Ce qui se transfère est la méthode, protocole écrit, conventions explicites, contrôle stratifié ; ce qui ne se transfère pas est l’hypothèse d’un objet connu et positionné.

Trois décisions structurent un projet réussi. Organiser le corpus par tâche plutôt que par image, puisque la diversité des primitives interdit une annotation exhaustive uniforme. Construire la traçabilité, identifiant de colis, point de contrôle et horodatage, dès la collecte, puisqu’elle conditionne à la fois le suivi multi-vues et la valeur probatoire. Et sélectionner les images sur les cas d’échec du dispositif existant plutôt que d’annoter le flux, seule approche soutenable face au volume.

Pour les approches, l’ontologie et les tâches d’annotation, le guide complet de la détection de défauts pose le cadre. Pour une autre extension du domaine vers l’inspection d’équipements et d’ouvrages, avec ses contraintes d’accès et de périodicité, l’article consacré à la maintenance prédictive par vision détaille la surveillance des infrastructures.

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 logistique et souhaitez cadrer les tâches et la traçabilité avant de lancer l’annotation, échangeons sur votre projet.