Vers la classification submillimétrique des fissures 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

Il s’agit de classes définies par le client, issues de la pratique ; aucune norme n’est encore citée à leur appui.

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 — les images de smartphone sont également visées, ce qui permettrait une inspection rapprochée avec un équipement courant ; premiers essais informels, non encore quantifiés.

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.

Objectifs & état d’avancement

Objectif : inspection non destructive et reproductible des ouvrages de génie civil.
La chaîne est conçue pour produire des cartes de défauts géolocalisées afin de hiérarchiser les interventions de maintenance ; modèles, validation et visuels sont en attente.

Aucune précision ni erreur d’estimation de l’ouverture n’a encore été mesurée ; les livrables des missions de terrain sont en attente.

Stack technique

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

Génie Civil on Boris Dupoux