Gains :
- Capacité à comprendre les méthodes d’inspection visuelle et de CND et à utiliser la vision par ordinateur comme guide de présélection et d’attention sur de grandes surfaces.
- Capacité à appliquer que la distinction entre pertinent/non pertinent et acceptation/rejet d'une indication appartient à l'examinateur certifié et au document de limite.
- Capacité à comprendre les risques de faux négatifs et de faux positifs et à ne pas terminer l'examen avec « le système a dit propre »
La plupart des soins commencent par les yeux. Une fissure, un point de corrosion, une fixation desserrée, une trace de fuite : la plupart des défauts sont d'abord détectés par une inspection visuelle. Dans l’aviation moderne, cet œil s’accompagne désormais de la vision par ordinateur (une intelligence artificielle qui détecte les objets, les défauts et les motifs à partir des images) : scan du corps d’un drone, analyse d’images par endoscope, marquage automatique des défauts. Dans cette unité, nous expliquerons comment l'IA partage le fardeau de l'œil lors de l'inspection visuelle et des CND (essais non destructifs, méthodes permettant de détecter les défauts internes/de surface sans endommager la pièce), mais pourquoi la décision appartient toujours à l'inspecteur autorisé.
Bases de l'inspection visuelle et des CND
L'inspection visuelle peut être générale (GVI) ou détaillée (DVI) ; Cela se fait à l'œil nu, à la loupe ou à l'endoscope. Les méthodes CND détectent des défauts invisibles à l’œil nu :
- Courants de Foucault (courant de Foucault — détecte électromagnétiquement les fissures de surface/sous-surface),
- Ultrasons (ultrasons - mesure le défaut/l'épaisseur interne avec une onde sonore),
- Pénétrant (pénétrant liquide - rend les fissures superficielles visibles avec un liquide coloré),
- Particule magnétique (particule magnétique — fissures de surface ferromagnétiques),
- Radiographie (radiographie — structure interne avec rayons X).
Les CND nécessitent du personnel certifié (par exemple NAS 410 / EN 4179 niveau 1/2/3). Il s’agit d’un mandat que l’IA ne pourra jamais assumer. L'IA peut extraire une marque dans l'image ; L'examinateur certifié décide si cette marque est un défaut réel (indication pertinente) ou une indication fausse/non pertinente.
Où la vision par ordinateur est-elle utile ?
La vision par ordinateur est puissante dans les tâches répétitives et sur de grandes surfaces où l'œil humain se fatigue lors de l'inspection visuelle :
- Pré-analyse de grandes surfaces : analyse du fuselage, de la superposition des ailes, des dommages causés par la foudre par un drone/une caméra ; marquage des zones suspectes.
- Support d'image endoscope : Dommages à l'intérieur de l'aile du moteur, mettant en évidence le cadre suspect dans le contrôle de la chambre de combustion.
- Détection de changement : comparaison de l'image précédente et actuelle de la même zone et marquage de nouveaux dommages.
- Support de mesure : échelle estimée de la taille des dommages (la mesure exacte est l’instrumentation).
- Enregistrement/marquage : Aide à la documentation de la localisation des indications trouvées.
Il s’agit d’une couche de présélection et de routage de l’attention. "Regardez ici", dit-il ; Il ne dit pas "c'est une fissure et c'est interdit". Cette décision est basée sur les limites SRM/AMM et l'interprétation de l'examinateur.
Attention : l'erreur bidirectionnelle de la vision par ordinateur est critique. Les faux négatifs (manquer la véritable faille) constituent un risque direct pour la sécurité ; Ce n’est pas parce que le système dit « clair » que l’examen est terminé. Les faux positifs (marquant un défaut inexistant) engendrent des démontages et des coûts inutiles. Par conséquent, la vision par ordinateur complète, et non remplace, l’examen humain.
Pourquoi la décision appartient-elle à la personne ?
Une ligne sombre dans une image peut être une fissure, une égratignure, une trace d'huile, un défaut de peinture ou un reflet lumineux. Les modèles sont erronés dans certaines conditions (éclairage, angle, état de surface). De plus, le fait qu'une indication soit acceptable (dans la limite, dans quelle zone, encore une fois) relève d'un jugement technique et dépend des documents de limites approuvés. AI ne peut pas légalement faire respecter la limite et ne dispose pas non plus de certificat. Le flux est donc toujours le suivant : marques AI → l'examinateur vérifie → décide du document limite → signes autorisés.
Astuce : utilisez la sortie de vision par ordinateur comme une « deuxième paire d'yeux », et non comme un « mono-œil ». Les meilleurs résultats sont obtenus lors de l'inspection à double couche, où la machine détecte ce que l'humain pourrait manquer et ce qu'elle marque incorrectement.
trois mini-cases
Cas 1 – Le balayage par drone a détourné l’attention. Lors d’une inspection de la surface supérieure du fuselage, des images de drones ont été numérisées par vision artificielle et deux zones suspectes ont été marquées. L'examinateur a examiné en détail ces deux zones : l'une était une trace d'hydrocarbures (non pertinent), l'autre était le début d'un véritable dégât de foudre. Les heures de balayage oculaire sur une grande surface ont été réduites à un examen ciblé ; Les véritables dégâts ont été constatés très tôt.
Cas 2 — Faux positifs traqués. Lors d'une analyse par endoscope, le système a signalé une « fissure » dans une aube de turbine. Lorsque l’examinateur certifié l’a agrandi et a changé l’angle, il a vu qu’il s’agissait d’un dépôt superficiel et non d’une fissure. Un démontage inutile du moteur (coût très élevé + risque de nouvelles erreurs) a été évité. Le système l’a marqué, l’humain l’a lu correctement.
Cas 3 — Discipline versus faux négatif. Le système était "clair" lors d'un scan de l'intrados de l'aile, a-t-il déclaré. L'inspecteur a quand même inspecté la zone de joint critique à la main et avec une loupe et a trouvé un subtil début de corrosion. "Il a dit que le système était clair" n'a pas terminé l'examen ; la discipline a rattrapé une faute manquée.
Quatre modèles copiables
Rôle : Assistant de pré-inspection visuelle. Tâche : Marquer les points suspects nécessitant une attention particulière dans l'image/zone ci-dessous et donner une explication possible (fissure ? rayure ? corrosion ? marque ?) pour chacun.Règles : - Emettre un jugement définitif sur la faute ; Utilisez le langage « douteux, devrait être confirmé ». - Préciser que la limite d'acceptation est définie dans le SRM/AMM et que c'est l'examinateur qui décidera. Image/contexte : [description ou visuel]
Rôle : Assistant de détection de changement. Tâche : Comparez l'état PRÉCÉDENT et PRÉSENT de la même zone et marquez les points nouvellement formés/en croissance. Règles : Faites remarquer que la différence d'éclairage/d'angle peut être trompeuse ; mesure et décision précises. Entrée : [définition précédente/actuelle]
Rôle : consultant en sélection de méthodes CND. Tâche : Expliquez quelle(s) méthode(s) CND seraient appropriées pour le type et l'emplacement de défaut possible suivant et pourquoi. Règles : indiquer que l'application de la méthode nécessite un personnel certifié et que les critères d'acceptation figurent dans la spécification pertinente. Situation : [type de défaut + matériau + localisation]
Rôle : Assistant à l'enregistrement/étiquetage des indications. Tâche : Traduire les résultats de l'inspection suivants dans un enregistrement structuré avec l'emplacement, le type, la taille (estimée) et la référence photographique. Règles : Conserver "estimé" ; Laissez la clause d'acceptation/rejet vide, elle appartient à l'examinateur. Constatation : [note brute]
Invite faible/Invite forte
Faible : « Y a-t-il des fissures sur cette photo, l'avion peut-il voler ?
Nécessite à la fois un diagnostic et une décision de navigabilité avec un seul résultat ; Tous deux sont inspecteurs certifiés et limitent les tâches documentaires.
Güçlü : "Marquez les points suspects dans cette zone d'image et donnez une explication possible pour chacun (fissure/rayure/corrosion/marque). Ne portez pas de jugement final, dites 'doit être vérifié' ; indiquez que la limite d'acceptation est dans le SRM et que la décision appartient à l'examinateur. Soulignez l'éclairage/l'angle trompeur."
Cette invite place l’IA dans le rôle de présélection et laisse la décision à l’humain.
Tableau : Répartition des rôles dans l'examen visuel/END
étape
Vision par ordinateur / IA
Humain (examinateur)
Numérisation de grandes surfaces
Panneaux de zone suspecte
Examen détaillé ciblé
Commentaire d'indication
Suggère une explication possible
Décision pertinente/non pertinente
Taille
Échelle estimée
Mesure calibrée
Accepter/rejeter
- (je ne peux pas)
Limite document + provision
signature/enregistrement
aide au brouillon
Signature certifiée
Erreurs courantes
- Terminer l'examen par "Le système a dit clair". Les faux négatifs constituent un risque pour la sécurité.
- Prendre le signe pour une faute. La distinction entre pertinent et non pertinent appartient à l'examinateur.
- Utiliser la taille estimée comme mesure exacte. La décision d'acceptation est basée sur une mesure calibrée.
- Interprétation des CND sans certification. Les critères d’autorisation et d’acceptation dépendent de la spécification.
- Ignorer l’illusion d’éclairage/angle. Cela produit des faux positifs/négatifs.
En résumé
L'inspection visuelle et les CND sont des recherches de défauts critiques pour la sécurité, et la vision par ordinateur constitue ici une puissante couche de présélection qui partage la charge de l'œil : scanner de grandes surfaces, marquer les changements, diriger l'attention. Mais le signe n’est pas le verdict ; La distinction pertinente/non pertinente, la mesure de la taille et la décision d'acceptation/rejet appartiennent à l'inspecteur certifié et aux documents de limite. Les meilleurs résultats sont obtenus dans l'examen à double couche, où la machine et l'humain se cachent mutuellement.
Tâche de candidature
Choisissez un scénario d'examen (photo ou description). Demandez à l'IA de marquer les endroits suspects avec le premier modèle. Décidez ensuite vous-même pour chaque signe : pertinent, non pertinent, quelle limite SRM/AMM doit être vérifiée ? Répertoriez les points que l'IA a manqués ou mal marqués et rédigez une évaluation « inspection à double niveau ».
liste de contrôle
- [ ] J'ai utilisé le résultat de la vision par ordinateur comme une sélection préliminaire, pas comme un verdict.
- [ ] Même s'il était écrit "le système est propre", j'ai vérifié manuellement les zones critiques.
- [ ] J'ai pris la décision pertinente/non pertinente en tant qu'examinateur.
- [ ] J'ai basé la décision de taille/acceptation sur le document de mesure et de limite calibré.
- [ ] J'ai observé l'autorité de certification pour le commentaire NDT.
- [ ] J'ai pris en compte les distorsions liées à l'éclairage/à l'angle.