Automatisation de l'inspection de conteneurs maritimes : une preuve de concept
Résumé
This article presents a proof of concept developed for a client in Asia. It deals with automated visual inspection of shipping containers thanks to a deep learning model (Yolov5) trained to detect defects inside containers using videos collected by a rover. This project covered all the steps to build an AI model, from historic data exploration on a big set of pictures taken by container surveyors, defining a new data collection process adapted to future inspection automation, to image labeling and model training on a small dataset.
Cet article présente une preuve de concept d'automatisation de l'inspection de conteneurs maritimes développée pour un client en Asie. Un modèle de détection de défauts (Yolov5) est entraîné sur des vidéos d'intérieur de conteneurs collectées grâce à un rover. Ce projet couvre toutes les étapes de développement d'un modèle d'IA, de l'exploration d'un gros volume de données historiques, la définition d'un système d'acquisition de données adapté à une automatisation de l'inspection, à l'annotation des images et l'entraînement du modèle sur un jeu de données frugal.
Origine : Fichiers produits par l'(les) auteur(s)
