ALS - Magazine 4 - Janvier 2013

10 / ALS Mag Article > Philippe Pollin L’analyse d’images La SNCF, qui dispose d’une direction de la recherche et de services d’ingénierie, se devait d’explorer les pistes d’observation innovantes.La vidéosurveillance fut la plus simple à mettre en œuvre. Par exemple, pour observer le domaine de la voie (rails, traverses, aiguillages), un wagon porte des caméras à balayage. Les images enregistrées sont reconstituées par logiciel. Le traitement est réalisé en temps différé et l’analyse des images nécessite un agent. Le recours à une technique plus performante a été ensuite étudié. Le traitement automatisé d’images en est une. Il permet d’extraire des informations pertinentes et ainsi diagnostiquer, tel un œil humain, un défaut ou une détérioration sur un objet voire une absence de ce dernier. Deux domaines ont donné lieu à des expérimentations : le rail et la caténaire. Sur les lignes à grande vitesse, l’écrasement par les roues des trains de grains de ballast, projetés notamment lors des chutes de glace pendant la période hivernale, génère de petits creusements (empreintes) très localisés de la surface du rail. Le martellement des essieux des TGV à leur passage va, outre le bruit et l’inconfort induits, conduire à une détérioration rapide et nuisible du nivellement de la voie (apparition de gauches par exemple). Ceci peut aussi entraîner une fissuration du rail. C’est la raison pour laquelle la SNCF procède à des campagnes périodiques de meulage du rail par trains spécialisés. Les empreintes de ballast peuvent en outre être réparées par soudage à l’arc (c’est-à-dire par apport de métal), technique de plus en plus coûteuse du fait de la réduction des possibilités quotidiennes d’intervention. Investigations dans le domaine de la caténaire Le traitement d’images associé au traitement de signal sur des données provenant d’un panto- graphe instrumenté fut jugé prometteur pour la surveillance des équipements d’alimentation électrique de traction (appelés en raccourci « la caténaire »). La mesure des arcs électriques, des forces et accélérations du pantographe doit révéler un certain nombre de défauts d’ordre mécanique (les énergies en jeu sont proportionnelles au carré de la vitesse). L’analyse d’image permet quant à elle de détecter des défauts en cours d’évolution et mémorise une situation de référence permettant, en cas d’incident, de mieux comprendre l’origine du défaut de la caténaire ou du pantographe. La démarche a commencé par la création d’une bibliothèque d’images représentatives des instal- lations en place sur lignes à grande vitesse. Pour ce faire fut utilisé un ensemble d’acquisition composé de 2 caméras linéaires sensibles dans le proche infrarouge, d’un bloc d’éclairage à base de diodes laser et d’un système informatique générant les vidéos sous la forme de fichiers exploitables (figure 4). Les objets à reconnaître sont de 2 types (figure 5) J Ceux dont la position est soumise à des règles d’installation strictes dites nominales (les fils porteur et de contact, les pièces mécaniques supportant les fils). Pour intervenir de façon judicieuse, il importait donc de trouver le moyen de repérer les zones de rails les plus affectées. L’examen visuel lors de tournées à pied ou à vitesse réduite à bord de petits véhicules de surveillance en est un. Très vite s’imposa néanmoins le besoin d’un système de détection plus performant et plus économique. Un projet fut développé avec recours à la technique d’analyse d’images, dans le but de localiser, quantifier et caractériser les défauts de surface affectant la table de roulement des rails. Grâce à 2 caméras numériques montées sur TGV et à un système d’éclairage adapté, la surface du rail est enregistrée à 300 km/h, avec une résolution des images inférieure au millimètre. Les données saisies sont de suite expurgées pour ne conserver que la partie utile des images, puis compressées. Elles sont ensuite transmises au sol à un ensemble de 2 processeurs de traitement de signal qui, grâce à un algorithme basé sur les ondelettes, détecte ce qui est susceptible d’être des empreintes de ballast. À chaque empreinte repérée est associée sa surface mesurée sur l’image. Suivant son importance, elle sera rangée dans une des 4 classes prédéfinies. Ainsi, tronçon de voie par tronçon, le mainteneur connaîtra la densité de défauts par classe. Pour les empreintes de taille importante, locali- sation et caractéristiques (morphologie et dimensions) lui sont en outre fournies (figure 3). L’image dans la maintenance du réseau ferré Figure 5 - Les types d’objets à reconnaître Figure 3 - Exemples d’images de défauts fournies (indiqués en vert) Investigations dans le domaine du rail 1 bloc de diodes laser 2 caméras linéaires 1024 pixels Figure 4 – Le système d’acquisition d’images de la caténaire

RkJQdWJsaXNoZXIy MTIzMTM=