CAM-SmartTool 4.0 : la révolution technologique qui élève l'inspection des aéronefs au rang d'excellence
Une application intégrant l'intelligence artificielle et la réalité augmentée qui redéfinit la gestion de la navigabilité et les inspections techniques.
Auteurs : Smartech Cluster, Innovasturias, Indaer Europe, Innoarea et Skylife.
Le projet CAM-SmartTool 4.0, piloté par Smartech Cluster et auquel ont participé le cluster Innovasturias, Indaer Europe, Innoarea et Skylife, a consisté à développer un système de gestion des informations de navigabilité et d’évaluation de l’état des aéronefs, assisté par la vision artificielle et la réalité mixte, dans le but de permettre aux entreprises spécialisées dans la gestion de la navigabilité de réduire la charge de travail lors de la réalisation d’inspections physiques et de révisions de navigabilité, tant pour les aéronefs en service que pour ceux en maintenance ou en cours de conservation.
Il est important de noter que le type d’inspections habituellement réalisées dans le secteur aéronautique, notamment pour les sociétés de leasing et les CAMO, présente divers défis qui en font des situations complexes pour les inspecteurs. Parmi ces contraintes figurent des délais réduits (entre deux et trois heures par aéronef), des environnements mal éclairés et soumis aux conditions météorologiques du lieu où se trouve l’aéronef.
Cette application, dans sa phase initiale, permet aux utilisateurs de collecter des informations sur le terrain de manière ordonnée et sécurisée, conformément aux exigences et aux normes établies par chacun de leurs clients. Par ailleurs, le système fournit aux utilisateurs un système automatisé d’identification des dommages à partir des images capturées sur le terrain, simplifiant ainsi le processus d’inspection des aéronefs et optimisant le temps que chaque inspecteur consacre à la collecte et à l’organisation des informations relatives à chaque inspection. L’un des piliers technologiques de l’identification des défauts repose sur l’utilisation d’algorithmes de vision par ordinateur, en lien avec le traitement avancé des images. Le projet s’articulera autour de deux axes de recherche concernant l’utilisation d’algorithmes de vision par ordinateur basés sur des réseaux neuronaux convolutifs (CNN), appliqués aux images.
Techniques de reconnaissance de caractères à l’aide des CNN
Ce processus, appelé OCR (Optical Character Recognition), a pour objectif principal l’identification des zones d’intérêt, puis la reconnaissance des caractères. Le processus complet repose sur des algorithmes et des modèles d’apprentissage profond tels que CRAFT (Character Region Awareness for Text detection) pour la reconnaissance des zones de texte, qui explore les caractères et évalue leur affinité ; ou des modèles de réseaux neuronaux (CRNN – Convolutional Recurrent Neural Network) pour la reconnaissance, qui se divise à son tour en extraction de caractéristiques via des ResNets (Residual Networks), distribution de séquences via un algorithme LTSM (Long Short-Term Memory) et décodage via un algorithme d’entraînement CTC (Connectionist Temporal Classification).
À ce stade du projet, nous identifions des cadres de sélection et des caractères d’étiquettes aéronautiques préalablement identifiés en fonction de leur intérêt, de leurs paramètres et de leur plage de valeurs.
Techniques de détection et de classification des défauts à l’aide des CNN
En nous appuyant sur des études antérieures concernant les algorithmes de vision par ordinateur disponibles sur le marché, tels que Faster R-CNN, SSD (Single Shot Multibox Detector) et YOLO (You Only Look Once) pour la détection et la classification d’objets, YOLO, basé sur une architecture de réseau neuronal convolutif profond (CNN), a été retenu comme la meilleure solution en raison de sa méthode de détection en une seule étape, conçue pour détecter des objets en temps réel et avec une grande précision. Contrairement aux modèles de détection en deux étapes, tels que R-CNN, qui proposent d’abord des régions d’intérêt avant de les classer.
De même, le système associé à cette application permet aux utilisateurs de stocker de manière organisée les informations relatives à chaque inspection, ainsi que de les télécharger, y compris les données et les alertes recueillies grâce à l’intelligence artificielle pendant et après les inspections.
Ces données comprennent des informations sur les défauts potentiels détectés, leur emplacement selon la liste de contrôle personnalisée par le client, ainsi que des informations pertinentes issues des plaques signalétiques situées sur l’ensemble de l’aéronef. Une fois toutes les étapes nécessaires de l’inspection terminées, l’application permet de stocker les rapports partiels et finaux et de les partager avec chacun des clients.
Par ailleurs, l’application offre la possibilité de fournir une assistance à distance en temps réel aux inspecteurs, afin de compléter leur travail sur le terrain et de résoudre d’éventuels problèmes pendant les inspections. Cette assistance à distance comprend la possibilité de partager des flux audio et vidéo en temps réel avec la personne qui apporte son aide, ainsi que de réaliser des annotations virtuelles sur le système grâce à la réalité mixte. Ce processus facilite la résolution des doutes et améliore la qualité des informations recueillies lors des inspections.
Dans un deuxième temps, des fonctionnalités de réalité augmentée en temps réel sont intégrées pendant les inspections, via l’écran du téléphone portable ou des lunettes de réalité augmentée, ainsi que la génération automatisée de recommandations à l’intention de l’inspecteur, basées sur les constatations effectuées au cours des différentes phases des inspections. Parallèlement, il est possible d’intégrer un module de gestion documentaire et d’extraction de données, dans le but de simplifier les tâches de révision documentaire qui accompagnent généralement ce type d’inspections.
Plus d’informations sur le projet de R&D
Le projet CAM-SmartTool 4.0 (Continuing Airworthiness Management Smart Tool) est un projet d’innovation financé par le ministère de l’Industrie, du Commerce et du Tourisme grâce aux fonds NextGeneration de l’Union européenne. Son développement est assuré par un consortium dirigé par Smartech Cluster et auquel participent le cluster Innovasturias, Indaer Europe, Innoarea et Skylife Engineering.
