L’analyse des données ultrasonores permet d’extraire les informations sur les défauts et d’émettre un diagnostic. Il y a actuellement une pénurie d’analystes des ultrasons en soudure et les délais d’analyse s’allongent. Cette situation favorise les erreurs de manipulation humaine ou même les fraudes. Ce projet vise le développement, la validation et l’implantation de méthodes d’intelligence artificielle pour analyser automatiquement les soudures.

Une des deux principales contributions de cette recherche consiste en l’identification de la soudure et des défauts à l’aide d’une méthode de segmentation. Le modèle développé peut ainsi localiser les principaux constituants de la soudure et la présence de défauts potentiels en chaque point. Une deuxième contribution majeure consiste en la reconstruction de la soudure et de ses défauts potentiels en une géométrie 3D.  Cette fonctionnalité permet ensuite de faire le suivi périodique des soudures en utilisant les surfaces reconstruites. On peut donc retrouver des soudures déjà scannées et les comparer pour ainsi constater leur dégradation au fil de leur vie utile.

Le résultat final est un processus d’analyse de soudure complet, précis et automatisé, qui augmente la qualité des analyses par l’ajout de nouvelles informations essentielles. Ces informations aident les experts dans le processus de décision, réduisant ainsi le délai entre l’acquisition des données et la décision finale.

Thèse de doctorat en ingénierie soutenue le 18 juillet 2022.