| Titre : |
"Détection d’anomalie sur des PCB en production sur base de computer vision et d’algorithmes de deep learning" |
| Type de document : |
Travail de fin d'études |
| Auteurs : |
Bastien Van Den Neste, Auteur ; Arnaud Bougaham, ; Ken Hasselmann, |
| Editeur : |
ECAM |
| Année de publication : |
2022 |
| Note générale : |
AISIN |
| Langues : |
Français (fre) |
| Index. décimale : |
TFE - Informatique (ECAM) |
| Résumé : |
Lorsqu’un produit quitte une chaîne de production, celui-ci se doit d’être en bon état et fonctionnel, tout particulièrement lorsque la vie de potentiels utilisateurs en dépend. Virtuellement, tout ce qu’on utilise, vital ou pas (infrastructures, moyen de déplacement, de communication,) est composé de pièces qui ont été produites en masse et à la chaîne, ce type de production n’est pas imperméable aux erreurs. Malgré la précision grandissante des chaînes de production au fil des années grâce à l’évolution de la technologie, la vérification de l’état des pièces durant la production est absolument indispensable pour pouvoir garantir la conformité du produit fini. Ces vérifications sont souvent nombreuses et coûteuses en termes de temps de travail et donc en argent. De nombreuses techniques ont été créés et testées pour réduire au maximum ce temps de vérification, cependant il est possible que l’IA et le Deep Learning en particulier nous proposent le plus grand bond jamais observé dans la discipline, Le ML nous permettrait en théorie de créer des outils de vérification pratiquement instantanés, en plus d’avoir potentiellement une précision plus haute que les algorithmes de vérification classique ou même que des opérateurs humains. |
"Détection d’anomalie sur des PCB en production sur base de computer vision et d’algorithmes de deep learning" [Travail de fin d'études] / Bastien Van Den Neste, Auteur ; Arnaud Bougaham, ; Ken Hasselmann, . - ECAM, 2022. AISIN Langues : Français ( fre)
| Index. décimale : |
TFE - Informatique (ECAM) |
| Résumé : |
Lorsqu’un produit quitte une chaîne de production, celui-ci se doit d’être en bon état et fonctionnel, tout particulièrement lorsque la vie de potentiels utilisateurs en dépend. Virtuellement, tout ce qu’on utilise, vital ou pas (infrastructures, moyen de déplacement, de communication,) est composé de pièces qui ont été produites en masse et à la chaîne, ce type de production n’est pas imperméable aux erreurs. Malgré la précision grandissante des chaînes de production au fil des années grâce à l’évolution de la technologie, la vérification de l’état des pièces durant la production est absolument indispensable pour pouvoir garantir la conformité du produit fini. Ces vérifications sont souvent nombreuses et coûteuses en termes de temps de travail et donc en argent. De nombreuses techniques ont été créés et testées pour réduire au maximum ce temps de vérification, cependant il est possible que l’IA et le Deep Learning en particulier nous proposent le plus grand bond jamais observé dans la discipline, Le ML nous permettrait en théorie de créer des outils de vérification pratiquement instantanés, en plus d’avoir potentiellement une précision plus haute que les algorithmes de vérification classique ou même que des opérateurs humains. |
|
Visionner les documents numériques
Affiner la recherche"Détection d’anomalie sur des PCB en production sur base de computer vision et d’algorithmes de deep learning" / Bastien Van Den Neste
Ce document n'est visible qu'après identification
