Academic literature on the topic 'Inspection automatique'

The diagnosis of the building’s façades pathology is extremely important to support rational and technically informed decisions regarding maintenance and rehabilitation actions. With a reliable diagnosis, the probable causes of the anomalies can be correctly identified, and the correction measures adopted can be more compatible with the existing elements, promoting the durability of the façades. Visual inspection is the most common approach to identify anomalies in a building’s façade and, in many cases, this technique is sufficient to support the decision to intervene. However, the pathological phenomenon is complex, and the anomalies observed may indicate the presence of other defects, or some anomalies may not be visible in a simple visual observation. This study intends to discuss the application of emerging technologies on the diagnosis and anamneses of building’s façade, in order to automatise the collection of reliable on-site data and, thus, reduce the uncertainty of the diagnosis. The use of these techniques can help existing inspection methodologies, already tested, based mainly on the visual assessment of the buildings’ elements degradation condition.

Abstract The limited-angle computed tomography (CT) reconstruction problem is an ill-posed inverse problem, and the parameter selection for limited-angle CT iteration reconstruction is a difficult issue in practical application. In this paper, to alleviate the instability of limited-angle CT reconstruction problem and automatize the reconstruction process, we propose an adaptive iteration reconstruction method that the regularization parameter is chosen adaptively via the plot of the normalized wavelet coefficients fitting residual versus that the {\ell_{0}} regularization part. The experimental results show that the reconstructed images using the method with adapted regularization parameter are almost as good as that using the non-adapted parameter method in terms of visual inspection, in addition, our method has an advantage in adaptively choosing the regularization parameter.

Solar cells may possess defects during the manufacturing process in photovoltaic (PV) industries. To precisely evaluate the effectiveness of solar PV modules, manufacturing defects are required to be identified. Conventional defect inspection in industries mainly depends on manual defect inspection by highly skilled inspectors, which may still give inconsistent, subjective identification results. In order to automatize the visual defect inspection process, an automatic cell segmentation technique and a convolutional neural network (CNN)-based defect detection system with pseudo-colorization of defects is designed in this paper. High-resolution Electroluminescence (EL) images of single-crystalline silicon (sc-Si) solar PV modules are used in our study for the detection of defects and their quality inspection. Firstly, an automatic cell segmentation methodology is developed to extract cells from an EL image. Secondly, defect detection can be actualized by CNN-based defect detector and can be visualized with pseudo-colors. We used contour tracing to accurately localize the panel region and a probabilistic Hough transform to identify gridlines and busbars on the extracted panel region for cell segmentation. A cell-based defect identification system was developed using state-of-the-art deep learning in CNNs. The detected defects are imposed with pseudo-colors for enhancing defect visualization using K-means clustering. Our automatic cell segmentation methodology can segment cells from an EL image in about 2.71 s. The average segmentation errors along the x-direction and y-direction are only 1.6 pixels and 1.4 pixels, respectively. The defect detection approach on segmented cells achieves 99.8% accuracy. Along with defect detection, the defect regions on a cell are furnished with pseudo-colors to enhance the visualization.

Qualité et flexibilité sont les deux atouts de l'industrie textile des pays industrialisés pour faire face à la concurrence. Pour jouer son rôle de référence, le contrôle qualité doit être automatisé. Insuffisantes, les machines actuelles doivent être améliorées tant au niveau des méthodes que des matériels: c'est ce qui a été fait dans le cadre d'un programme BRITE. Les travaux ont porté sur les méthodes et particulièrement sur l'extraction des défauts de leur contexte texture. La méthode proposée s'appuie sur un principe connu, la transformée de Fourier et débouche sur un filtrage nouveau permettant une détection de parties de défaut, qu'il faut donc compléter par une procédure spécifique de chainage intra et intercamera. Étendue aux tissus tissés teints, la méthode offre de nouvelles possibilités en matière de segmentation d'image colorée. La réalisation d'un prototype correspondant de machine d'inspection a permis de constater (pour des tissus monochromes) la qualité des résultats, à un type de défaut près et de garantir la faisabilité industrielle de cette machine. Pour les tisses teints, les tests sont probants mais demandent une validation industrielle.

Le système automatique requiert 2 aspects: le zonage expert de l'image d'une peau; l'inspection adaptée de chaque zone de l'image. On propose une technique de zonage automatique adaptée à la taille et à la forme de la peau et une méthode d'analyse adaptée au matériau d'aspect perturbé qui est le cuir.

Dans le domaine mécanique, la qualité de surface (rugosité et texture) est un requis qualité très important pour les pièces. Spécialement dans des secteurs tel que l’aéronautique et l’automobile, ce requis est critique pour la fiabilité en fatigue. En effet, l’amorce des fissures est directement liée à la qualité de surface. La mesure de la rugosité se fait généralement dans un poste de métrologie ‘off line’ avec des instruments et des techniques très variés et qui consomment généralement beaucoup de ressources (temps, opérateurs et équipement). Les systèmes de mesure sans contact (ex. crayon confocal) proposés aujourd’hui dans le secteur sont, non seulement sont très couteux, mais aussi très encombrant pour une utilisation dans un poste d’usinage. L’objectif principal de cette thèse est de développer des stratégies pour évaluer la rugosité de surface automatiquement, sans contact et qui peuvent être intégrées directement dans un centre d’usinage. Ces stratégies doivent se baser sur des algorithmes et des modèles empiriques permettant d’estimer, avec une précision acceptable, la qualité du fini des pièces usinées. Dans la première partie de ce travail, on s’est attardé sur le développement d’un modèle d’estimation de la rugosité en fraisage à partir de paramètres issus d’un système de vision 2D. Aux termes des travaux préliminaires, nous avons constaté que parmi les modèles prédictifs disponibles dans la littérature aucun ne semble être adapté à l'usinage à grande vitesse; ils sous-estiment la rugosité arithmétique (R) par rapport aux mesures expérimentales. Compte tenu de ces informations, nous avons mis en place et validé un modèle empirique qui permet une évaluation de la rugosité arithmétique R à partir d’une image captée par une caméra et de la connaissance à priori du paramètre d'usinage "avance par dent". Ce modèle prend également en compte le type de matériau usiné et l'outil de coupe utilisé (revêtements et géométrie). Nous avons démontré que les autres paramètres d’amplitude du profil ( ) ainsi que le paramètre espacement R peuvent être également estimée à l'aide de modèles similaires. La critique la plus importante aux modèles proposés par nos premiers travaux a été la nécessité d’introduire un paramètre propre à l’usinage : l’avance par dent. Idéalement, un système de mesure devrait être indépendant. Pour contourner cette contrainte, la suite de nos travaux a été orientée vers le développement d’un système de vision complétement indépendant des connaissances des paramètres d’usinage. Uniquement la connaissance préalable du matériau usiné est maintenue. La seconde partie de nos travaux présente le développement de nouveaux descripteurs issus de l’image de la surface usinée prise avec un microscope digital. Le but est d’implémenter un système de post-traitement ayant le potentiel d'évaluer, rapidement et sans contact, la rugosité de surface des pièces usinées. L'étude a montré également que d’autres paramètres de rugosité ( et ) peuvent être estimé en utilisant uniquement les caractéristiques extraites des images et des modèles sans avoir besoin de connaître les paramètres d'usinage utilisés pour générer la surface.

L'inspection automatique, branche particulière du traitement d'image est un des champs majeurs d'application industrielle de la vision artificielle. Souvent empirique, l'ingénierie en ce domaine ne résout les problèmes posés qu'au cas par cas; il lui serait profitable de disposer d'une méthodologie ouverte et systématique. Dans une première étape, nous présentons une tentative d'unification des méthodes, après une classification des types de techniques employées: une expression mathématique générale tente de caractériser la méthodologie par type et sous-type. En second lieu, trois des quatre types de systèmes sont analysés grâce à un exemple par type au travers de deux applications industrielles et d'un prototype de laboratoire. Les deux premières opérationnelles et la troisième en cours d'intégration permettent de dégager les caractéristiques générales des méthodes correspondantes et de présenter une technique originale susceptible de développer une nouvelle méthode d'extraction de contour temps réel. Enfin sont établies les caractéristiques principales d'un système-type d'inspection généralisée.

À l’échelle mondiale, la récolte de céréales atteint plusieurs milliards de tonnes chaque année. Les producteurs céréaliers échangent leurs récoltes selon un prix déterminé par la qualité de leur production. Cette évaluation, appelée agréage, est réalisée pour chaque lot sur un échantillon jugé représentatif. La difficulté au cours de cette évaluation est de parvenir à parfaitement caractériser l'échantillon. Il faut pour cela qualifier chacun de ses éléments, en d'autres termes, il est nécessaire d'évaluer chaque grain de céréale de manière individuelle. Cette opération est historiquement réalisée par un opérateur qui isole chaque grain manuellement pour l’inspecter et l'évaluer. Ce procédé est exposé à différents problèmes : d'une part les résultats obtenus par un opérateur ne sont pas parfaitement répétables : son état de fatigue visuelle peut influencer son appréciation ; d'autre part l'évaluation dépend de l'opérateur : elle n'est pas reproductible, les résultats peuvent varier d'un opérateur à l'autre. Cette thèse a donc pour but de mettre au point un système capable de réaliser cette inspection visuelle.Le système d’acquisition est présenté dans un premier temps. Cette enceinte contient les dispositifs d’éclairage et d’acquisition d’images. Différents outils ont été mis en œuvre pour s’assurer de la justesse et de la stabilité des acquisitions. Une méthode d’apprentissage de modèles de forme est ensuite présentée : elle a pour but de définir et de modéliser le type de forme des grains de l’application considérée (blé, riz, orge). Cette étape est réalisée sur une image d’objets isolés. Deux méthodes de détection sont ensuite présentées : une approche déterministe et une approche probabiliste. Ces deux méthodes, mises au point pour segmenter les objets d’une image, utilisent des outils communs bien qu’elles soient conçues différemment. Les résultats obtenus et présentés dans cette thèse démontrent la capacité du système automatique à se positionner comme une solution fiable à la problématique d’inspection visuelle de grains de céréales
In agriculture, the global grain harvest reached several billion tons each year. Cereal producers exchange their crops at a price determined by the quality of their production. This assessment, called grading, is performed for each set on a representative sample. The difficulty of this assessment is to fully characterize the sample. To do so, it is necessary to qualify each of its elements. In other words, it is necessary to evaluate each individual cereal grain. Historically, this has been performed manually by an operator who isolates each evaluated grain. This method is exposed to various problems: firstly, results obtained by an operator are not perfectly repeatable. For example, eyestrain can influence the assessment. On the other hand the evaluation depends on the operator: it is not reproducible. The results can vary from one operator to another. The aim of this thesis is to develop a system that can handle this visual inspection. In a first time, the acquisition system is introduced. Image acquisition and lighting parts are placed in a cabin. Several methods have been introduced to manage accuracy and stability of the acquisitions. Then, a shape model learning is detailed: this step, based on an image with manually separated objects, defines and modelizes shape of the considered cereal grains (wheat, rice, barley). Two detection approaches are then introduced: a deterministic method and a probabilistic one. Both are based on the same tools to process the objects segmentation of an image, but they deal with the question in a different way. The results provided by the system and presented in this thesis emphasize the ability of this automatic system to process the visual inspection of food products

Les applications Web actuelles offrent de plus en plus de services. Pour éviter les difficultés d'usage de ces applications, l'utilisabilité doit être assurée. L'évaluation de l'utilisabilité est une tâche qui requiert une expertise en ergonomie logicielle. Cette expertise peut être capitalisée sous forme de recommandations qui sont l'expression d'une connaissance en ergonomie et qui vont aider à l'évaluation. Toutefois, puisqu'il est nécessaire d'appliquer celles-ci de manière systématique, leur inspection manuelle peut s'avérer laborieuse. Pour ne pas être limité par l'inspection manuelle, des outils ont été développés pour guider et supporter l'inspection automatique. Un des avantages de ces outils est que les connaissances en ergonomie y sont directement intégrées. De plus, le manque d'experts et le coût élevé des autres méthodes d'évaluation font que l'inspection automatique est une méthode adaptée. Cependant, ces outils ne peuvent évaluer que l'application finale et si des erreurs sont détectées, des modifications importantes de l'application peuvent avoir lieu. Dans cette thèse nous proposons une méthode d'évaluation basée sur modèles permettant de s'assurer tout au long du cycle de vie de l'utilisabilité des applications Web développées. Nous avons établi une ontologie qui organise les recommandations autour des éléments de l'interface pour identifier précisément quels éléments évaluer à chaque étape du cycle de vie. .
The increasing use of the Web as a software platform together with the advance of technology has promoted Web applications as a start point for delivering information and services. Facing to the ever growing number of users, usability became a major requirement for the universal access of Web applications. In the last years, a number of evaluation methods have been developed by researchers, practitioners and Information Technology companies to help organizations to identify and to fix usability problems. However, usability evaluation of Web sites is not a straightforward process. On one hand, usability evaluation requires some knowledge and expertise in software ergonomics. One the other hand, due to constant evolution of Web application, it is required frequent evaluations to make sure that content updates do not introduce new usability problems. In order to overcome these limitations, much effort has been devoted in the development of tools for automating the inspection of usability and accessibility guidelines. However, tools currently available can only evaluate the final applications. In this thesis we propose a model-based evaluation method that allows ensuring the ergonomic quality of Web applications throughout the lifecycle. .

La croissance exponentielle des besoins et moyens informatiques implique un besoin croissant d’automatisation des procédés industriels. Ce constat est en particulier visible pour l’inspection visuelle automatique sur ligne de production. Bien qu’étudiée depuis 1970, peine toujours à être appliquée à de larges échelles et à faible coûts. Les méthodes employées dépendent grandement de la disponibilité des experts métiers. Ce qui provoque inévitablement une augmentation des coûts et une réduction de la flexibilité des méthodes employées. Depuis 2012, les avancées dans le domaine associé à l’étude des réseaux neuronaux profonds (i.e. Deep Learning) a permis de nombreux progrès en ce sens, notamment grâce au réseaux neuronaux convolutif qui ont atteint des performances proches de l’humain dans de nombreux domaines associées à la perception visuelle (e.g. reconnaissance et détection d’objets, etc.). Cette thèse propose une approche non supervisée pour répondre aux besoins de l’inspection visuelle automatique. Cette méthode, baptisé AnoAEGAN, combine l’apprentissage adversaire et l’estimation d’une fonction de densité de probabilité. Ces deux approches complémentaires permettent d’estimer jointement la probabilité pixel par pixel d’un défaut visuel sur une image. Le modèle est entrainé à partir d’un nombre très limités d’images (i.e. inférieur à 1000 images) sans utilisation de connaissance expert pour « étiqueter » préalablement les données. Cette méthode permet une flexibilité accrue par la rapidité d’entrainement du modèle et une grande versatilité, démontrée sur dix tâches différentes sans la moindre modification du modèle. Cette méthode devrait permettre de réduire les coûts de développement et le temps nécessaire de déploiement en production. Cette méthode peut être également déployée de manière complémentaire à une approche supervisée afin de bénéficier des avantages de chaque approche
Although studied since 1970, automatic visual inspection on production lines still struggles to be applied on a large scale and at low cost. The methods used depend greatly on the availability of domain experts. This inevitably leads to increased costs and reduced flexibility in the methods used. Since 2012, advances in the field of Deep Learning have enabled many advances in this direction, particularly thanks to convolutional neura networks that have achieved near-human performance in many areas associated with visual perception (e.g. object recognition and detection, etc.). This thesis proposes an unsupervised approach to meet the needs of automatic visual inspection. This method, called AnoAEGAN, combines adversarial learning and the estimation of a probability density function. These two complementary approaches make it possible to jointly estimate the pixel-by-pixel probability of a visual defect on an image. The model is trained from a very limited number of images (i.e. less than 1000 images) without using expert knowledge to "label" the data beforehand. This method allows increased flexibility with a limited training time and therefore great versatility, demonstrated on ten different tasks without any modification of the model. This method should reduce development costs and the time required to deploy in production. This method can also be deployed in a complementary way to a supervised approach in order to benefit from the advantages of each approach

Cette thèse s'inscrit dans le contexte du développement d'outils numériques innovants au service de ce qui est communément désigné par Usine du Futur. Nos travaux de recherche ont été menés dans le cadre du laboratoire de recherche commun "Inspection 4.0" entre IMT Mines Albi/ICA et la Sté DIOTA spécialisée dans le développement d'outils numériques pour l'Industrie 4.0. Dans cette thèse, nous nous sommes intéressés au développement de systèmes exploitant des images 2D ou des nuages de points 3D pour l'inspection automatique d'assemblages mécaniques aéronautiques complexes (typiquement un moteur d'avion). Nous disposons du modèle CAO de l'assemblage (aussi désigné par maquette numérique) et il s'agit de vérifier que l'assemblage a été correctement assemblé, i.e que tous les éléments constituant l'assemblage sont présents, dans la bonne position et à la bonne place. La maquette numérique sert de référence. Nous avons développé deux scénarios d'inspection qui exploitent les moyens d'inspection développés par DIOTA : (1) un scénario basé sur une tablette équipée d'une caméra, portée par un opérateur pour un contrôle interactif temps-réel, (2) un scénario basé sur un robot équipé de capteurs (deux caméras et un scanner 3D) pour un contrôle totalement automatique. Dans les deux scénarios, une caméra dite de localisation fournit en temps-réel la pose entre le modèle CAO et les capteurs mis en œuvre (ce qui permet de relier directement la maquette numérique 3D avec les images 2D ou les nuages de points 3D analysés). Nous avons d'abord développé des méthodes d'inspection 2D, basées uniquement sur l'analyse d'images 2D puis, pour certains types d'inspection qui ne pouvaient pas être réalisés à partir d'images 2D (typiquement nécessitant la mesure de distances 3D), nous avons développé des méthodes d'inspection 3D basées sur l'analyse de nuages de points 3D. Pour l'inspection 3D de câbles électriques présents au sein de l'assemblage, nous avons proposé une méthode originale de segmentation 3D des câbles. Nous avons aussi traité la problématique de choix automatique de point de vue qui permet de positionner le capteur d'inspection dans une position d'observation optimale. Les méthodes développées ont été validées sur de nombreux cas industriels. Certains des algorithmes d’inspection développés durant cette thèse ont été intégrés dans le logiciel DIOTA Inspect© et sont utilisés quotidiennement chez les clients de DIOTA pour réaliser des inspections sur site industriel
This thesis makes part of a research aimed towards innovative digital tools for the service of what is commonly referred to as Factory of the Future. Our work was conducted in the scope of the joint research laboratory "Inspection 4.0" founded by IMT Mines Albi/ICA and the company DIOTA specialized in the development of numerical tools for Industry 4.0. In the thesis, we were interested in the development of systems exploiting 2D images or (and) 3D point clouds for the automatic inspection of complex aeronautical mechanical assemblies (typically an aircraft engine). The CAD (Computer Aided Design) model of the assembly is at our disposal and our task is to verify that the assembly has been correctly assembled, i.e. that all the elements constituting the assembly are present in the right position and at the right place. The CAD model serves as a reference. We have developed two inspection scenarios that exploit the inspection systems designed and implemented by DIOTA: (1) a scenario based on a tablet equipped with a camera, carried by a human operator for real-time interactive control, (2) a scenario based on a robot equipped with sensors (two cameras and a 3D scanner) for fully automatic control. In both scenarios, a so-called localisation camera provides in real-time the pose between the CAD model and the sensors (which allows to directly link the 3D digital model with the 2D images or the 3D point clouds analysed). We first developed 2D inspection methods, based solely on the analysis of 2D images. Then, for certain types of inspection that could not be performed by using 2D images only (typically requiring the measurement of 3D distances), we developed 3D inspection methods based on the analysis of 3D point clouds. For the 3D inspection of electrical cables, we proposed an original method for segmenting a cable within a point cloud. We have also tackled the problem of automatic selection of best view point, which allows the inspection sensor to be placed in an optimal observation position. The developed methods have been validated on many industrial cases. Some of the inspection algorithms developed during this thesis have been integrated into the DIOTA Inspect© software and are used daily by DIOTA's customers to perform inspections on industrial sites

La recherche de modèles d'intérêt contenus dans des s'séquences de vues multiples d'une scène reste l'un des principaux problèmes de la vision par ordinateur actuellement. En dépit des grands progrès observés au cours des 40 dernières années, la vision par ordinateur ne parvient pas encore à répondre adéquatement quant à la manière d'inférer et de détecter des modèles d'intérêt dans des scènes pour lesquelles un ou plusieurs objet(s) sont vus depuis différents points de vue. Afin de surmonter ce problème, cette thèse propose de nouveaux algorithmes et prototypes capables de caractériser, d'inférer et de détecter des modèles d'intérêt en séquences avec des vues multiples de manière non calibrée, c'est-'a-dire sans connaissance à priori de la position du/des objet(s) par rapport ła (aux) caméra(s). Le travail réalisé s'articule autour de trois axes, divis'es en six articles qui constituent le corps de la thèse. (1) L'analyse de correspondances point par point à travers de marqueurs explicites et implicites sur les objets. (2) L'estimation de correspondances point par point 'a travers de multiples relations géométriques indépendantes du/des objet(s) qui composent la scène. (3) La prédiction du flux dynamique du déplacement généré par le mouvement de la caméra autour de l'objet. L'objectif principal de cette thèse est d'appuyer la prise de décision 'a travers d'une analyse dynamique et/ou géométrique du mouvement du/des objet(s) ou de la (des) caméra(s) pendant que ceux-ci se déplacent. Grâce à cette analyse, il est possible d'accroitre l'information sur la scène et l'(les) objet(s) 'a travers d'un processus inférentiel spécifique pour chaque cas. Il ressort des thématiques exposées qu'il est possible, par exemple, d'assister le processus d'inspection réalisé par un opérateur humain, de déterminer la qualité d'un produit de manière autonome, ou d'exécuter une action spécifique dans un acteur robotique. Bien que ces thématiques présentent des approches différentes, celles-ci ont le même ensemble de pas en ce qui concerne: (1) la détermination de la relation de correspondance de points ou de régions sur plusieurs images, (2) la détermination de la relation géométrique et/ou dynamique existante entre les correspondances estimées précédemment, (3) l'inférence de nouvelles relations sur les points dont la correspondance est inconnue en vue de caractériser le mouvement. Les variations les plus fortes correspondent 'a la manière dont la correspondance est estimée; au calcul de la dynamique et la géométrie entre les points correspondants; et enfin 'a la manière dont nous inférons une action particulière suite 'a un mouvement spécifique. Parmi les principaux résultats, on trouve le développement d'une méthodologie d'inspection non calibrée 'a vues multiples appliquée 'a l'analyse de la qualité des jantes de véhicules, le développement d'un prototype fonctionnel appliqué à l'inspection des cols de bouteilles de vin, une méthodologie de correspondance point par point géométrique capable de résoudre le problème de correspondance en deux et trois vues pour tout point d'intérêt, et enfin la reconnaissance de l'intention humaine pour les tâches de 'grasping' 'a travers de l'analyse du mouvement des yeux et de la main. 'A l'avenir, il restera encore 'a analyser les correspondances dynamiques 'a travers de caractéristiques invariantes, employer des méthodes d'analyse géométriques en séquences d'images radiologiques, et utiliser des modèles de détection d'intentions pour évaluer la qualité des objets.

Les laboratoires interprofessionnels laitiers sont actuellement confrontés à un problème de transmission rapide des résultats d'analyses aux producteurs et aux usines. Nous avons étudié et réalisé un système intégré de collecte des résultats de traitement et de diffusion qui a été installé au laboratoire d'Amilly. Chaque analyseur automatique a été couplé à un système de saisie et de prétraitement utilisant un microordinateur équipé des interfaces spécifiques. Tous les systèmes de saisie sont connectés en réseau vers un ordinateur central qui rassemble les résultats et gère la base de données. De multiples sorties sont disponibles pour la communication des résultats soit sous forme imprimée (bordereau) soit par consultation immédiate, aux producteurs et aux industriels laitiers. Des récapitulatifs sont effectués pour les services vétérinaires chargés de la surveillance sanitaire du cheptel bovin. Enfin certains résultats doivent également être communiqués au service du contrôle laitier sur un support informatique. Le système prend en compte les contraintes spécifiques de ce type de données en terme de fiabilité, de stockage, de disponibilité des données en ligne pour une durée importante
Nowadays, one of the major problems facing the inter professional dairy laboratories, is that of a rapid transfer of the analysis results to the producers as well as the factories. An integrated system for collection and distribution of data processing results has been developed and installed in Amilly laboratories. Each automatic analyser, coupled with an acquisition and pre-processing system, uses a mini computer equipped with the specific interfaces. All these acquisition system are connected, as a network, to the central computer which assembles the results and manages the data base. A multiple output facility provides the results, for the dairy producers and farmers, in either printed or fast reference forms. Summary statements are drawn up for the veterinary services in charge of the livestock. Certain results, based on computing informations, are prepared to use by the dairy control service. The system takes into account the specific limitations of this type of data as regards the viability, stocking and the availability of the data on line for a long period of usage

Abstract Integrity management is an ongoing lifecycle process for ensuring safe operation and fitness for service of offshore oil and gas production systems, including risers. Risers offer a means of transporting fluids between subsea wells and the host platform crossing the splash zone that is probably the most critical region for corrosion and exposure to external damages. Furthermore, with their proximity to the personnel on the platform and to the topside equipment, risers are considered safety critical, and are therefore, subject to planned inspections followed by an engineering assessment of the findings. This paper discusses the motivation and business driver for developing and implementing a new and cost effective risers’ inspection methodology in the splash zone based on innovative robotic platforms. The technical features and the capabilities of the robot are outlined. Traditionally, risers’ inspections are carried out by rope access technicians and divers or ROV below the water line using conventional technologies as spot ultrasonic thickness measurements, traditional radiography and visual assessment. This type of inspection is based on a first visual assessment followed by NDE testing only if some finding is spotted. Internal defects or defect under coating, e.g. splashtron, can be easily overlooked, compromising the entire assessment process. Additionally such activities are often limited by accessibility, weather, and Personnel On-Board (POB) accommodations, but primarily they involve risks to inspector's safety. Backbone of the presented methodology is the use of a robotic crawler that has the key advantage to inspect autonomously the risers, navigating over obstacles like clamps and supports. The robot can carry a variety of payloads for visual inspections, surface profiling, and NDE examinations with the ability to scan large surfaces with or without coating and detect internal and external defects. It can operate in the topside, splash zone and subsea sections of the riser. The inspection data are processed in real time for an immediate assessment of the integrity of the asset. Examples are presented and comparison is made between traditional inspection methodologies and robotic autonomous methodologies to demonstrate the improvement of inspection effectiveness and efficiency. The paper also discusses the potential areas of future development, which include Artificial Intelligence (AI) algorithms to further automatize the process and methodologies of risers’ inspection and data analysis.