Le Deep Learning a été utilisé pour analyser des images de tomographies de pièces de fonderie en aluminium. Le projet CRITER TOMO a permis, avec un groupe d’industriels fondeurs, de développer dans le cadre d’une thèse avec l’INSA de Lyon (laboratoire LVA) un algorithme d’intelligence artificielle à base de réseaux de neurones convolutifs qui permet de classifier les défauts internes.

Le projet de R&D de CTIF

La tomographie qui était jusqu’ici réservée à la mise au point de pièces de fonderie commence à être utilisée en contrôle de production pour des pièces en alliage d’aluminium. Cela nécessite la création d’un référentiel spécifique afin de pouvoir juger si les pièces sont conformes ou non comme ce qui existe en radiographie sous la forme des images de référence ASTM.

Lire la suite sur MetalBlog [3]