Fiche TUG

Caméra d’inspection qualité

Automatiser une observation sans déléguer la preuve

Choisir une caméra de vision industrielle : défaut visible, éclairage, optique, résolution, cadence, apprentissage, faux rejets, interfaces et validation sur pièces réelles.

Mise en situation éditoriale d'un caméra d’inspection qualité dans son contexte d'usage professionnel
Visuel de familleVisuel éditorial de famille TUG : aucun modèle commercial exact n'est représenté.

L’inspection humaine fatigue et varie, tandis qu’une caméra peut répéter la même recette. Mais reflets, variations de lots, cadence, position et apprentissage peuvent produire des faux rejets ou laisser passer un défaut. Cognex documente l’In-Sight 2800 comme système de vision combinant des outils fondés sur l’IA et des outils à règles pour des tâches de détection, classification et inspection. Pour TUG, la question n'est donc pas d'accumuler du matériel, mais de vérifier si caméra d’inspection qualité répond à la mission annoncée dans ses conditions réelles d'usage.

Ce qu’il faut savoir en 30 secondes

À considérer si défaut observable et chaîne optique restent compatibles avec la mission réelle.

Une caméra de vision industrielle peut répéter des contrôles visuels définis, comme présence, position ou classification. Elle ne prouve la qualité globale d’une pièce que si l’image, la recette et les performances ont été validées sur les défauts réellement recherchés.

Confiance
Confiance TUG : moyenne
Ce qui fonde la fiche
Niveau de preuve moyen : 2 source(s) publique(s), sans test physique TUG revendiqué.
Dernière vérification
30/07/2026
Version de page
2.0

Pour qui

  • Vérifier qu’un composant attendu est visible à la bonne zone.
  • Trier des variantes visuellement distinctes selon une recette validée.

Quand ce n’est pas le bon choix

  • Une caméra ne détecte que les caractéristiques accessibles à son image et à sa recette.
  • L’IA ne compense pas une optique, un éclairage ou un échantillon d’apprentissage insuffisant.

Dans le réel

Ce que ça change concrètement

Vérifier qu’un composant attendu est visible à la bonne zone.

Trier des variantes visuellement distinctes selon une recette validée.

Repérer une orientation, une position ou un aspect incompatible avec le standard.

Comprendre

Le problème à résoudre avant de comparer les objets

L’inspection humaine fatigue et varie, tandis qu’une caméra peut répéter la même recette. Mais reflets, variations de lots, cadence, position et apprentissage peuvent produire des faux rejets ou laisser passer un défaut.

Cognex documente l’In-Sight 2800 comme système de vision combinant des outils fondés sur l’IA et des outils à règles pour des tâches de détection, classification et inspection.

01

Définir le défaut

Transformer l’exigence qualité en caractéristique réellement visible et mesurable.

02

Former l’image

Choisir objectif, distance, éclairage, exposition et résolution pour stabiliser le contraste.

03

Construire la recette

Configurer outils à règles ou apprentissage sur des exemples représentatifs et séparés.

04

Valider en ligne

Mesurer faux rejets, défauts manqués, cadence, dérive et procédure de reprise.

Usages réels

Les situations qui changent la décision

Présence et absence

Vérifier qu’un composant attendu est visible à la bonne zone.

Classification

Trier des variantes visuellement distinctes selon une recette validée.

Contrôle d’assemblage

Repérer une orientation, une position ou un aspect incompatible avec le standard.

Bien choisir

Les critères qui changent vraiment la décision

01

Défaut observable

Décrire taille, contraste, fréquence, tolérance et variabilité des défauts réels.

02

Chaîne optique

Dimensionner capteur, focale, champ, distance et éclairage avant le choix de l’algorithme.

03

Cadence

Vérifier temps d’exposition, fréquence d’acquisition, déplacement et déclenchement.

04

Validation

Constituer des jeux séparés avec bons produits, défauts connus et conditions limites.

05

Intégration

Contrôler E/S, réseau, automate, archivage d’images et procédure en cas de panne.

Références documentées

Des exemples documentés, pas un classement automatique

Cognex

In-Sight 2800

Système de vision industriel compact associant outils à règles et fonctions d’IA.

Point utile : Capteurs, cadence, interfaces, protection et familles d’outils sont documentés.

Limite : La performance dépend du défaut, de l’optique, de l’éclairage, des exemples et de la validation en ligne.

Source officielle

Limites

Ce que cette fiche ne promet pas

  • Une caméra ne détecte que les caractéristiques accessibles à son image et à sa recette.
  • L’IA ne compense pas une optique, un éclairage ou un échantillon d’apprentissage insuffisant.
  • L’indice IP67 documenté dépend de l’installation correcte des câbles, bouchons et protections.
  • Une décision de vision ne constitue pas à elle seule une déclaration réglementaire de conformité.

Alternatives contextuelles

Faire autrement reste une option

Gabarit mécanique ou capteur simple

Utile si : Le contrôle porte sur une présence ou une cote très simple

Compromis : Robuste et lisible, moins flexible.

Inspection humaine assistée

Utile si : Les défauts sont rares, complexes ou évolutifs

Compromis : Souple, mais variable et difficile à cadencer.

Métrologie dédiée

Utile si : Une cote avec incertitude définie décide l’acceptation

Compromis : Plus probante, souvent plus lente.

État des preuves

Ce qu’on sait — et ce qu’on ne sait pas encore

Ce qu’on sait

  • Transformer l’exigence qualité en caractéristique réellement visible et mesurable.
  • Choisir objectif, distance, éclairage, exposition et résolution pour stabiliser le contraste.
  • Configurer outils à règles ou apprentissage sur des exemples représentatifs et séparés.
  • Mesurer faux rejets, défauts manqués, cadence, dérive et procédure de reprise.

Ce qu’on ne sait pas encore

  • À vérifier dans le contexte réel : défaut observable et son effet sur la mission annoncée.
  • À vérifier dans le contexte réel : chaîne optique et son effet sur la mission annoncée.

Preuve et fraîcheur

Ce que les sources permettent réellement de dire

Synthèse fondée sur les sources publiques visibles dans la fiche ; les affirmations restent attribuées et aucun test physique TUG n'est revendiqué.

Lecture publiqueConfiance TUG : moyenne
Sources publiques2
Vérification30/07/2026

Le point décisif

Cette famille d'objets mérite d'être considérée si ses contraintes restent compatibles avec la mission suivante : détecter de façon répétable un défaut visible ou une erreur d’assemblage, puis isoler les cas douteux sans confondre décision algorithmique et conformité complète. Le choix doit encore être confronté aux limites documentées, sans transformer une préparation utile en promesse universelle.

Questions fréquentes

Les points à clarifier avant de choisir

État éditorial : cette fiche continue d’être relue. Aucune information manquante n’est remplacée par une donnée inventée.