Semiautomatic dimensional screening of plastic scintillator cubes using image analysis and robotics

Les auteurs ont développé et validé un système semi-automatique combinant robotique, vision par ordinateur et analyse d'images pour le contrôle qualité dimensionnel précis et le tri des cubes de scintillateur plastique destinés aux futurs détecteurs de neutrinos.

L'essentiel

🧊 Le Défi : Construire une Cathédrale de Cubes de Glace

Imaginez que vous devez construire une immense cathédrale, mais au lieu de pierres, vous utilisez 2 millions de petits cubes de plastique (de la taille d'un dé à coudre). Ces cubes sont les "yeux" d'un détecteur de neutrinos géant (le SuperFGD), conçu pour traquer des particules fantômes venues de l'espace.

Le problème ? Pour que la cathédrale tienne debout et fonctionne, chaque cube doit être parfaitement aligné.

• Chaque cube a trois petits trous percés dedans.
• On doit y glisser des fibres optiques (comme des fils de lumière) très fins.
• Si les trous ne sont pas alignés au micron près (un millième de millimètre), les fils ne passeront pas, ou pire, ils casseront.

L'ancien problème :
Avant, pour vérifier ces cubes, des humains devaient les empiler par paquets de 15x15 et essayer d'y enfoncer des tiges métalliques. C'était lent (plus de 16 secondes par cube), fatiguant, et très subjectif ("Ça passe un peu dur, je jette le cube"). C'était comme essayer de trier des milliers de pièces de puzzle à l'aveugle, juste en les touchant.

🤖 La Solution : Un Robot Détective avec des Yeux de Faucon

Les chercheurs japonais ont créé un système semi-automatique pour remplacer cette méthode lente. Voici comment cela fonctionne, étape par étape :

1. La Scène de Crime (Le Plateau Rotatif)

Imaginez un plateau tournant de type "tourniquet" avec 8 places.

• On pose un cube manuellement sur une place.
• Le plateau tourne. Le cube, grâce à la gravité et à des murs spéciaux, se cale tout seul dans un coin (comme un dé qui tombe dans un coin de table).
• Des 6 caméras ultra-puissantes (comme des yeux de faucon) prennent des photos de toutes les faces du cube pendant qu'il tourne.

2. Le Détective Numérique (L'Analyse d'Image)

Le logiciel ne se contente pas de regarder ; il analyse chaque pixel.

• Le calibrage : Comme l'éclairage peut créer des ombres trompeuses, le système "corrige" les images pour s'assurer que ce qu'il voit est la réalité, pas un effet de lumière.
• La chasse aux défauts : Il mesure la taille du cube (est-il trop gros ? trop petit ?) et cherche des bosses sur la surface (comme un grain de poussière collé).
• Le repérage des trous : C'est le plus important. Il mesure la position exacte des trois trous avec une précision de 10 microns (c'est 10 fois plus fin qu'un cheveu humain !).

3. Le Tri Intelligents (Le Bras Robotique)

C'est ici que l'histoire devient géniale.

• La version 1 (Prototype) : Le système disait simplement "Bon" ou "Mauvais". Résultat : il jetait trop de cubes (20% !), car il était trop strict.
• La version 2 (Le Génie) : Les chercheurs ont réalisé qu'un cube n'est pas forcément "mauvais" juste parce que ses trous sont décalés. Si tous les cubes d'une rangée ont leurs trous décalés dans la même direction, on peut quand même les assembler !

Pour cela, ils ont ajouté un bras robotique à 6 axes (comme un bras humain très agile).

• Au lieu de simplement jeter le cube dans une poubelle, le bras le saisit délicatement (avec une ventouse).
• Il lit les coordonnées des trous et classe le cube dans l'une des 48 boîtes différentes.
• Chaque boîte contient des cubes qui ont exactement le même "décalage". Ainsi, quand on assemble la rangée, les décalages s'annulent ou s'alignent parfaitement.

🏆 Les Résultats : Une Révolution

• Vitesse : Le système analyse un cube en 15 secondes (contre 16 secondes pour un humain, mais sans fatigue et sans erreur de jugement).
• Précision : Il est capable de détecter des défauts invisibles à l'œil nu.
• Économie : Grâce à la méthode des "48 boîtes", ils ne jettent plus que 3,1 % des cubes (au lieu de 20 % ou 5 % avec l'ancienne méthode). C'est une économie énorme de matériaux et d'argent.

En Résumé

Imaginez que vous devez trier des millions de pièces de Lego. Au lieu de dire "celle-ci est tordue, je la jette", votre robot dit : "Ah, celle-ci est tordue vers la gauche, je la mets dans le bac 'Gauche'. Celle-ci est tordue vers la droite, je la mets dans le bac 'Droite'". Ainsi, quand vous construisez votre château, vous utilisez des pièces qui s'adaptent parfaitement les unes aux autres.

Ce système est une victoire de l'intelligence artificielle et de la robotique pour permettre aux physiciens de construire des détecteurs plus grands, plus précis et plus fiables pour comprendre les mystères de l'univers.

Résumé technique

Titre du document :

Dépistage dimensionnel semi-automatique de cubes de scintillateur plastique par analyse d'images et robotique

1. Problématique

Les détecteurs de physique des particules à grande échelle, tels que le détecteur SuperFGD de l'expérience T2K, sont composés de millions de composants répétitifs (1,9 million de cubes de scintillateur plastique de 1 cm³). La précision mécanique de ces composants est critique pour la performance globale du détecteur.

• Contraintes d'assemblage : Les cubes possèdent trois trous orthogonaux de 1,5 mm de diamètre destinés à recevoir des fibres à décalage de longueur d'onde (WLS) de 1,0 mm.
• Tolérance critique : Une désalignement supérieur à 0,5 mm entre cubes adjacents empêche l'insertion des fibres. Sur la longueur du détecteur (192 cubes), la déviation acceptable par cube doit être inférieure à environ 36 µm.
• Limites des méthodes actuelles : Le contrôle qualité initial réalisé en Russie pour SuperFGD reposait sur un dépistage manuel utilisant des tiges en acier inoxydable. Cette méthode était lente (>16 secondes par cube), subjective, non reproductible et nécessitait un effort humain considérable pour traiter des millions de pièces. De plus, elle ne permettait pas de classer les cubes de manière fine pour optimiser leur assemblage.

2. Méthodologie

Les auteurs ont développé un système de contrôle qualité semi-automatique, puis complet, combinant la robotique, l'acquisition d'images et l'analyse algorithmique.

A. Système d'acquisition et mécanique

• Plateforme rotative : Un plateau motorisé (moteur pas à pas) porte 8 plateformes. Un cube est placé manuellement (ou robotiquement dans la version finale) sur une plateforme.
• Rotation et imagerie : Le plateau tourne par incréments de 45°. Deux positions d'imagerie (Imaging Point 1 et 2) permettent de capturer les 6 faces du cube.
• Optique : 6 caméras USB haute résolution (8 mégapixels) équipées de téléobjectifs (2x) et de lumières LED annulaires pour un éclairage uniforme et réduire les ombres dues à la texture de surface (gravure chimique).
• Résolution : Environ 15 µm par pixel.

B. Analyse d'images (Algorithmes)

Le traitement d'image utilise la bibliothèque OpenCV et des algorithmes personnalisés :

1. Prétraitement : Conversion en niveaux de gris, filtrage gaussien et seuillage pour éliminer le bruit.
2. Détection de contour et forme : Détection des contours du cube et des trous. Utilisation de la transformée de Hough pour identifier les lignes (bords du cube) et les cercles (trous).
3. Correction d'alignement : Ajustement de l'orientation de l'image basé sur la pente des bords du cube pour corriger les micro-inclinaisons.
4. Détection de défauts : Identification des protubérances de surface en comparant les contours réels aux lignes idéales.
5. Ajustement circulaire : Affinement de la position et du diamètre des trous par ajustement de moindres carrés sur 16 points extraits du contour.
6. Calibration : Correction des effets de l'éclairage asymétrique et des désalignements entre les 8 plateformes et 6 caméras via des ajustements linéaires.

C. Évolution vers le système complet (Robotique)

• Prototype : Utilisait une valve de tri à servo-moteur pour classer les cubes en "Acceptable", "Re-vérification" ou "Défectueux".
• Système final : Intégration d'un bras robotique 6 axes (UFACTORY xArm 6) avec une pince à vide.
  • Prise de décision : Le robot saisit le cube à la fin du cycle d'imagerie, préservant son orientation.
  • Classification fine : Au lieu de rejeter les cubes avec des trous décalés, le système les classe en 48 groupes distincts basés sur la position relative des trous (3 orientations possibles × 4 groupes de décalage X × 4 groupes de décalage Y).
  • Assemblage intelligent : Les cubes d'un même groupe, ayant des décalages similaires, sont assemblés ensemble, permettant aux fibres de passer même si les trous ne sont pas parfaitement centrés individuellement.

3. Contributions Clés

1. Système de mesure automatisé : Développement d'une chaîne de mesure non destructive atteignant une précision de 10 µm pour les dimensions et la position des trous.
2. Stratégie de tri par regroupement (Bin-packing) : Innovation majeure consistant à ne pas rejeter systématiquement les cubes avec des trous décentrés, mais à les regrouper par "décalage similaire" pour maintenir la continuité des fibres sur de longues distances.
3. Intégration Robotique : Utilisation d'un bras robotique pour non seulement trier, mais aussi maintenir l'orientation des cubes, permettant une classification à haute dimension (48 catégories) impossible avec un système de chute gravitationnelle simple.
4. Reproductibilité : Démonstration d'une concordance supérieure à 80 % avec le dépistage manuel de référence, tout en éliminant la subjectivité humaine.

4. Résultats

• Précision de mesure : L'écart-type des mesures de position des trous a été réduit de 23 µm à 10 µm grâce aux corrections d'alignement et d'éclairage.
• Comparaison avec le manuel : Sur un échantillon de 395 cubes (154 acceptables, 241 défectueux), le système a reproduit la classification manuelle avec une fiabilité >80 %.
• Taux de rejet (Prototype) : Le système initial rejetait environ 20 % des cubes (principalement pour des décalages de trous).
• Taux de rejet (Système final) : Grâce à la classification en 48 groupes, le taux de rejet a chuté à 3,1 % sur un test de 6 500 cubes.
• Vitesse :
  • Prototype : ~6 secondes/cube (3x plus rapide que le manuel).
  • Système complet (avec prise robotique) : ~15 secondes/cube (toujours 3x plus rapide que le manuel de 16s/cube).
• Fiabilité : Le bras robotique a fonctionné de manière stable sans perte de cubes ni blocages majeurs lors des tests.

5. Signification et Perspectives

Ce travail offre une solution scalable et précise pour le contrôle qualité des détecteurs de physique des particules de nouvelle génération (comme DUNE ou les mises à jour de T2K).

• Impact économique et logistique : Réduction drastique du temps de contrôle et du nombre de composants rejetés inutilement, ce qui est crucial pour les projets impliquant des millions de pièces.
• Optimisation de l'assemblage : La méthode de regroupement par décalage permet d'utiliser une plus grande proportion de la production, minimisant les coûts de fabrication.
• Automatisation future : Le système a démontré la faisabilité de l'automatisation complète (placement initial par robot), ouvrant la voie à des lignes de production entièrement autonomes pour les futurs détecteurs à grande échelle.

En conclusion, cette approche combine l'analyse d'image de haute précision et la robotique flexible pour transformer un problème de contrôle qualité statique en un processus dynamique d'optimisation de l'assemblage.