Projet: Rehaussement d'image pour l'identification automatique de pièces en industrie
Les conditions d’éclairage ont un impact direct sur le résultat d’une acquisition d’image et peuvent occasionner la création d’artefacts indésirables comme des réflexions spéculaires. Pour un algorithme de vision par ordinateur, ces réflexions vont parfois cacher des caractéristiques pertinentes ou introduire des caractéristiques indésirables. Pour cette raison, les experts en acquisition vont chercher à contrôler leur environnement de travail afin de minimiser les artefacts causés par certaines conditions lumineuses.
Cependant, dans un contexte de robotique collaborative, où l’environnement est partagé entre le robot et l’humain, l’environnement devient difficile à contrôler. Il devient donc intéressant de faire du post-traitement des images afin d’y corriger les artefacts.
Ce projet vise à augmenter le taux de réussite des algorithmes de détection d’objets dans un contexte industriel où l’environnement est peu ou pas contrôlé en attaquant la problématique de correction automatique de réflexions spéculaires dans des images. La méthode développée va d’abord appliquer des méthodes modernes d’apprentissage machine pour entraîner un réseau de neurones à détecter les réflexions spéculaires dans une image. Ensuite, un autre réseau sera entraîné à corriger ces réflexions afin de récupérer l’information utile dans l’image. La performance de cette méthode sera évaluée dans des scenarios de prise d’objets.
Superviseur(s):
Partenaire(s)
