Technical Report: Automated Optical Inspection of Surgical Instruments

Ce rapport présente une méthode d'inspection optique automatisée utilisant des architectures d'apprentissage profond (YOLOv8, ResNet-152, EfficientNet-b4) sur un jeu de données de 4 414 images pour détecter les défauts critiques des instruments chirurgicaux fabriqués au Pakistan, afin d'améliorer la sécurité des patients et la qualité de production.

L'essentiel

🏥 Le Gardien Invisible des Ciseaux de Chirurgie : Une Histoire d'IA et de Sécurité

Imaginez que la fabrication d'instruments chirurgicaux (comme des ciseaux, des pinces ou des scalpels) est comme la préparation d'un repas de gala pour des milliers de personnes. Si une fourchette est tordue ou si un couteau a une petite rouille, ce n'est pas juste un problème esthétique : cela peut blesser quelqu'un ou causer une infection grave.

Au Pakistan, une ville appelée Sialkot est le "cœur battant" de cette industrie. Ils fabriquent des millions d'outils chaque année pour le monde entier. Mais jusqu'à présent, il y avait un gros problème : la fatigue humaine.

1. Le Problème : L'Œil Humain vs La Rouille

Imaginez un inspecteur de qualité qui doit vérifier 10 000 pinces chirurgicales par jour. Il doit chercher des défauts minuscules : une toute petite rayure, un point de rouille (comme une tache de café sur une chemise blanche), ou un micro-trou.

• Le défi : Les humains sont fatigués, leurs yeux se lassent, et ils peuvent rater un défaut subtil. C'est comme chercher une aiguille dans une botte de foin, mais l'aiguille est transparente et la botte de foin brille.
• Le risque : Si un instrument défectueux passe à travers, il peut causer des infections graves aux patients ou même briser dans le corps lors d'une opération.

2. La Solution : Le Super-Héros Numérique (L'IA)

Pour résoudre ce problème, des chercheurs de l'université FAST-NUCES ont collaboré avec deux géants de l'industrie locale (Daddy D Pro et Dr. Frigz) pour créer un "Super-Héros" numérique appelé SurgScan.

Ce n'est pas un robot physique, mais un cerveau artificiel (une intelligence artificielle) qui a appris à voir mieux que n'importe quel humain.

Comment ça marche ? (L'analogie du Chef et du Contrôleur)
Le système fonctionne en deux étapes, comme un restaurant très organisé :

1. Le Chef (Classification de l'outil) : D'abord, l'IA regarde l'objet et dit : "Tiens, c'est une pince, pas un scalpel !" C'est important, car une rayure sur une pince n'a pas la même importance que sur un scalpel.
2. Le Contrôleur de Qualité (Détection des défauts) : Une fois qu'elle sait ce que c'est, l'IA passe l'outil sous un microscope virtuel. Elle cherche spécifiquement les "monstres" : la rouille, les fissures, les trous ou les rayures. Elle est entraînée sur des milliers de photos d'outils abîmés pour ne rien laisser passer.

3. L'Entraînement : Apprendre à l'IA à Voir

Pour que ce cerveau artificiel soit aussi intelligent, les chercheurs ont dû lui montrer des milliers d'exemples.

• Ils ont pris des photos d'instruments parfaits et d'instruments abîmés.
• Ils ont utilisé des techniques de "magie numérique" (augmentation des données) pour simuler différentes lumières et angles, comme si l'IA regardait les outils dans un miroir, sous la pluie ou dans le noir.
• Le résultat ? L'IA a choisi le modèle YOLOv8 (Imaginez un détective ultra-rapide qui regarde tout d'un seul coup d'œil). Ce modèle est si rapide et précis qu'il atteint une réussite de 99,5 %, battant tous les autres modèles testés.

4. Le Résultat : Une Usine de Confiance

Grâce à ce projet, ils ont créé un logiciel web (une application) où les usines peuvent uploader des photos de leurs outils.

• Avant : Des humains regardaient, se fatiguaient et faisaient des erreurs.
• Maintenant : L'IA scanne, classe et détecte les défauts en une fraction de seconde, 24h/24, sans jamais se fatiguer.

Pourquoi est-ce si important ?

C'est comme installer un gardien de sécurité infatiguable à la porte d'un hôpital.

• Pour les patients : Cela signifie moins d'infections et des opérations plus sûres.
• Pour les fabricants pakistanais : Cela signifie que leurs produits sont de meilleure qualité, ce qui leur permet de vendre plus à l'étranger et de garder leur réputation intacte.

En résumé : Ce rapport raconte comment la technologie (l'IA) vient en aide à l'artisanat traditionnel pour s'assurer que chaque instrument chirurgical qui quitte l'usine est parfait, brillant et prêt à sauver des vies, sans laisser la fatigue humaine mettre en danger les patients.

Résumé technique

Résumé Technique : Inspection Optique Automatisée des Instruments Chirurgicaux

1. Problématique

L'industrie manufacturière d'instruments chirurgicaux au Pakistan (principalement basée à Sialkot) est un acteur majeur de l'exportation mondiale, représentant environ 359 millions de dollars par an. Cependant, ce secteur fait face à des défis critiques liés au contrôle de qualité :

• Risques pour la sécurité des patients : Les défauts d'instruments (corrosion, fissures, pores, rayures) peuvent entraîner des infections du site chirurgical, des complications graves, voire des décès.
• Limites de l'inspection manuelle : La méthode traditionnelle repose sur une inspection visuelle humaine, qui est laborieuse, sujette aux erreurs de fatigue, inconsistante et incapable de détecter systématiquement des défauts microscopiques.
• Conséquences économiques : Les défauts non détectés entraînent le rejet de lots entiers, l'annulation de commandes d'exportation et des pertes financières pour les fabricants.
• Besoin de conformité : Les normes internationales (ISO, FDA-GMP) exigent une absence totale de défauts, ce qui est difficile à garantir avec des processus manuels.

2. Méthodologie

Le projet propose une solution d'Inspection Optique Automatisée (AOI) basée sur l'apprentissage profond (Deep Learning) et la vision par ordinateur. L'approche se déroule en plusieurs étapes clés :

• Collecte et Curation des Données :

  • Collaboration avec des partenaires industriels leaders (Dr. Frigz International et Daddy D Pro) pour obtenir des données réalistes.
  • Création d'un jeu de données composé de 4 414 images (2 738 images défectueuses et 1 676 images non défectueuses).
  • Les instruments couverts incluent des scalpels, ciseaux, pinces, curettes, sondes, etc.
  • Les défauts annotés sont : la corrosion, les fissures, les pores, les rayures et les coupures.
  • Augmentation des données : Utilisation de techniques (rotation, ajustement de luminosité/contraste, ajout de bruit gaussien, masquage non flou) pour améliorer la robustesse du modèle face aux variations d'éclairage et d'orientation.

• Architecture du Modèle (Approche en Deux Étapes) :

  1. Classification de l'instrument : Un premier modèle identifie le type d'instrument (ex: pince, ciseaux) car les défauts se manifestent différemment selon la géométrie de l'outil.
  2. Détection de défauts spécifique à l'instrument : Une fois l'instrument classé, un modèle spécialisé détecte les défauts spécifiques à ce type d'outil. Cette approche évite les faux positifs liés aux caractéristiques structurelles naturelles de l'instrument.

• Choix de l'Algorithme :

  • Une analyse comparative a été menée entre plusieurs architectures d'état de l'art : EfficientNet-b4, ResNet-152, ResNeXt-101, YOLOv8 et YOLOv11.
  • YOLOv8 a été sélectionné comme modèle optimal grâce à son équilibre supérieur entre précision et vitesse d'inférence en temps réel.

• Développement du Prototype (SurgScan) :

  • Intégration des modèles dans une application web (SurgScan) utilisant une architecture Client-Serveur (React.js pour le frontend, Django/Python pour le backend, PostgreSQL pour la base de données).
  • Le système permet aux utilisateurs de télécharger des images, de les traiter automatiquement et de visualiser les résultats de l'inspection (défectueux/non défectueux) et les statistiques par lot.

3. Contributions Clés

• Création d'un Jeu de Données Spécialisé : Développement d'un ensemble de données annoté par des experts du domaine, spécifique aux instruments chirurgicaux pakistanais et à leurs défauts manufacturiers, comblant un manque de données publiques dans ce domaine.
• Stratégie de Classification Hiérarchique : Mise en œuvre d'une approche en deux étapes (Classification de l'outil $\rightarrow$ Détection de défauts) qui améliore significativement la précision par rapport aux modèles de détection génériques.
• Comparaison Rigoureuse des Modèles : Évaluation systématique de cinq modèles d'IA sous des hyperparamètres identiques pour valider le choix de YOLOv8 pour ce contexte industriel spécifique.
• Prototype Déployable : Réalisation d'une application web fonctionnelle intégrant l'IA, prête à être utilisée dans des environnements de stérilisation hospitaliers ou des lignes de production.

4. Résultats

Les performances du modèle YOLOv8 se sont révélées supérieures à celles des autres architectures testées :

• Précision (Precision) : 99,83 %
• Rappel (Recall) : 99,61 %
• Score F1 : 99,72 %
• ROC-AUC : 1,0000 (Performance parfaite)
• Comparaison : YOLOv8 a surpassé ResNet-152, ResNeXt-101 et EfficientNet-b4, offrant non seulement une meilleure précision mais aussi une vitesse d'inférence adaptée aux besoins en temps réel des lignes de production.
• Le système a démontré sa capacité à détecter des défauts subtils (comme des pores microscopiques ou de légères corrosions) avec une fiabilité statistique élevée.

5. Signification et Impact

Ce travail représente une avancée majeure pour l'industrie chirurgicale pakistanaise et la sécurité des soins de santé mondiale :

• Sécurité des Patients : En éliminant les défauts avant la stérilisation et l'utilisation, le système réduit drastiquement les risques d'infections et de complications chirurgicales.
• Compétitivité Économique : L'adoption de l'AOI permet aux fabricants pakistanais de garantir une conformité stricte aux normes internationales (UE, USA), protégeant ainsi leurs parts de marché et évitant les rejets de lots coûteux.
• Modernisation Industrielle : Le projet marque un passage de l'artisanat traditionnel vers une industrie 4.0, intégrant l'IA et l'apprentissage automatique dans les processus de fabrication.
• Évolutivité : La solution est conçue pour être déployée à grande échelle, offrant une alternative scalable, objective et économe en main-d'œuvre par rapport à l'inspection humaine.

En conclusion, ce rapport démontre la faisabilité et l'efficacité de l'utilisation de l'IA pour l'assurance qualité dans le secteur des instruments médicaux, établissant un nouveau standard pour la détection de défauts dans les chaînes d'approvisionnement mondiales.