1 / 5

Détection de bouchons Gambro ,T. Grenier

Détection de bouchons Gambro ,T. Grenier. Contexte : packaging d’ hémodialiseur (avant stérilisation). Protections sang. Module hémodialiseur. Bouchons bain. …. …. Emballage. Insertion manuelle des bouchons. Problèmes.

erica
Download Presentation

Détection de bouchons Gambro ,T. Grenier

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Détection de bouchons Gambro,T. Grenier Contexte : packaging d’hémodialiseur(avant stérilisation) Protections sang Module hémodialiseur Bouchonsbain … … Emballage Insertion manuelle des bouchons... Mini-projet Bouchons

  2. Problèmes • Variation de l’éclairage et des positions (modules, bouchons bain, reflets) • Acquisition monochrome • 3 produits différents dans la même chaine • Passage de la « main » du manipulateur Acquistion de 2 images Mini-projet Bouchons

  3. CAM 1  CAM 2  Exemples d'images Mini-projet Bouchons

  4. Objectif de l'étude Obtenir un algorithme robuste* déterminant la conformité  absence ou inversion des protecteurs sang (bleu et rouge)  absence d’un des deux bouchons de bain  passage de la main (objectif secondaire) *: plus robuste que l’algorithme actuellement utilisé Problèmes Variation de luminosité et du contraste, région observée variable, défauts supplémentaires, Pas de faux positifs, le moins possible de faux négatifs... Bases de 1000 images conformes/non conformes Mini-projet Bouchons

  5. Tâches • Choisir une base de données d’image • Identifier les défauts • Créer un algorithme robuste (détection du module, adaptation luminosité, recherche des bouchons) • Vérifier la robustesse sur le reste de la base • Comparer vos performances avec ceux de l’algorithme actuellement utilisé (fichier xls fourni) Pistes • Transformée de Hough • Détection de points saillants • Analyse de formes Mini-projet Bouchons

More Related