Pour répondre au besoin croissant d'inspection par contrôle non destructif (CND) dans les industries manufacturières, il est impératif de développer des solutions qui exploiteront les possibilités d'automatisation pour compléter les compétences des inspecteurs humains. Le secteur du moulage sous pression d'aluminium (ADC) est un secteur en constante évolution, au service d'industries critiques pour la sécurité comme l'automobile et l'aérospatiale. Cependant, les ADC sont susceptibles de présenter des défauts de fabrication dont la plupart ne sont pas visibles à l'œil nu et nécessitent une application appropriée des techniques CND pour vérifier leur intégrité structurelle et leur aptitude à l'emploi. Ces procédures sont standardisées et doivent être menées conformément aux normes industrielles applicables. Le développement de l'automatisation des tâches d'évaluation des images radiographiques des ADC est confronté à un défi, notamment en ce qui concerne la capacité de ces solutions à se conformer aux normes CND. Les réseaux neuronaux d'apprentissage profond ont démontré un potentiel important dans la reconnaissance automatisée des défauts/défauts, néanmoins, la confiance nécessaire pour accepter de telles solutions dans les secteurs critiques pour la sécurité ne peut être acquise que si l'on comprend suffisamment comment ces modèles fonctionnent et quelles propriétés exactes des données de formation sont cruciales pour leurs performances. Au fil des ans, l'utilisation prolifique de l'apprentissage profond dans divers secteurs a popularisé la notion de sa forte dépendance aux données, en mettant davantage l'accent sur la quantité que sur la qualité. Cette thèse est composée d'études expérimentales visant à comprendre les propriétés des données de radiographie numérique à rayons X qui sont cruciales pour affecter les performances de l'apprentissage profond. Dans le premier chapitre, une étude approfondie entre l'influence du rapport contraste/bruit et du rapport signal/bruit a été menée. Les résultats de l'étude ont révélé que la variation du rapport contraste/bruit (CNR) a un impact sur le comportement d'apprentissage des modèles d'apprentissage profond d'une manière qui pourrait être exploitée pour former un modèle d'apprentissage profond hautement performant. Une deuxième étude telle que présentée au chapitre 2 de cette thèse considère les propriétés des images de radiographie numérique à rayons X, en particulier les propriétés statistiques de la distribution d'intensité des pixels. Cette découverte a ouvert la voie à la synthèse d'images radiographiques numériques et à leur utilisation comme données d'apprentissage pour une application d'apprentissage profond. Bien qu'entraîné uniquement sur les données synthétiques, le modèle a obtenu d'excellentes performances sur de véritables images de radiographie numérique à rayons X. Grâce à l'approche peu coûteuse en termes de calcul qu'elle présente, cette solution offre de bonnes perspectives dans les industries, en particulier dans l'industrie ADC qui fabrique des produits aux morphologies cohérentes. Au chapitre 3, la pertinence de la qualité des données par rapport à la quantité pure a été étudiée dans une étude expérimentale utilisant un simulateur de radiographie numérique à rayons X de pointe (aRTist). L'acquisition d'images a été réalisée sous deux formes distinctes : tout d'abord, la pratique industrielle conventionnelle qui stipule une plage fixe de qualité d'image à atteindre (par exemple, le rapport signal/bruit) a été utilisée pour acquérir des images à partir de 140 composants. Deuxièmement, un moyen non conventionnel qui se concentre sur la variation des paramètres d'exposition pour modifier les propriétés des défauts dans les images, notamment le rapport contraste/bruit (CNR), a été utilisé pour acquérir un ensemble de données avec seulement 42 % des composants de test. Les performances des modèles d'apprentissage profond formés distinctement sur chaque ensemble de données ont été comparées. Bien qu'organisé à l'aide de moins de composants, le modèle formé sur les données acquises à l'aide d'une méthode d'acquisition d'images non conventionnelle a démontré de meilleures performances de modèle. Cette étude confirme une exploitation efficace de nos résultats expérimentaux antérieurs qui identifient le CNR comme un paramètre d'image qui influence les performances de l'apprentissage profond. Le chapitre 4 se concentre sur le développement d'un algorithme de classement des défauts pour classer les défauts détectés dans les composants moulés sous pression en aluminium, inspiré de la norme ASTM E2973- 15. Le pipeline de classement utilise un algorithme d'arbre k-dimensionnel (K-D) qui structure les défauts détectés pour faciliter une évaluation efficace des défauts. Cela permet des requêtes spatiales rapides et une évaluation efficace de la gravité des défauts sur la base de critères prédéfinis tels que des normes mondiales ou des termes spécifiques au client. L'algorithme a démontré une grande efficacité, classant avec précision les défauts et peut faciliter la prise de décision automatisée (Accepter/Rejeter) en radiographie numérique à rayons X. L'adaptabilité du système à différents critères de classement garantit son applicabilité dans divers secteurs critiques pour la sécurité. Collectivement, les études contenues dans cette thèse présentent des innovations expérimentales en radiographie numérique à rayons X qui influencent les performances du modèle d'apprentissage profond pour une évaluation robuste des défauts, offrant ainsi une voie viable pour réaliser une évaluation d'image automatisée qui peut atteindre une inspection à 100 % des composants fabriqués, même dans les secteurs qui nécessitent un strict respect des normes CND. / To meet the rising need for Non-destructive Testing (NDT) inspection in manufacturing industries, it is imperative to develop solutions that will exploit automation possibilities, to supplement the competencies of human inspectors. The aluminum die casting (ADC) sector is one that evolves constantly, serving safety-critical industries like automotive and aerospace. However, ADCs are prone to having manufacturing flaws, most of which are not visible to the human eye and hence require proper application of NDT techniques to ascertain their structural integrity, and fitness for use. The NDT procedures are standardized and must be conducted in accordance with applicable industrial standards. Developing automated solutions of tasks such as the evaluation of radiographic images of ADCs faces a challenge, particularly in the ability such solutions to conform to NDT standards. Deep learning neural networks have demonstrated significant potential in automated flaw/defect recognition, nonetheless, the confidence needed to accept such solutions in safety-critical sectors can only be gained if there is sufficient understanding of how these models operate, and what exact properties within training data is crucial to their performance. Over the years, the prolific use of deep learning across various sectors has popularized the notion of its high dependence on data, with more emphasis on the quantity, rather than the quality. This dissertation is composed of experimental studies aimed at understanding the properties of digital X-ray radiography data that is crucial in impacting deep learning performance. In the first chapter, an extensive study between the influence of contrast-to-noise ratio and signal-to-noise ratio was conducted. Findings from the study revealed that contrast-to-noise ratio (CNR) variation impacts training behaviour of the deep learning models in a manner that could be leveraged to train a deep learning model to be highly performant. A second study as presented in Chapter 2 of this dissertation considers the properties of digital X-ray radiography images, specifically the statistical properties of the pixel intensity distribution. This finding paved the way for the synthesization of digital X-ray images, using them as training data for a deep learning application. Although trained on only the synthetic data, the trained model performed excellently on real digital X-ray radiography images. With the computationally inexpensive approach it presents, this solution holds good prospect in industries, especially ADC industry that manufactures products with consistent morphologies. In Chapter 3, the relevance of data quality over sheer quantity was investigated in an experimental study using a state-of-the-art digital X-ray radiography simulator (aRTist). Acquisition of images were carried out in two distinct forms: firstly, the conventional industrial practice that stipulates a fixed range of image quality to be attained (e.g., the signal-to-noise ratio) was used to acquire images from 140 components. Secondly, a non-conventional means that focuses on varying exposure parameters to alter the properties of flaws in the images, notably the contrast-to-noise-ratio (CNR), was used to acquire dataset with only 42 % of the test components. The performances of deep learning models trained distinctly on each dataset was compared. Although curated using fewer components, the model trained on the data acquired using the proposed unconventional image acquisition method demonstrated better model performance. This study confirms an effective harnessing of our earlier experimental findings that identifies CNR as an image parameter that influences deep learning performance. Chapter 4 focuses on developing a flaw grading algorithm to classify detected flaws in aluminum die casting components, inspired by ASTM E2973-15 standard. The grading pipeline employs a k-dimensional (K-D) tree algorithm that structures detected flaws to facilitate efficient evaluation of the flaws. This approach enables rapid spatial queries and effective flaw severity evaluation based on predefined criteria such as global standards or client-specific terms. The algorithm demonstrated high efficiency, accurately grading flaws, and can facilitate automated decision-making (Accept/Reject) in digital X-ray radiography. The system's adaptability to different grading criteria ensures its applicability across various safety-critical sectors. Collectively, the studies contained in this dissertation present experimental innovations in Digital X-ray radiography that influence deep learning model performance for robust defect evaluation, thereby offering a viable pathway to realizing automated image evaluation that can achieve 100 % inspection of manufactured components, even in sectors that require strict adherence to NDT standards.

Titre de l'écran-titre (visionné le 29 juin 2023) / Le marché mondial de l'aluminium demande une réduction des coûts et des impacts environnementaux. Simultanément, la qualité des matières premières requises pour le procédé de production de l'aluminium primaire est de plus en plus variable et leur qualité se dégrade dans le temps. Considérant ces demandes et défis, l'approche traditionnelle de contrôle de qualité des anodes de carbone précuites, qui sont des intrants dans les cellules modernes de production d'aluminium, n'est plus suffisante pour le contrôle et l'optimisation de la production des anodes. Toutefois, de nouvelles techniques d'analyse rapides et non-destructives ont été développées afin d'améliorer le contrôle de leur qualité. Dans cette recherche, un prototype a été conçu pour avancer la recherche de deux des techniques les plus récentes, soit l'analyse acousto-ultrasonique (AU) et l'analyse modale (MA). L'équipement est décrit et une analyse de répétabilité est faite pour démontrer que les techniques peuvent être utilisés pour le contrôle du procédé et de la qualité des anodes. Ensuite, les deux techniques sont testées avec un grand nombre d'échantillons. En plus, une procédure pour estimer les propriétés des anodes basées sur les résultats de l'AU est proposée. Finalement, les trois approches sont combinées pour montrer comment elles se complètent. Pour l'analyse modale, une nouvelle approche pour utiliser les données de la réponse vibratoire des anodes est proposée avec le potentiel d'exploiter la totalité des données disponibles. De plus, elle permet de réduire le nombre de capteurs (accéléromètres) et simplifie significativement la procédure expérimentale en comparaison avec les travaux de recherche antérieurs. La capacité supérieure de détection de défauts de la nouvelle approche a été démontrée sur un grand nombre d'échantillons, en plus de sa répétitivité pour la détection de défauts externes. De façon similaire, une nouvelle approche pour utiliser les données est proposée pour l'analyse acousto-ultrasonique, en améliorant la décomposition des signaux dans différentes bandes de fréquence et en la combinant avec un modèle de classification comme un moyen d'utiliser le système pour discriminer deux classes d'anodes. Ces classes étaient des anodes avec des dommages visibles sur les surfaces externes des anodes et d'autres sans dommage apparent. Il était attendu de l'approche une meilleure résolution temporelle et, par conséquence, une meilleure performance en discrimination, ce qui a été validé à la fin de l'étude. Une technique d'interpolation a été proposée pour les données de l'analyse AU afin d'obtenir une distribution spatiale plus fines des vitesses du son dans les anodes. Un jeu d'échantillons simulés numériquement a été généré pour représenter des anodes et des défauts internes. Ces échantillons ont été utilisés pour confirmer la performance de l'approche proposé à la détection et au positionnement des défauts simulés. Cette approche nous a permis de tester la performance de la technique de manière théorique dans plusieurs situations : différents nombres de capteurs et leur positionnement, différents nombres de défauts et leur taille. La performance a été confirmée avec un groupe d'échantillons d'anodes carottées qui ont été caractérisées en laboratoire et la corrélation entre la vitesse du son estimée et plusieurs propriétés clés des anodes. Finalement, une combinaison entre l'analyse modale et l'AU en utilisant l'analyse modale comme première étape dans une stratégie de contrôle à deux niveaux comme étape de pré-traitement, réduit significativement la quantité d'anodes qui ont besoin d'être analysés par l'AU. Il est aussi démontré que leur combinaison est plus précise en performance de classification que l'utilisation de ces deux méthodes séparément. Ensuite, l'interpolation a été utilisé pour investiguer ce qui caractérise des anodes qui ont été bien, ou mal classifiées. / The global aluminium market demands cost efficiency and environmental impact reductions ever more. Simultaneously raw materials for the production process have become more inconsistent and overall worse in quality. With those increasing demands and challenges, the quality control of baked carbon anodes, a requirement for modern aluminium production cells, using the traditional approach does not allow for tight control and optimization of the anode production process. However, new rapid and non-destructive techniques (NDTs) have been developed which could fulfill the need for better quality control methods. In this research, a prototype equipment was developed to further advance the research in two of the newer techniques, namely acousto-ultrasound (AU) and modal analysis. The equipment is described, and a repeatability evaluation is performed on a set of industrial anodes to prove it can be used for process and quality control. In sequence, both modal analysis and acousto-ultrasonics are tested on a large number of samples. Moreover, a procedure to interpolate the anode's properties based on the AU results is proposed. Finally, the three approaches are combined to show how they complement each other. For modal analysis, a new approach for analyzing the data collected is proposed which has the potential of fully exploiting the available data while simultaneously reducing the number of sensors and significantly simplifying the testing procedure, in comparison with previous research. The approach was shown to be more capable for the same analyzed samples, while also being more repeatable, in the task of detecting the presence of external defects. Similarly, a new method for analyzing data collected is proposed for acousto-ultrasonics regarding the frequency band decomposition combined with a classification model as a means to use the system to discriminate between two classes of anodes. The classes were anodes with visible external damages and anodes without any damages. The approach was expected to deliver better time resolution, and consequently, better performance in the discrimination task, which was confirmed at the end of the study. An interpolation technique was proposed for the AU data and a set of toy examples was generated to simulate anodes and internal defects. Those were used to confirm the performance of the proposed approach in detecting and positioning the simulated defects. This allowed the technique to be tested for its performance, theoretically, in cases with different numbers of sensors, numbers of defects and defect sizes. Its performance was confirmed using a group of core samples from anodes that were analyzed and correlations with the sound speed and key anode properties were established.

La mise en place d'un programme de tests accélérés (AT) est accompagnée de plusieurs préoccupations et incertitudes quant à l'estimation de la fiabilité qui peut causer un écart par rapport au service réel. Cette thèse vise à présenter les outils nécessaires et auxiliaires antérieurs aux tests, ainsi qu'à proposer des approches techniques et des analyses pour la mise en oeuvre de tests accélérés pour l'estimation de la fiabilité, la cornparaison de produits, l'identification des modes de défaillances critiques ainsi que la vérification de l'amélioration de la fiabilité (après modification de la conception). Tout programme de tests accélérés doit faire l'objet d'une investigation économique, de même que la similitude entre tests et modes de défaillances doit être vérifiée. L'existence de variables aléatoires dans le service en utilisant le profil et le temps de défaillance dans les tests accélérés sont les causes de l'incertitude pour estimer la fiabilité qui doit être résolu numériquement. La plupart des programmes de tests de dégradation accélérés ont été mis en oeuvre à des fins qualitatives et d'analyse de comparaison, de sorte que le concept de tests de dégradation accélérés doivent être étendus et généralisés au cas de produits sujets à de multiples modes de défaillance, avec ou sans modes de défaillance dépendants. Si des échantillons, neufs ou usagés, d'un produit sont disponibles; la méthode de vieillissement partielle est proposée afin de diminuer considérablement le temps de test.

Dans ce mémoire nous traitons le problème de localisation du (des) composant(s) responsable(s) de la défaillance. Chaque composant est assujetti à des défaillances aléatoires. La détection de l’état d’un composant ou d’un sous-système est effectuée à l’aide de tests. L’objectif de cette recherche est d’exploiter les techniques et connaissances disponibles pour générer la séquence de tests qui permet de localiser rapidement le(s) composant(s) responsable(s) de la défaillance du système. On considère un système opérant suivant une structure série pour lequel on connaît le coût de tests et la probabilité conditionnelle qu’un composant (i) soit responsable de la défaillance. On analyse les différentes stratégies de diagnostic. Des exemples, empruntés à la littérature, sont utilisés pour illustrer chaque procédure traitée. Des extensions sont proposées pour traiter le cas où le diagramme de fonctionnement du système n’est pas nécessairement "série". Les algorithmes traités font appel à l’analyse probabiliste des systèmes, à la théorie de l’information, à l’approche heuristique et à la programmation dynamique. / In this paper, we address the problem of the localization of the component(s) responsible(s) for the failure. Each component is subjected to random failures. Some tests help the detection of the state of a component or a subsystem. The objective of this research is to exploit the available knowledge and techniques to generate the tests sequence that locate quickly the (s) component (s) responsible (s) of system failure. We consider a system which operates according to a structure series and of which we know the test costs and the conditional probability that a component (i) is out of service. We analyze the different diagnostic strategies. Some examples, taken from the literature, are used to illustrate each procedure covered. Many extensions are proposed to handle the case where the diagram of the system is not necessarily "series". The algorithms treated are based of probabilistic analysis of systems, the information theory, the heuristic approach and the dynamic programming.

Le tableau électrique est un élément clé de toute installation électrique. Il incorpore des dispositifs destinés à distribuer l'électricité et à protéger les circuits et les personnes. Cette thèse porte sur un système innovant de surveillance et de diagnostic des tableaux BT, basée sur les mesures de températures, et de courants. Ce système répond au besoin de prévenir les pannes, qui, bien que rares, peuvent entrainer des pertes financières énormes. Les mesures thermiques sont réalisées à l'aide de capteurs sans fil. Les données mesurées sont transmises via internet, et collectées dans un serveur, pour être traitées. Ce traitement comprend une phase de détection locale de défaut et une autre de diagnostic global conduisant à des recommandations de maintenance. Notre travail est axé sur les modules de détection et le diagnostic. Des résultats issus d'expérimentations et d'informations provenant d'experts sont présentés pour valider la faisabilité des méthodes mises en œuvre

Dans cette thèse nous proposons une nouvelle formulation de la procédure de détection et d'isolation de défauts provenant des actionneurs pour les systèmes dynamiques. Habituellement, un système de commande se compose de trois parties : les capteurs, le procédé et les actionneurs. L'actionneur est un dispositif interne avec sa propre structure et ses caractéristiques dynamiques. Dans la majorité des études, il est considéré tout simplement et d'une manière approximative comme des coefficients constants, mais ce type de formulation d'actionneur n'est pas efficace pour l'identification exacte des défauts issus des organes de commande pour les systèmes réels. Dans le but de s'approcher de la réalité et aussi pour améliorer l'efficacité du diagnostic, nous allons considérer l'actionneur comme un sous-système connecté en cascade avec le procédé. En utilisant cette nouvelle formulation, les défauts actionneurs peuvent être modélisés en les considérant comme étant un changement au niveau des paramètres internes de ce sous-système actionneur. Nous supposons que la sortie de l'actionneur qui représente aussi l'entrée du système dynamique est non mesurable, donc nous allons obtenir l'information sur les défauts actionneurs seulement à partir de la variable de sortie du procédé. Une question intéressante peut se poser lors de l'implantation de la procédure de diagnostic des défauts actionneurs: est ce que l'information sur les défauts actionneurs peut être complètement vue à la sortie du système dynamique ? Cet apport informationnel constitue le problème primordial pour concevoir la procédure de diagnostic désirée. Pour décrire cette nouvelle reformulation, nous avons introduit quelques notions sur les systèmes inverses et nous avons donné également une condition de rang pour l'inversibilté à gauche des systèmes linéaires. Le but de l'étude de ces notions est de trouver les conditions satisfaisantes qui vont permettre la détection de défauts provenant de l'actionneur. Pour l'isolation des défauts, nous avons utilisé une approche basée sur les observateurs par intervalles. En effet, cette méthode nous a permis d'isoler les défauts d'une manière très rapide. L'ensemble des résultats présentés ont été illustrés par un exemple de simulation sur un réacteur nucléaire montrant l'efficacité de la méthode pour l'isolation de défaut.

La détection des défauts non francs est un passage obligé dans la gestion de la maintenance des câbles (Wire Health Monitoring) et permet d’anticiper l’apparition de défauts francs engendrés par l'aggravation de défauts non francs. Ces travaux de thèse visent à étudier la problématique de défauts non francs dans les câbles électriques. L'étude proposée consiste à étudier le problème direct : modélisation électromagnétique et compréhension des phénomènes physiques liés à la présence des défauts non francs, et impact des défauts sur leurs signatures obtenues par réflectométrie. Il est proposé dans ce travail de caractériser des défauts non francs représentatifs de situations réelles, ce qui peut servir ultérieurement dans la résolution du problème inverse : déterminer la localisation et la sévérité des défauts à partir du réflectogramme en vue du diagnostic. L'approche proposée se fait en deux temps. Dans un premier temps, une caractérisation électromagnétique d’une zone localisée d’un câble présentant un défaut non franc est réalisée grâce à une modélisation électromagnétique prenant en compte la géométrie tridimensionnelle du défaut. Deux méthodes numériques ont été exploitées : une méthode de différences finies dans le domaine temporel (FDTD) et une méthode de Galerkin discontinu. Les résultats des simulations permettent d'exprimer les perturbations engendrées par le défaut et de déduire leur influence sur la propagation des signaux dans le câble. Des validations expérimentales menées dans le domaine temporel et le domaine fréquentiel permettent de confronter les mesures aux prédictions numériques. Dans un deuxième temps, des modèles électriques de défauts sont exprimés sous forme de paramètres localisés R, L, C, et G qui peuvent être utilisés dans un modèle de ligne de transmission. Une telle analyse des défauts non francs permet de relier une faible variation locale des caractéristiques physiques et électriques de la ligne à une variation des signaux de réflectométrie et des paramètres électriques de la ligne. L’approche permet de fournir des informations utiles pour caractériser des défauts et peut ainsi contribuer à améliorer les performances des systèmes de détection / The soft fault detection feature is certainly a very important aspect of wire health monitoring and an important process required in electrical wiring system operation. It has a great influence on the security and quality of supply. In transmission line networks, this feature is needed to provide a timely identification of the faulted line thus anticipating the appearance of severe faults that are initially caused by soft fault degradation. This work focuses on soft fault problems in electrical fault diagnosis and their weak impact on coaxial transmission lines. The objective of this work is to carry out a soft fault forward model: electromagnetic modeling and investigating the behavior of the line after soft damages and then to analyze its effects on their signatures obtained by reflectometry. It is proposed in this work to characterize the representative soft damages in real situations, which could be used later in solving the inverse problem: determining the position and severity of defects from the reflectometry response for the diagnosis. The proposed approach is based on the following steps: first, an electromagnetic characterization of a faulty region of a cable is carried out by electromagnetic modeling, by taking into account the three-dimensional geometry of defect. For this purpose, two numerical methods have been used: Finite Difference Time Domain (FDTD) and a Discontinuous Galerkin. The simulation results allow to study the disruption initiated by the fault and to infer their influence on the signal propagation along the cable. The experimental validation provided in frequency- and time-domain allows to confront experimental measurements with simulation predictions. In a second step, electrical fault models are expressed in terms of lumped parameters R, L, C, and G, which can be used in a transmission line model. Such analysis of soft faults allows to relate low local variation of the physical and electrical characteristics of the line to a reflectometry signals variation and electrical parameters changes. The approach can provide useful information to characterize defects and can thus contribute to improve the performance of detection systems

La vision par ordinateur est un domaine qui consiste à extraire ou identifier une ou plusieurs informations à partir d'une ou plusieurs images dans le but soit d'automatiser une tache, soit de fournir une aide à la décision. Avec l'augmentation de la capacité de calcul des ordinateurs, la vulgarisation et la diversification des moyens d'imagerie tant dans la vie quotidienne, que dans le milieu industriel, ce domaine a subi une évolution rapide lors de dernières décennies. Parmi les différentes modalités d'imagerie pour lesquels il est possible d'utiliser la vision artificielle cette thèse se concentre sur l'imagerie infrarouge. Plus particulièrement sur l'imagerie infrarouge pour les longueurs d'ondes comprises dans les bandes moyennes et longues. Cette thèse se porte sur deux applications industrielles radicalement différentes. Dans la première partie de cette thèse, nous présentons une application de la vision artificielle pour la détection du moment de vêlage en milieux industriel pour des vaches Holstein. Plus précisément l'objectif de cette recherche est de déterminer le moment de vêlage en n'utilisant que des données comportementales de l'animal. À cette fin, nous avons acquis des données en continu sur différents animaux pendant plusieurs mois. Parmi les nombreux défis présentés par cette application l'un d'entre eux concerne l'acquisition des données. En effet, les caméras que nous avons utilisées sont basées sur des capteurs bolométriques, lesquels sont sensibles à un grand nombre de variables. Ces variables peuvent être classées en quatre catégories : intrinsèque, environnemental, radiométrique et géométrique. Un autre défit important de cette recherche concerne le traitement des données. Outre le fait que les données acquises utilisent une dynamique plus élevée que les images naturelles ce qui complique le traitement des données ; l'identification de schéma récurrent dans les images et la reconnaissance automatique de ces derniers grâce à l'apprentissage automatique représente aussi un défi majeur. Nous avons proposé une solution à ce problème. Dans le reste de cette thèse nous nous sommes penchés sur la problématique de la détection de défaut dans les matériaux, en utilisant la technique de la thermographie pulsée. La thermographie pulsée est une méthode très populaire grâce à sa simplicité, la possibilité d'être utilisée avec un grand nombre de matériaux, ainsi que son faible coût. Néanmoins, cette méthode est connue pour produire des données bruitées. La cause principale de cette réputation vient des diverses sources de distorsion auquel les cameras thermiques sont sensibles. Dans cette thèse, nous avons choisi d'explorer deux axes. Le premier concerne l'amélioration des méthodes de traitement de données existantes. Dans le second axe, nous proposons plusieurs méthodes pour améliorer la détection de défauts. Chaque méthode est comparée à plusieurs méthodes constituant l'état de l'art du domaine. / Abstract Computer vision is a field which consists in extracting or identifying one or more information from one or more images in order either to automate a task or to provide decision support. With the increase in the computing capacity of computers, the popularization and diversification of imaging means, both in industry, as well as in everyone's life, this field has undergone a rapid development in recent decades. Among the different imaging modalities for which it is possible to use artificial vision, this thesis focuses on infrared imaging. More particularly on infrared imagery for wavelengths included in the medium and long bands. This thesis focuses on two radically different industrial applications. In the first part of this thesis, we present an application of artificial vision for the detection of the calving moment in industrial environments for Holstein cows. More precisely, the objective of this research is to determine the time of calving using only physiological data from the animal. To this end, we continuously acquired data on different animals over several days. Among the many challenges presented by this application, one of them concerns data acquisition. Indeed, the cameras we used are based on bolometric sensors, which are sensitive to a large number of variables. These variables can be classified into four categories: intrinsic, environmental, radiometric and geometric. Another important challenge in this research concerns the processing of data. Besides the fact that the acquired data uses a higher dynamic range than the natural images which complicates the processing of the data; Identifying recurring patterns in images and automatically recognizing them through machine learning is a major challenge. We have proposed a solution to this problem. In the rest of this thesis we have focused on the problem of defect detection in materials, using the technique of pulsed thermography. Pulse thermography is a very popular method due to its simplicity, the possibility of being used with a large number of materials, as well as its low cost. However, this method is known to produce noisy data. The main cause of this reputation comes from the various sources of distortion to which thermal cameras are sensitive. In this thesis, we have chosen to explore two axes. The first concerns the improvement of existing data processing methods. In the second axis, we propose several methods to improve fault detection. Each method is compared to several methods constituting the state of the art in the field.

Les arcs électriques ont été à l'origine de plusieurs cas d'accidents aériens graves par incendie ou par destruction d'organes électriques fondamentaux (ex : actionneurs, panneau supérieur,...) (TWA 800 en 1996 et Vol 11 Swiss Air en 1998). Les prévenir et les détecter constituent une amélioration notable de la sécurité en aéronautique. Ainsi, bien que le problème soit connu depuis longtemps, les premiers systèmes de détection d'arcs pour l'avionique sont très récents. Dans un avion, ces défauts ont pour causes principales le vieillissement et la détérioration des câbles. Afin d'étudier et de proposer un système de détection d'arc, les trois phases d'étude suivantes ont été suivies chronologiquement dans ce travail de thèse : premièrement, la réalisation d'un banc de production et de caractérisation des grands types d'arcs électriques (AC et DC). Ce système permet de produire des arcs contrôlés en intensité et en durée selon les modes série, parallèle, DC et AC. L'amorçage des arcs est obtenu par surtension. Cette surtension est produite par commutation inductive. Deuxièmement, la recherche de modèles électriques fiables expliquant les phénomènes d'arcs. Nous proposons donc un meta modèle associant les caractéristiques de différents modèles comportementaux et impédencemétriques.Cette association permet d'améliorer significativement les performances globales de la modélisation dans les circuits. Troisièmement, l'étude et la proposition d'algorithmes de détection en vue de l'implantation sur circuit électronique suffisamment réduit pour être implanté dans un disjoncteur. La détection de la signature d'arc se rapproche d'un problème de détection d'informations fortement bruitées pour lequel peu de solutions ont été jusqu'à présent proposées car cette recherche est relativement nouvelle.Nous proposons et testons différentes méthodes de détection. / The arcs have been the source of several aircraft accidents by fire or serious destruction of the electrical fundamentals (eg actuators, top panel ,...) (TWA 800 in 1996 and Swiss Air Flight 11 1998). Prevent and detect constitute a significant improvement in aviation safety. Thus, although the problem has been known for a while, detection systems for avionics are very recent. In an aircraft, these defects are caused by the aging and the deterioration of the cables. To study and propose a system for arc detection, the following three phases were followed chronologically in this thesis: first, the developement of a test bench to characterize the main types of arcs (AC and DC). This system can produce arcs controlled intensity and duration depending on the mode serial, parallel, DC and AC. The initiation of arcs is obtained by overvoltage. This surge is produced by inductive switching. Second, the search for reliable electric models explaining the phenomena of arcs. We therefore propose a meta model combining the characteristics of different behavioral models and impedancemetry.This combination significantly improves the overall performance of the modeling in the circuits. Thirdly, the study of detection algorithms for implementation on an electronic circuit, small enough to be implanted in a circuit breaker.We propose and test different methods of detection.

Grâce à leurs avancées techniques en termes de poids, performances et fiabilité, les machines synchrones sont de plus en plus utilisées dans le domaine de transport et en particuliers dans l’aéronautique. Les stratégies de maintenances de ces systèmes électriques sont alors indispensables afin d'éviter des surcouts liés à des temps d'arrêt non planifiés. Ce document propose une analyse des conséquences d'un défaut inter-spires intermittent naissant dans l'enroulement statorique d'une Machine Synchrone à Aimants Permanents (MSAP). Ce type de défaut correspond à l'état peu avancé d'un futur court-circuit permanent. Jusqu'à présent, les études menées se sont limitées à la détection de courts-circuits inter-spires permanents. L'objectif de cette analyse est de définir une méthode de détection de ce type de défaut qui soit facile à mettre en œuvre. A partir d'une étude analytique du courant statorique d'une MSAP contrôlée en courant en présence de court-circuit intermittent, nous avons étudié l'impact des différentes grandeurs influençant la perturbation du courant. Nous avons constaté que la forme de la perturbation créée par le défaut était toujours la même et qu'elle était la signature du défaut intermittent dans le courant. Par la suite cette étude analytique a été validée expérimentalement. Dans la partie suivante nous avons étudié la sensibilité des méthodes de détection des courts-circuits inter-spires permanents appliquées au cas du court-circuit intermittent. Ces méthodes se sont révélées inadaptées pour la détection du défaut étudié dans ce travail. Nous avons donc proposé une méthode dédiée qui est basée sur la détection de la signature du défaut et qui utilise une transformation en ondelette adaptée. Il s'agit d'une méthode de détection de forme qui permet non seulement de détecter le défaut intermittent mais aussi de le distinguer des autres types de défauts. La performance de la méthode a été validée par les résultats de simulation et de manipulation. Dans une dernière partie, une étude plus générale sur le suivi de vieillissement des enroulements est proposée. Elle est basée sur le suivi de l'évolution des courbes d'admittance hautes fréquences d'un bobinage au cours du temps en utilisant les fonctions de transfert de ce dernier. / Thanks to technical advances in terms of weight, performance and reliability, synchronous machines are increasingly used in the transport field and especially in aeronautics. The maintenance strategies of these electrical systems are essential to avoid extra costs associated with unscheduled downtime. This document offers a study on the intermittent inter-turn fault occurring in the stator winding of a Permanent Magnet Synchronous Machine (PMSM) and its consequences. This type of fault correspond to the emerging state for a future permanent short circuit condition. So far, studies have been limited to the detection of continuous inter-turn short circuits. The main purpose of this analysis is to define a detection method for this type of fault easy to implement. Based on the stator current analytical study of a PMSM current controlled in presence of intermittent short circuit, we had studied the impact of different variables influencing the current disturbance. We had found that the shape of the disturbance created by the fault was always the same and that it was the fault signature in the current signal. Later this analytical study was validated experimentally. In the next part we had studied the sensitivity of continuous short circuits detection methods applied in the case of intermittent short circuit. These methods have been proved unsuitable to detect the defect studied in this work. Therefore, we had proposed a dedicated method based on the fault signature identification using an adapted wavelet transform. It is a pattern detection method able to detect the intermittent fault and to distinguish it from other types of defects. The performance of the method was validated by simulation and experimental results. In the last part, a more general study concerning the winding health monitoring is proposed. It uses transfer functions and it is based on the monitoring over time of the winding high frequencies admittance curves evolution.