L’évaluation assistée par IA de la conformité des pièces de fonderie par tomographie : vers un contrôle automatisé

Résumé fourni par la source

Le contrôle non-destructif (CND) par tomographie à rayons X (CT) permet une caractérisation tridimensionnelle précise des défauts internes dans les pièces moulées en aluminium. Néanmoins, le traitement de grands volumes de données et l'absence de critères d'acceptation normalisés constituent des verrous à son déploiement industriel à grande échelle. Cette étude présente LOGITOM-casting, un cadre logiciel intégré automatisant la détection des défauts, l'évaluation de la conformité et la génération de rapports d'inspection. La méthodologie s'appuie sur des modèles de segmentation par apprentissage profond pour identifier les porosités et les retassures, couplés à un recalage CT/CAO permettant la localisation et la qualification des défauts au regard des spécifications industrielles. Afin de pallier la rareté des données d'entraînement annotées, une approche semi-automatique de génération d'annotations a été développée. Évalué sur un ensemble de vingt volumes tomographiques, le système atteint une précision de 91 % et un rappel de 96 %, démontrant la viabilité de l'approche pour l'industrialisation de l'inspection CND par CT.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.