Extraction de Données
Extraction de données de vidéos. Cadrans, jauges ou éléments graphiques.
Consulter
Moyen flexible, non-intrusif, l'image est devenu un vecteur incontournable pour la production de données. De la vidéos haute-fréquence au simple appareil photo, an passant par les webcams les possibilités sont infinies. Surveillance itinérante, analyse vibratoire, extraction de données, lecture de jauges, quatre cas d'étude à la loupe ci-dessous.
Extraction de données de vidéos. Cadrans, jauges ou éléments graphiques.
Consulter
La vidéo est un moyen d'analyse léger et flexible, qui lui permet d'être déployée rapidement et à moindre coût. Un recours à la vidéo est donc particuliérement intéressant pour de l'analyse itinérante (analyse locale sur une machine en cas de suspicion de problème, contrôle de qualité de la chaine de mesure existante) pour du doublage de voie de mesure (mesure par capteurs numériques doublée par vidéo d'un capteur analogique), ou encore pour produire des images embarquées. Deux grandes familles se distinguent alors: premièrement, la caméra est portée par un support non-stabilisé et l'image doit être stabilisée. Deuxièment, la caméra est stable mais pointe vers un objet mobile, et on souhaitera alors compenser ce mouvement pour disposer d'images quasi-fixes.
Les nombreux développement autour des algorithmes de traitement des images permettent aujourd'hui d'exploiter des vidéos prises dans ces conditions difficiles.
Le cas d'étude ci-dessous consiste à analyser la prise vidéo d'une mesure de pression. Le traitement permettent la stabilisation de l'origine du cadran, la détection de l'aiguille, puis l'évaluation de la valeur pointée par l'aiguille.
[1] Analyse vidéo illustrant le centrage automatique de la vidéo et permettant la lecture de données. La vidéo originale est à gauche, le mouvement et le désaxage sont clairement visibles. La vidéo de droite après traitement permet de conserver une position des points de repère plus stable, et autorise ainsi une estimation des valeurs.
L'explosion des techniques de communication digitales a généré une multiplication des données disponibles sous forme de vidéo. Les données retranscrites sur les vidéos ne sont pas toujours disponibles, et on s'intéressera dans ce cas à essayer de remonter à ces données.
En plus des éléments classiques de type cadrans ou aiguilles, les données issues de médias vidéos mettent en scène des capteurs aux styles variés: barres colorées, curseurs mobiles, cadrans à diamètres variables, icones ou même polices fantaisies.
L'extraction de données est illustrée plus en détail ci-dessous sur une application de compétition automobile [2].
[2] Analyse vidéo illustrant l'extraction de données sous différentes formes: caractères, barres colorées, curseur mobile. Vidéo avant analyse avec l'aimable permission de l'écurie propriétaire.
L'analyse vibratoire est une étape clef dans le développement et la surveillance de systèmes mécaniques. Essentielle pendant la phase de développement, elle permet de s'assurer que les modes de résonances ne viendront pas perturber le fonctionnement du système. Pendant la phase service, elle sera utilisée à des fins de surveillance et de maintenance préventive.
Les moyens de mesures non-intrusifs présentent des avantages déterminants pour de l'application industrielle en condition difficile (accessibilité, température) en plus des avantages liés à la non perturbation des phénomènes à mesurer. Parmi ces systèmes, l'analyse vibratoire par caméra a bénéficié largement des progrès techniques et mathématiques au cours des dernières années (résolution, fréquence d'acquisition, algorithme de traitement). Le principe est simple: suivre le mouvement de points caractéristiques répartis sur la surface d'une pièce mécanique à étudier.
La qualité du suivi de ces points, aussi appelée tracking, est fondamentale pour la réussite de l'opération
La vidéo ci-dessous illustre les possibilités de suivi de mouvement avec aucun marquage spécifique effectué au préalable. Deux régions d'intérêt ont été définies, zones pour lesquelles les amplitudes attendues sont respectivement larges et faibles. La sélection des points a été réalisée de manière automatisée, en prenant en compte les conditions de luminosité. L'algorithme permet au fur et à mesure d'éliminer les marqueurs ne répondant plus à certaines hypothèses utilisées par les algorithmes.
[3] Analyse vidéo illustrant le suivi vibratoire de points distribués automatiquement dans deux régions d'intérêt. Vidéo avant analyse: "High speed video of the a tuning fork vibrating" by Dr. Dan Russell, Grad. Prog. Acoustics. The Pennsylvania State University. Avec l'aimable permission de Dr Russell.
L'analyse du mouvement joue un rôle important dans de nombreux domaines de l'industrie. Pour les applications mécaniques, il s'agit le plus souvent d'étudier des cas de déformation lors d'essais destructifs. Les résultats ainsi collectés permettent de comprendre les mécanismes de déformation, de corréler des modèles éléments finis et de comprendre les énergies mises en jeu.
Tout comme l'analyse vibratoire présentée plus haut, le recours à des moyens vidéo permet de disposer d'un moyen de mesure non-intrusif. Les algorithmes de traitement d'images permettent alors le suivi de points clefs.
Alors que l'exemple d'analyse vibratoire illustrait un cas de tracking sans aucun marqueur sur la surface, l'exemple étudié ci-après présente des marqueurs cibles positionnés au préalable à des endroits critiques.
Le cas d'étude ci-dessous met en scène un mannequin en situation de crash-test [2]. Comme nous pouvons le voir, le traitement d'image permet d'extraire et de représenter les trajectoires des différentes cibles. Les amplitudes de déplacement peuvent ainsi être clairement illustrées et utilisées pour des études ultérieures.
[4] Analyse vidéo illustrant le suivi du mouvement de marqueurs au cours d'un crash test. Vidéo avant analyse avec l'aimable permission d'EuroNCAP, The European New Car Assessment Programme.
Copyright Ingenerid 2016-2020
