Torngats-Apox : Détection automatique de défauts de ponts et barrages par l’analyse des images infrarouges à l’aide de l’intelligence artificielle

La détection des défauts sur des images de thermographie infrarouge est considérée une tâche difficile et coûteuse en raison de la mauvaise qualité des images, du temps consacré à la présélection et prétraitement des images, la disponibilité d’experts et les faibles performances des méthodes semi-automatiques.
Torngats, entreprise québécoise spécialisée dans les essais et évaluations non destructifs avancés, a développé en trois phases l’inspection par thermographie de ponts et barrages. Premièrement, les drones sont utilisés pour la captation de milliers d’images infrarouges. Ensuite, les experts feront une présélection des images plus informatives au niveau des défauts potentiels, et finalement dans la dernière phase, une analyse plus poussée ciblera les défauts dans les structures. Le temps consacré à la deuxième phase de présélection est souvent de l’ordre du 50% de l’analyse totale.
Pour Torngats, l’hypothèse de base est que le développement de l’interface intelligente d’étiquetage et présélection d’images d’inspection réduira de 80% les coûts d’inspection, avec une réduction estimée de 75% du temps de traitement de données et interprétation. Cela donnera un avantage compétitif dans le marché grâce à ce type d’innovation ciblée déjà comme un des piliers pour le virage industriel 4.0.

Faculty Supervisor:

Christian Gagné;Xavier Maldague

Student:

Partner:

TORNGATS Technical Services Inc

Discipline:

Computer science

Sector:

Professional, scientific and technical services

University:

Université Laval

Program: