Qu’est-ce qui détermine le type d’équipement d’inspection par vision dont vous avez besoin ?
C’est le défaut qui décide. Avant de comparer des caméras ou des fournisseurs, décrivez précisément à quoi ressemble une unité non conforme et à quel endroit de la ligne elle peut être vue. Quatre questions suffisent généralement à trancher.
- Le défaut est-il plat ou a-t-il une profondeur ? Un numéro de lot manquant, un Data Matrix maculé ou une étiquette de travers se trouvent sur une surface. L’imagerie 2D les détecte. Un niveau de remplissage insuffisant, un bouchon surélevé ou une alvéole de blister déformée relèvent d’un problème de hauteur ou de volume, et c’est là que la 3D justifie son coût.
- Le « conforme » est-il constant ou variable ? Les caractères imprimés et les codes-barres suivent une spécification, ce qui permet de les juger avec des règles fixes. La couleur des comprimés, la brillance des gélules et la texture naturelle des surfaces varient d’une unité à l’autre. C’est précisément cette variation que l’inspection basée sur l’IA est conçue pour gérer.
- À quelle cadence tourne la ligne ? L’acquisition, l’éclairage et le traitement doivent tous suivre le rythme de la ligne. Une ligne d’étuis à 400 unités par minute impose des contraintes très différentes de celles d’un poste de conditionnement manuel.
- Que doit-il se passer avec le résultat ? Un contrôle qualité autonome peut reposer sur un appareil simple. Un contrôle de sérialisation doit transmettre chaque code au contrôleur de ligne, mettre à jour le statut de l’unité, déclencher une éjection confirmée et laisser une piste d’audit conforme aux exigences de la FDA 21 CFR Part 11 et de l’annexe 11 des BPF de l’UE.
En pratique, la plupart des lignes pharmaceutiques utilisent plusieurs types. Une ligne sérialisée typique lit les codes en vision 2D au poste d’étuyage, inspecte les formes solides en amont avec une vision assistée par IA et vérifie l’agrégation avec des caméras 2D au niveau des caisses et des palettes.
Qu’est-ce qu’un système d’inspection par vision 2D ?
Un système d’inspection par vision 2D capture une image plane d’un produit ou d’un emballage et l’analyse pixel par pixel. C’est le type d’équipement d’inspection par vision le plus répandu dans l’industrie pharmaceutique, car la quasi-totalité des contrôles critiques pour la conformité se fait sur une surface imprimée ou étiquetée.
Comment fonctionne l’inspection par vision 2D ?
Un système 2D comprend quatre éléments : une caméra, un éclairage maîtrisé, une optique et un logiciel qui applique des outils d’inspection à chaque image. Un capteur ou un codeur déclenche la caméra au passage de chaque unité. Le logiciel compare ensuite l’image à une référence ou la mesure par rapport à des tolérances, puis envoie un résultat conforme ou non conforme au mécanisme de rejet.
L’éclairage fait l’essentiel du travail. La lumière diffuse supprime les reflets sur l’aluminium et les films. La lumière polarisée révèle les détails de surface des comprimés pelliculés. Le rétroéclairage fait ressortir les contours et les niveaux de liquide. L’éclairage UV permet de lire les codes de traçabilité imprimés avec une encre invisible pour le consommateur.
Les caméras matricielles capturent une image complète en une seule fois et conviennent aux articles unitaires comme les étuis et les flacons. Les caméras linéaires ou les capteurs d’image par contact construisent l’image ligne par ligne, ce qui convient aux bandes continues et aux grands rouleaux d’étiquettes. Les configurations multicaméras, ou la rotation du produit, offrent une couverture à 360° des articles cylindriques comme les flacons et les fioles.
À quoi sert principalement la vision 2D ?
Contrôle des étiquettes et des impressions
C’est sa mission principale. Sur une seule image, un système 2D peut :
- décoder et évaluer la qualité des codes Data Matrix, QR et des codes-barres linéaires selon les normes ISO/IEC 15415 et 15416 ;
- vérifier le texte lisible en clair par vérification optique de caractères (OCV) ou reconnaissance optique de caractères (OCR) pour le lot, la date de péremption, le NDC et le numéro de série ;
- confirmer que le texte et le code encodé contiennent les mêmes données ;
- contrôler la présence, la position, l’inclinaison et la conformité graphique de l’étiquette par rapport à une image de référence.
InspectProof™ d’OPTEL en est un exemple. Il regroupe plus de 60 fonctions d’inspection couvrant les contrôles des produits, des emballages, des kits et de l’étiquetage, et sa cadence va de 200 jusqu’à 1 200 produits par minute selon la configuration.
Détection de présence/absence
La vision 2D confirme de manière fiable que chaque élément se trouve là où il doit être. Les contrôles typiques portent sur les notices et les topserts dans les étuis, les bouchons et les scellés d’inviolabilité, la présence d’un comprimé dans chaque alvéole de blister et les composants d’un kit médical. Sur les compteurs à lattes et les compteurs électroniques, la vision 2D vérifie également la couleur, la taille et l’intégrité de chaque unité avant qu’elle ne tombe dans le flacon.
Limites
- Pas de véritable profondeur. Une image 2D ne peut pas mesurer directement la hauteur. Le niveau de remplissage à travers du verre transparent peut être contrôlé grâce au rétroéclairage, mais les contenants opaques ou les faibles écarts de hauteur nécessitent la 3D.
- Sensibilité à la présentation. Les variations de position, d’orientation ou de reflets peuvent entraîner de faux rejets si l’éclairage et la manutention ne sont pas soigneusement conçus.
- Les outils à base de règles exigent des réglages. Des seuils fixes fonctionnent bien sur les données imprimées, mais peinent face à la variation naturelle de l’aspect des produits.
Qu’est-ce qu’un système d’inspection par vision 3D ?
Un système d’inspection par vision 3D mesure la forme d’un objet en trois dimensions, et pas seulement son apparence. Au lieu d’une image plane, il produit une carte de hauteur ou un nuage de points dans lequel chaque point porte une valeur de profondeur. C’est donc l’outil adapté lorsque le défaut relève de la géométrie physique plutôt que de la couleur ou de l’impression.
Comment fonctionne l’inspection par vision 3D ?
Trois techniques dominent l’inspection 3D industrielle :
- Triangulation laser. Une ligne laser est projetée sur le produit et une caméra l’observe selon un certain angle. À mesure que le produit avance, la forme de la ligne révèle le profil de la surface.
- Lumière structurée. Un projecteur émet un motif connu, par exemple des bandes. La façon dont ce motif se déforme sur la surface est convertie en profondeur.
- Vision stéréoscopique. Deux caméras observent la même scène depuis des positions différentes, et le logiciel calcule la profondeur à partir de l’écart entre les deux images.
Le résultat est un ensemble de mesures : hauteur, volume, planéité, inclinaison ou écart par rapport à un modèle de référence. Les tolérances sont ensuite appliquées en unités réelles, comme les millimètres, ce qui est plus facile à justifier dans un protocole de validation qu’un seuil de niveaux de gris.
Principales applications
Vérification du niveau de remplissage
Les méthodes 3D et de mesure de profondeur vérifient le remplissage des contenants ouverts ou opaques, là où une image 2D rétroéclairée ne peut pas voir la ligne de liquide ou de poudre. Elles peuvent aussi mesurer la hauteur d’un bouchon ou d’une capsule pour confirmer qu’il est bien en place. Pour les fioles transparentes, une inspection 2D rétroéclairée des fioles bien conçue suffit souvent, à moindre coût : le contenant compte donc autant que le produit.
Contrôle de forme et de volume
Applications typiques :
- profondeur des alvéoles de blister et défauts de formage ;
- bouchons et sertissages surélevés, inclinés ou manquants ;
- épaisseur des comprimés, ébréchures et dommages sur les arêtes mesurés en dimensions réelles ;
- bosses et déformations sur les caisses et les contenants ;
- hauteur de pile et contrôle des couches lors de la palettisation.
Limites
- Coût et complexité. Les capteurs 3D, l’étalonnage et l’intégration coûtent plus cher qu’en 2D, et les changements de format peuvent prendre plus de temps.
- Surfaces réfléchissantes et transparentes. Le verre, l’aluminium et les revêtements brillants diffusent la lumière et peuvent créer des lacunes dans les données de hauteur.
- Compromis sur la vitesse. Le balayage 3D haute résolution peut limiter le débit sur les lignes les plus rapides.
- Aucune lecture d’impression. La 3D mesure la forme, pas l’encre. La vérification des codes et des étiquettes nécessite toujours la 2D : la 3D vient donc presque toujours en complément, et non en remplacement.
Qu’est-ce qu’un système d’inspection par vision basé sur l’IA ?
Un système d’inspection par vision basé sur l’IA utilise des modèles d’apprentissage profond, entraînés sur des images de produits conformes et défectueux, pour décider si une unité est acceptée. La caméra et l’éclairage sont souvent les mêmes que pour un système 2D. Ce qui change, c’est la manière dont l’image est jugée. Pour approfondir les modèles, l’entraînement et la validation, consultez notre article consacré à l’inspection par vision basée sur l’IA.
En quoi la vision IA diffère-t-elle de la vision à base de règles ?
La vision à base de règles fonctionne comme une liste de contrôle rédigée par un ingénieur : mesurer ce bord, compter ces pixels, rejeter si la valeur sort d’un seuil. Elle est précise et facile à expliquer, c’est pourquoi elle reste la norme pour les codes et le texte.
La vision IA apprend à partir d’exemples à quoi ressemble un produit « acceptable ». Deux approches sont courantes en vision industrielle :
- La classification d’images attribue une étiquette à une image ou à une zone, par exemple conforme, ébréché, taché ou mauvais produit. Elle permet la classification des anomalies, le tri d’objets et une OCR plus robuste.
- La segmentation d’images délimite précisément les pixels qui appartiennent à un défaut ou à un objet, afin que le système puisse en mesurer la taille et la position.
La différence concrète se voit sur les faux rejets. Une règle réglée assez finement pour détecter une petite tache sur un comprimé moucheté rejettera aussi les comprimés conformes dont le mouchetage naturel y ressemble. Un modèle entraîné peut apprendre à les distinguer. C’est aussi à ce stade que l’inspection commence à alimenter les données de production, un changement décrit dans notre article sur l’évolution des systèmes de vision vers l’intelligence opérationnelle.
Principales applications
Détection des défauts cosmétiques
Les défauts cosmétiques ont rarement deux fois le même aspect. Les modèles d’IA sont particulièrement adaptés pour détecter :
- taches, points et décolorations sur les comprimés et les gélules ;
- arêtes ébréchées, fissures et unités cassées ;
- bosses, défauts d’emboîtement et gélules mal fermées ;
- rayures et particules dans les scellés ou sur le verre ;
- défauts de sertissage et de bouchage sur les fioles.
Produits à forte variabilité
Certains produits varient par nature. Les compléments alimentaires, les gélules bicolores, les capsules molles, les comprimés gravés en relief et les matières d’origine naturelle présentent tous des différences acceptables de couleur, de texture et de forme. L’IA gère mieux cette variation que des seuils fixes et peut réduire le temps consacré au réajustement des règles à chaque changement de produit.
Limites
- Besoins en données. Un modèle a besoin de suffisamment d’images représentatives de chaque classe de défaut. Les défauts rares sont difficiles à collecter, c’est pourquoi les approches de détection d’anomalies, qui n’apprennent qu’à partir d’unités conformes, se développent.
- Effort de validation. Les autorités réglementaires attendent un modèle validé et figé. Les données d’entraînement, les versions du modèle et les performances doivent être documentées, et tout réentraînement constitue une modification maîtrisée, conformément aux principes GAMP 5.
- Explicabilité. Un opérateur ou un auditeur peut demander pourquoi une unité a été rejetée. Les superpositions de segmentation et les scores de confiance aident, mais la logique est moins transparente qu’un seuil mesuré.
- Ne remplace pas la lecture des codes. Les données de sérialisation doivent toujours être décodées, évaluées et vérifiées avec des outils déterministes.
Qu’est-ce qu’une caméra intelligente ?
Une caméra intelligente est un dispositif de vision autonome : capteur, optique, processeur, logiciel d’inspection et E/S réunis dans un même boîtier. Elle capture et analyse les images de manière autonome, sans PC industriel séparé. Les caméras intelligentes sont généralement 2D et intègrent de plus en plus des outils d’IA de base.
Comment fonctionnent les caméras intelligentes ?
La caméra se configure via une interface web ou le logiciel du fournisseur, souvent avec des outils d’inspection en glisser-déposer. Une fois paramétrée, elle se déclenche sur le signal d’un capteur, exécute l’inspection en interne et transmet un signal conforme/non conforme à un automate ou à un mécanisme de rejet. Les résultats peuvent être envoyés via des protocoles industriels tels qu’EtherNet/IP ou PROFINET.
À l’inverse, les systèmes de vision sur PC relient une ou plusieurs caméras à un ordinateur dédié qui exécute le logiciel d’inspection, stocke les recettes, gère les utilisateurs et transmet les résultats au contrôleur de ligne. C’est pourquoi les postes de sérialisation reposent presque toujours sur un PC.
Principales applications
- contrôles simples de présence et d’absence, par exemple d’un bouchon, d’une étiquette ou d’une notice ;
- lecture d’un code unique, sans évaluation de qualité ni rapprochement au niveau de la ligne ;
- contrôles d’orientation et de position en amont d’une machine ;
- mises à niveau d’équipements existants lorsque l’espace et le budget sont limités ;
- contrôles qualité non sérialisés sur des équipements secondaires.
Limites
- Puissance de traitement limitée. Les inspections complexes multi-outils, les images haute résolution et les lignes rapides peuvent dépasser les capacités du processeur embarqué.
- Une seule vue par appareil. Une couverture à 360° ou une inspection multi-angles implique de coordonner plusieurs caméras indépendantes.
- Lacunes en matière d’intégrité des données. Les pistes d’audit, le contrôle d’accès des utilisateurs, la gestion des recettes et le reporting sont souvent rudimentaires. Sur une ligne BPF, ces lacunes doivent être comblées à un autre niveau.
- Intégration à la sérialisation. Une caméra intelligente gère rarement à elle seule le statut des numéros de série, la confirmation d’éjection ou l’agrégation.
Ce dernier point prend de l’importance à mesure que les lignes s’automatisent. Lorsque la fin de ligne intègre la mise en caisse et l’automatisation robotisée pour l’inspection en fin de ligne, chaque contrôle de caisse et de palette doit être rattaché aux unités sérialisées qu’elle contient, ce qui exige un système connecté plutôt que des caméras isolées.
2D, 3D, IA ou caméra intelligente : comment se comparent-ils ?
Chaque type répond à une question d’inspection différente : la comparaison porte donc sur l’adéquation, pas sur un classement.
Comparaison des équipements d’inspection par vision 2D, 3D, basés sur l’IA et à caméra intelligente pour les lignes pharmaceutiques.
| Critère |
Vision 2D |
Vision 3D |
Vision basée sur l’IA |
Caméra intelligente |
| Ce qu’elle mesure |
Apparence : impression, codes, couleur, position |
Géométrie : hauteur, volume, forme |
Apparence apprise, y compris les défauts variables |
Apparence, contrôles simples |
| Utilisations pharma typiques |
Évaluation Data Matrix, OCV/OCR, contrôle des étiquettes, présence/absence |
Niveau de remplissage des contenants opaques, profondeur des alvéoles, hauteur des bouchons |
Aspect des comprimés et gélules, sertissage des fioles, produits à forte variabilité |
Présence de bouchon ou de notice, lecture de code unique |
| Gestion de la variation naturelle |
Limitée, nécessite un réglage minutieux |
Modérée, uniquement sur la forme |
Forte |
Limitée |
| Lecture des codes de sérialisation |
Oui, avec évaluation ISO/IEC |
Non |
Assiste l’OCR ; les codes restent décodés de façon déterministe |
Lecture de base |
| Vitesse de ligne |
Élevée ; évolue avec les caméras et le traitement |
Modérée à élevée ; la résolution limite les lignes les plus rapides |
Élevée une fois le modèle entraîné ; dépend du matériel de traitement |
Faible à modérée |
| Effort de validation |
Bien établi |
Modéré, étalonnage important |
Plus élevé : données d’entraînement et versions du modèle documentées |
Faible par appareil ; intégrité des données assurée ailleurs |
| Coût relatif |
Modéré |
Élevé |
Modéré à élevé |
Faible |
| Usage idéal |
Sérialisation, étiquetage et qualité d’impression |
Défauts avec profondeur |
Défauts cosmétiques et produits variables |
Contrôles autonomes simples |
Sur la plupart des lignes sérialisées, la réponse est une combinaison : la vision 2D pour les données de conformité, l’IA pour l’aspect des produits, et la 3D uniquement lorsque le défaut a une hauteur ou un volume.
Comment choisir le bon équipement d’inspection par vision ?
Commencez par une étude de faisabilité vision sur vos propres produits, pas par une fiche technique. Un bon fournisseur photographiera des échantillons réels, y compris des défauts connus, dans des conditions d’éclairage et de cadence réalistes avant de s’engager sur une configuration. Que vous ayez besoin d’un seul point d’inspection ou de machines d’inspection visuelle automatisée complètes, quatre facteurs orientent la décision.
Cadence de ligne
Adaptez l’acquisition, le traitement et le rejet à votre cadence de pointe, et non à votre cadence moyenne. Demandez la cadence maximale que la configuration peut tenir avec tous les outils d’inspection actifs. L’inspection des formes solides est souvent exprimée en produits par heure : convertissez-la dans les unités de votre ligne avant de comparer. Vérifiez aussi que le rejet est confirmé : un capteur ou une caméra de confirmation doit prouver que l’unité défectueuse a bien quitté la ligne.
InspectProof™ d’OPTEL, par exemple, est proposé en trois niveaux de configuration, à des cadences allant jusqu’à 200, 400 et 1 200 produits par minute. Le système s’adapte ainsi à la ligne au lieu d’imposer une conception unique à chaque poste.
Type de produit
Le produit physique permet souvent de réduire rapidement les options :
- Étuis et étiquettes : vision 2D pour les codes, le texte et les éléments graphiques.
- Flacons et fioles : 2D avec couverture à 360° pour les étiquettes et les sertissages ; 2D rétroéclairée ou 3D pour le remplissage et la hauteur de fermeture.
- Comprimés et gélules : 2D haute résolution avec éclairage polarisé, souvent associée à l’IA pour les défauts cosmétiques. Les systèmes d’inspection de surface complète font tourner chaque unité pour en imager toute la circonférence.
- Blisters : 2D pour la présence et la couleur ; 3D lorsque le formage des alvéoles est important.
- Caisses et palettes : 2D pour les codes d’agrégation, avec de larges champs de vision ou plusieurs caméras.
Complexité des défauts
Classez chaque défaut à détecter. Les défauts mesurables et constants, comme un code manquant, une mauvaise position ou une dimension hors tolérance, conviennent aux outils 2D ou 3D à base de règles. Les défauts variables et subjectifs, comme les taches, les imperfections de surface ou de légères variations de couleur, sont ceux où l’IA apporte une réelle valeur ajoutée.
Les faux rejets font partie de ce calcul. Les travaux de recherche évalués par des pairs sur l’inspection par vision industrielle publiés par l’ISPE montrent que les systèmes programmés pour chaque variation tendent à éjecter des produits sûrs, et comment l’apprentissage automatique peut aider à identifier les causes profondes. Demandez aux fournisseurs de démontrer à la fois le taux de détection et le taux de faux rejets sur votre produit.
Budget et retour sur investissement
Regardez au-delà du prix d’achat. Le coût total comprend l’intégration, la validation (IQ/OQ/PQ), le temps de changement de format, la maintenance des recettes, les pièces de rechange, les frais logiciels annuels et le support. Deux systèmes de prix similaire peuvent présenter des écarts importants sur cinq ans si l’un implique une licence récurrente et l’autre non.
Côté retour, comptabilisez les rappels et réclamations évités, la réduction des faux rejets, la diminution des réinspections manuelles, la vitesse de ligne récupérée et des dossiers d’audit plus propres. La même logique s’applique à tous les investissements de ligne. Notre guide sur le ROI de l’automatisation présente une formule que vous pouvez adapter aux équipements de vision.
