Aérien & drone

Sun, 01 Jun 2025 00:00:00 +0000

Album de démonstration (grille justifiée + visionneuse via hugo-shortcode-gallery). Les images sont servies en version réduite (dérivés basse résolution), les données EXIF sont supprimées, l’indexation des images est désactivée et les originaux de démonstration portent un filigrane © visible. Remplacez les images provisoires par les vôtres.

Détection de polluants par drone (jour & nuit)

Mon, 01 Jul 2024 00:00:00 +0000

Contexte

Détecter depuis un drone les polluants gazeux et les hydrocarbures, de jour comme de nuit, afin de surveiller les sources de pollution mobiles (navires, engins) dans les zones maritimes et industrielles.

Chaîne de traitement

flowchart TB
 A["Drone — thermique/IR + visible"] --> B["Acquisition jour / nuit"]
 B --> C["Détection de signatures polluantes"]
 C --> D["Localisation sur cibles en mouvement"]
 D --> E["Surveillance maritime / industrielle"]

Méthodes

Imagerie combinée thermique/infrarouge et spectre visible.
Détection et localisation de traces de polluants sur des cibles en mouvement.
Fonctionnement en conditions diurnes comme nocturnes.

Résultats

Détection de fuites de carburant et de rejets d’hydrocarbures dans les zones portuaires et les eaux côtières.
Capacité de surveillance continue des zones maritimes et industrielles.

Stack technique

Python · OpenCV · imagerie thermique/IR · drone

Détection de fissures submillimétriques sur ouvrages de génie civil

Fri, 01 Mar 2024 00:00:00 +0000

Contexte

Surveillance non destructive de l’état des ponts, bâtiments et infrastructures. L’enjeu n’est pas seulement de détecter les fissures, mais de les classer selon leur ouverture — sans contact ni échafaudage.

C’est l’ouverture qui compte pour l’inspection : selon la largeur d’une fissure, la méthode de réparation (de remplissage) n’est pas la même. Un système d’inspection doit donc être très précis, car une mauvaise classe d’ouverture conduit à une mauvaise prescription de réparation.

Quatre classes d’ouverture

Classe	Ouverture	Conséquence
1	< 0,3 mm	Fissures les plus fines — souvent plus étroites qu’un pixel ; réparation spécifique
2	0,3 – 0,7 mm	Méthode de réparation différente
3	0,7 – 1 mm	Méthode de réparation différente
4	≥ 1 mm	Méthode de réparation différente

Chaque classe appelle sa propre méthode de remplissage ou de réparation : la classification conditionne donc directement la décision de maintenance.

Le défi du sous-pixel

La principale difficulté est de descendre sous la taille du pixel. Une fissure de 0,3 mm ne couvre même pas un pixel entier aux résolutions d’inspection courantes — et le système doit pourtant la détecter, même lorsque la résolution au sol est un peu plus grossière que 0,3 mm.

Pourquoi est-ce possible ? Une fissure plus fine qu’un pixel ne disparaît pas : elle occupe une partie des pixels qu’elle traverse et modifie légèrement leur intensité par rapport à la surface environnante. Pris isolément, ce signal de pixel partiel est faible ; mais une fissure est un élément continu et allongé : le même contraste ténu se répète de façon cohérente sur de nombreux pixels voisins. C’est en exploitant ce contraste et cette continuité qu’on peut détecter la fissure — et estimer son ouverture — au-delà de la résolution nominale de l’image.

Acquisition : drone et smartphone

Photographie par drone — acquisition haute résolution des surfaces des ouvrages, pour les structures étendues ou difficiles d’accès.
Photographie au smartphone — l’approche fonctionne aussi sur des images prises au téléphone portable, ce que j’ai testé, ce qui permet une inspection rapprochée avec un équipement courant.

Chaîne de traitement

flowchart TB
 A["Prise de vue — drone ou smartphone"] --> B["Découpage en tuiles & calibration"]
 B --> C["Segmentation des fissures — CV / DL"]
 C --> D["Estimation sous-pixel de l'ouverture"]
 D --> E["Classification de l'ouverture — 4 classes"]
 E --> F["Carte des défauts & rapport d'inspection"]

Méthodes

Acquisition haute résolution des surfaces des ouvrages par drone ou smartphone.
Segmentation des fissures par vision par ordinateur / apprentissage profond sur béton et maçonnerie.
Calibration métrique et analyse sous-pixel pour l’estimation de l’ouverture des fissures.
Classification en quatre classes d’ouverture associées aux méthodes de réparation.

Résultats

Inspection non destructive et reproductible des ouvrages de génie civil.
Cartes de défauts géolocalisées pour hiérarchiser les interventions de maintenance.

Modèles et visuels à venir.

Stack technique

Python · OpenCV · apprentissage profond · drone RVB haute résolution · imagerie smartphone · photogrammétrie

Drone on Boris Dupoux

Aérien & drone

Détection de polluants par drone (jour & nuit)

Contexte

Chaîne de traitement

Méthodes

Résultats

Stack technique

Détection de fissures submillimétriques sur ouvrages de génie civil

Contexte

Quatre classes d’ouverture

Le défi du sous-pixel

Acquisition : drone et smartphone

Chaîne de traitement

Méthodes

Résultats

Stack technique