Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

19 juin 2018

Thèse CIFRE en traitement d'images  : application à la détection de défauts des systèmes industriels d’imagerie


Catégorie : Doctorant


Lieu : Toulon - Aubagne France
Financement : CIFRE
Laboratoire : LIS ( http://www.lis-lab.fr/ ) Université de Toulon
Partenaire : Impika/Xerox
Profil du candidat: Ingénieur ou M2 en informatique ou en traitement du signal
Date limite de candidature : 28/09/2018
Contact : guis@univ-tln.fr, bouchara@univ-tln.fr

Description


Intitulé
Recherche de défauts d'impression dans un process jet d'encre haute vitesse pour un contrôle en production sans mire particulière.


Contexte
L'impression jet d'encre est aujourd'hui en plein essor dans le cadre industriel. Elle offre notamment des grandes possibilités en termes de variabilité de contenu. Les technologies utilisées pour réaliser l'éjection de gouttes sont de plus en plus performantes en terme de résolution et de fréquence d'éjection, mais nécessitent des phases de maintenance et réglage afin de conserver un fonctionnement optimal. Le contrôle du bon fonctionnement se fait actuellement sur des contImpika/Xeroxenus spécifiques avec une part d'intervention manuelle.
ObjectifDescription
L’industriel (Impika/Xerox) souhaite étudier la possibilité d'utiliser le traitement d'image afin de réaliser ces contrôles sur le contenu réel, sans perturber le process. Les entrées de ce contrôle en temps réel sont les images haute résolution envoyées à l'imprimante ainsi que les images issues du capteur en sortie de process (scanner faible résolution).


Déroulement
Le déroulement de la thèse sera dans un premier temps de modéliser la chaîne d'impression et de mesure, de caractériser les contenus imprimés afin de déterminer les zones d'analyse pertinentes pour la recherche de défauts, puis de concevoir et mettre en place les algorithmes de détection des défauts en utilisant des principes issus du deep learning. L’étudiant mènera un travail expérimental et numérique. En fonction des besoins et ressources nécessaires, l’un et l’autre pourra être réalisé soit dans l’entreprise soit dans le laboratoire.
Exemple de défaut concret : Au fil de l’impression, les buses d'éjection peuvent se boucher partiellement ou complètement. Ce défaut affecte la qualité d’impression de façon visible ou non selon le contenu imprimé et la capacité de diffusion du papier. Détecter ce défaut sur du contenu non spécifique revient donc à identifier l’absence d’une ligne de 200 points d’un diamètre de 20 um au sein d’une population d’une densité de 50000 points/cm², à un défilement entre 2 et 4 m/s, d’où la nécessité de mettre en place des stratégies pertinentes et la caractérisation des contenus.

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.