Contrôle de la qualité des poteries grâce à l’intelligence artificielle

Abstract

Ce mémoire présente la conception et le développement d’un système automatique de contrôle qualité pour les tuiles en terre cuite. Il repose sur la vision par ordinateur et l’apprentissage profond. Le travail se divise en trois approches progressifs, basés sur un ensemble de données de 340 images collectées manuellement dans un atelier réel. La première approche utilise ResNet-50 pour classer les tuiles en trois catégories. Ce cas révèle une confusion visuelle entre les tuiles égorger et les tuiles cassées. La seconde approche résout ce problème en séparant les classes et en améliorant le pipeline d’entraînement. Cela inclut l’augmentation de données, le rééquilibrage des classes, l’utilisation de l'Early Stopping et le Mixed Precision Training. Ce cas atteint une précision de 100% en validation. La troisième approche dépasse une limite importante en adoptant YOLOv8n pour détecter et classer les tuiles simultanément dans des scènes complexes. Il obtient un mAP50 de 99.5%. Le modèle final est déployé sur un système embarqué NVIDIA Jetson Nano avec une webcam USB, et il constitue un prototype fonctionnel de contrôle qualité en temps réel.