Par Clément BERNARD, Ingénieur vision et formateur chez CODA Systèmes
Un faux rejet en vision industrielle se diagnostique en 15 minutes en suivant 5 étapes : déterminer s'il est nouveau ou structurel, vérifier s'il vient de l'image ou de l'algorithme (70 % des cas viennent de l'optique ou de l'éclairage, avant même le traitement), relier l'image aux variations réelles du process, comprendre précisément ce que mesure le critère avant de le régler, puis tester la robustesse du seuil sur des pièces limites plutôt que sa seule performance immédiate. Modifier un seuil sans suivre cette méthode masque le symptôme sans traiter la cause, et fragilise durablement le système.
Quand le taux de faux rejets explose, la réaction classique est de toucher aux seuils, d'élargir une tolérance, ou bien de shunter la caméra.
👉 Mauvaise idée.
Pourquoi toucher aux seuils trop tôt aggrave la situation ?
Un seuil n’est que la traduction numérique d’une décision humaine.
Modifier un seuil sans savoir :
- ce que l’algorithme mesure réellement,
- comment l’image est construite,
- quelles variations sont normales dans le process,
Revient à masquer le vrai problème, fragiliser le système, et créer des dérives invisibles.
👉 Un système “réglé” mais non compris devient une boîte noire instable.
Voici une méthode simple en 15 minutes, pour savoir où est vraiment le problème :
Étape 1 : Le faux rejet est-il nouveau ou structurel ? (2 min)
- A-t-il toujours existé ?
- Est-il apparu après un changement (pièce, cadence, éclairage, nettoyage) ?
👉 S’il est ancien → problème de conception
👉 S’il est récent → problème de dérive
Étape 2 : Le rejet vient-il de l’image ou du traitement ? (2 min)
Il faut se poser une seule question :
Sur l’image brute, est-ce que je vois clairement le défaut ou la dérive ?
- Non → problème optique / éclairage / positionnement
- Oui → problème algorithme / critères
⚠️ 70 % des faux rejets viennent avant l’algorithme.
Étape 3 : Relier l’image au process réel (5 minutes)
Une image vision ne vit jamais seule. Il faut se demander :
- Qu’est-ce qui varie réellement sur la ligne ?
- La pièce arrive-t-elle toujours de la même façon ?
- Y a-t-il des tolérances mécaniques, thermiques, matières ?
👉 Si le process n’est pas maîtrisé, aucun seuil ne le compensera durablement.
Étape 4 : Comprendre le critère AVANT de le régler (3 minutes)
Avant de modifier un seuil, établir une réponse claire à ces questions :
- Que mesure exactement ce critère ?
- Pourquoi cette valeur a-t-elle été choisie ?
- Quelle est la marge acceptable ?
Si personne ne sait répondre précisément :
👉 le problème n’est pas le seuil, c’est la méthode.
Étape 5 : Tester la robustesse, pas la performance (3 minutes)
Un bon seuil n’est pas celui qui passe à 100 % uniquement aujourd’hui. C’est celui qui :
- accepte les bonnes pièces “limites”,
- rejette les mauvaises “propres”,
- résiste aux dérives réalistes du terrain.
👉 Sinon, cela revient à régler le problème pour le présent et oublier le futur.
Il faut donc tester avec :
- 10 bonnes pièces “limites”
- 10 pièces clairement mauvaises
- 10 images dégradées volontairement
De plus, réaliser une petite matrice de confusion, c’est l’idéal !
CONCLUSION
👉 Un faux rejet ne se règle pas. Il se comprend.
Toucher aux seuils sans comprendre :
- l’image,
- le process,
- le critère,
revient à mettre un pansement sur un symptôme.
Et concrètement ?
C’est exactement ce qu’on fait lors de nos diagnostics :
- comprendre ce que voit réellement la caméra,
- relier l’image au process industriel,
- identifier si le problème vient de l’optique, de la méthode ou du critère,
avant de modifier le moindre seuil.
Chez CODA Systèmes, nous accompagnons les industriels dans le diagnostic de leurs faux rejets image, process ou critère avant toute modification de seuil. ➡️Contactez-nous pour un audit de votre système de vision.
FAQ
Un seuil est la traduction numérique d'une décision humaine. Le modifier sans comprendre ce que mesure réellement l'algorithme, comment l'image est construite et quelles variations sont normales dans le process revient à masquer le problème plutôt qu'à le résoudre — et crée des dérives invisibles.
Il suffit de regarder l'image brute : si un humain ne voit pas clairement le défaut ou la dérive dessus, le problème vient de l'optique, de l'éclairage ou du positionnement — pas de l'algorithme. C'est le cas pour 70 % des faux rejets.
En le confrontant à trois lots d'images : des bonnes pièces "limites", des pièces clairement mauvaises, et des images dégradées volontairement. Une matrice de confusion sur ces trois lots permet de vérifier que le seuil résiste aux dérives réalistes du terrain, pas seulement à la situation du moment.
Non. Il faut d'abord comprendre l'image, le process et le critère mesuré — modifier un seuil sans cette compréhension revient à traiter un symptôme sans en identifier la cause.