Cette évolution vers des systèmes d’acquisition intelligents se manifeste différemment selon les types d’inspection. En CND, l’objectif est d’assister l’opérateur en fournissant une analyse fiable pour guider l’inspection et la prise de décision. En SHM, les capteurs génèrent en continu des volumes importants de données. L’enjeu est d’automatiser l’analyse de ces données au niveau des capteurs afin de limiter la transmission d’information. Grâce à notre maîtrise complète du hardware, nous avons la capacité d’intégrer les traitements et les modèles d’IA dans les systèmes d’acquisition. Des outils comme le framework AIDGE, dédié à la manipulation, la conversion et l’optimisation des réseaux de neurones pour cibles embarquées, ou encore le système d’acquisition GERONIMO pour la mesure d’ondes guidées, permettent de déployer des solutions complètes, du capteur jusqu’au diagnostic. Deux preuves de concept issues des travaux du CEA-List illustrent ces possibilités.
Pour l’inspection des soudures par ultrasons[1], un modèle de type ConvNeXt, allégé pour répondre aux contraintes de l’embarqué, a été implémenté pour l’analyse d’images TFM. Entraîné sur des données expérimentales, il permet une classification sans faux négatif, critère essentiel en contexte industriel, tout en identifiant 87 % des données saines dans les conditions nominales d’inspection. La robustesse a été validée en modifiant les conditions d’inspection (décalage des sondes lors de l’inspection) ainsi que la géométrie de la structure (tuyau, plaque, variations d’épaisseur). Le modèle a été optimisé via AIDGE et déployé efficacement sur une architecture NXP i.MX8 (figure 1), base de nos différents systèmes d’acquisition, atteignant en inférence une fréquence d’environ 10 Hz.
Compression embarquée : jusqu’à 10 000× moins de données (3 valeurs flottantes au lieu de plusieurs kB)
Grâce à l’analyse embarquée des ondes guidées, les données de mesure deviennent des indicateurs clairs de l’état de la structure, qui permettent une surveillance constante.