Inspection de Pont Roulant par Drone

Conformément aux exigences de la norme ISO 4301 / FEM 1.001 — Spécifications de conception des appareils de levage — Dispositions clés relatives à l'inspection périodique et à la maintenance des structures métalliques, la technologie d'inspection par drone multi-capteurs constitue une solution innovante à ce défi. Cet article présente de manière détaillée l'ensemble du processus technique — configuration des capteurs, planification de trajectoire, acquisition d'images et identification IA des défauts — appliqué à l'inspection des structures de grues.

Configuration et sélection des capteurs pour système d'inspection par drone

Un système de drone destiné à l'inspection des structures aériennes de grues doit embarquer plusieurs types de capteurs pour garantir une détection exhaustive. La configuration de base comprend quatre catégories : une caméra haute résolution en lumière visible, un LiDAR, une caméra thermique infrarouge et un capteur de gaz. La caméra visible est utilisée pour la détection visuelle des défauts de surface ; sa résolution ne doit pas être inférieure à 20 mégapixels, avec un zoom optique d'au moins 20×, afin de capturer des images haute définition de la plaque de couverture supérieure, de l'âme et des cordons de soudure de la poutre principale depuis une distance de sécurité.

Le LiDAR est dédié à la mesure des déformations structurelles et à la reconstruction 3D. On privilégiera un LiDAR mécanique 32 lignes ou plus, ou un LiDAR à semi-conducteurs aux performances équivalentes, avec une précision de mesure de ±2 cm et un champ de balayage de 360°×30° minimum. Il permet d'obtenir des paramètres géométriques tels que la flèche de la poutre principale, la rectitude du rail et la déformation globale de la structure.

La caméra thermique infrarouge est utilisée pour détecter les anomalies de température au niveau des connexions structurelles (méthodologie détaillée dans notre dossier dédié à l'inspection IA par thermographie infrarouge). Il est recommandé d'opter pour un module thermique haute performance avec une résolution de 640×480 pixels et une NETD ≤ 0,04 ℃. Pour les inspections en intérieur de bâtiment d'usine, un éclairage d'appoint et un module de positionnement haute précision RTK sont nécessaires pour garantir la précision de positionnement dans les environnements où le signal GPS est limité.

Les paramètres techniques de la plateforme drone elle-même déterminent également directement la qualité de l'inspection. Pour l'inspection d'un pont roulant en intérieur, il est recommandé d'utiliser un drone industriel hexarotor équipé de capteurs d'évitement d'obstacles, avec un empattement d'au moins 600 mm, une charge admissible minimale de 3 kg, une autonomie supérieure à 25 minutes (charge utile comprise), et un système d'évitement d'obstacles par vision stéréoscopique orienté vers l'avant, le bas et les côtés. Ce drone doit être capable de se positionner et de faire du vol stationnaire de manière autonome par SLAM visuel dans un bâtiment d'usine sans signal GPS.

Pour l'inspection extérieure des grues à portique et des grues de quai portuaires, il est recommandé d'utiliser un drone industriel avec un indice de protection contre les intempéries d'au moins IP43, une résistance au vent de niveau 6, une altitude de vol maximale de 100 mètres et une autonomie supérieure à 40 minutes.

Dans plusieurs projets menés par Kelude, la combinaison du DJI M300 RTK ou M350 RTK avec la caméra Zenmuse H20T (caméra visible 20 MP + grand-angle 12 MP + mesure de distance laser + caméra thermique 640×480) et le LiDAR L1 s'est avérée être la configuration offrant le meilleur rapport performance/prix et la plus grande praticité.

Planification de trajectoire d'inspection et stratégie de vol autonome

Compte tenu des caractéristiques structurelles des ponts roulants, la planification des trajectoires d'inspection par drone adopte une stratégie sectorielle et hiérarchisée. Le premier niveau correspond à la trajectoire d'aperçu global : le drone survole la structure à une altitude de 5 à 8 mètres au-dessus du sommet du pont roulant, en suivant l'axe de la poutre principale, afin de capturer des données d'aperçu en lumière visible et en thermographie sur toute la longueur de la poutre. La vitesse de vol est maintenue entre 2 et 3 m/s.

Le deuxième niveau concerne la trajectoire de balayage fin : le drone descend à une altitude parallèle à l'âme de la poutre principale (à une distance horizontale de 3 à 5 mètres), puis longe successivement les deux côtés de l'âme à une vitesse réduite de 0,3 à 0,5 m/s, en réalisant une imagerie à haute résolution des zones critiques : cordons de soudure, connexions des plaques de raidissement, boulons d'assemblage des têtes de pont, etc.

Le troisième niveau est dédié au relevé des voies : le drone évolue à 1 à 2 mètres au-dessus du rail et le longe sur toute sa longueur. Le LiDAR embarqué scanne en continu les sections transversales du rail pour acquérir des données en nuage de points, exploitées pour l'analyse de la rectitude du rail et des écarts d'écartement. Pour un pont roulant bipoutre de type QD d'une portée de 22,5 mètres, la trajectoire d'inspection totale ainsi planifiée atteint environ 260 mètres, pour une durée de vol de 12 à 18 minutes par inspection, couvrant 160 à 200 points de contrôle.

Le vol autonome en environnement intérieur sans GPS constitue la principale difficulté technique de l'inspection par drone des ponts roulants. Dans la pratique, une solution de fusion multi-capteurs est mise en œuvre pour un positionnement précis : 4 à 6 stations de base UWB sont préalablement installées dans le bâtiment d'usine pour constituer un référentiel spatial. Le drone embarque une étiquette UWB permettant un positionnement intérieur sub-métrique (précision ±30 cm).

Parallèlement, le capteur visuel orienté vers le bas du drone assure un positionnement auxiliaire par correspondance de textures. Des marqueurs QR codes sont apposés sur le sol du bâtiment (un tous les 10 mètres) comme points de repère visuels. Les données de navigation inertielle (IMU) embarquées sont fusionnées avec les données de positionnement multi-sources via un filtre de Kalman étendu, permettant d'atteindre une précision de positionnement intérieur supérieure à ±10 cm. Pendant l'exécution de la trajectoire, le système détecte en temps réel les écarts de vol et les corrige automatiquement ; lorsque la confiance de positionnement tombe sous un seuil critique, le drone se met automatiquement en vol stationnaire et déclenche une procédure de repositionnement.

Traitement IA des images et nuages de points pour la détection des défauts

Les données brutes collectées par le drone comprennent trois catégories : séquences d'images haute résolution, nuages de points LiDAR et séquences d'images thermiques infrarouges. Chaque type de données est traité par un pipeline IA dédié.

Pour les données d'images, un modèle de segmentation d'instances YOLOv8 est utilisé pour la détection des défauts de surface. Le jeu de données d'entraînement couvre six catégories typiques de défauts : fissures de cordon de soudure (fissures longitudinales du cordon, fissures transversales au pied de soudure), cloquage et écaillage du revêtement (surface >1 cm²), boulons manquants ou desserrés (déplacement de la tête de boulon >2 mm considéré comme desserrage), piqûres de corrosion (cavités de corrosion de profondeur >0,5 mm), déformations structurelles (flambage local de l'âme, déformation ondulatoire de la semelle) et fissures de fatigue (apparaissant dans la zone affectée thermiquement des cordons de soudure ou aux points de concentration de contraintes).

La résolution d'entrée du modèle est de 1920×1080 ; la sortie fournit pour chaque défaut la catégorie, la boîte englobante, le masque de segmentation et le score de confiance. Sur les données réelles de Kelude, le modèle YOLOv8x-seg atteint une mAP@0,5 de 91,3 % pour la détection des fissures de soudure et de 88,7 % pour la détection du desserrage de boulons, avec un temps d'inférence de 45 ms par image (NVIDIA RTX 4090).

Le traitement des nuages de points LiDAR est principalement orienté vers l'analyse de la déformation structurelle. Les nuages de points acquis par le drone sont d'abord recalés sur le modèle BIM de conception du pont roulant ou sur les nuages de points d'inspections précédentes via l'algorithme ICP (Iterative Closest Point), générant ainsi une carte tridimensionnelle des écarts structurels.

Les indicateurs clés de l'analyse des écarts comprennent : la flèche au milieu de la poutre principale (écart entre la contre-flèche de conception et la mesure réelle, avec une tolérance de flèche <L/700 conformément à l'FEM 1.001), l'écart de rectitude du rail (écart <±2 mm sur chaque segment de mesure de 10 mètres), l'écart diagonal des têtes de pont (différence de longueur des diagonales entre les deux têtes de pont <5 mm), ainsi que la planéité de l'âme de la poutre principale (écart de planéité <3 mm sur toute plage de 1 mètre).

Le pipeline de traitement des nuages de points comprend également l'extraction automatique des dimensions caractéristiques clés : largeur de la semelle de la poutre principale, hauteur de l'âme, espacement des plaques de raidissement, entraxe des rails, etc. Ces mesures sont comparées aux valeurs de conception pour générer un rapport d'écarts. L'analyse comparative des nuages de points issus d'inspections successives permet en outre de générer des courbes de tendance de la vitesse de déformation, utiles pour prédire l'évolution de la dégradation structurelle.

Rapport d'inspection structuré et aide à la décision de maintenance

Une fois l'inspection par drone terminée, le système génère automatiquement un rapport d'inspection structuré en visualisation 3D. Ce rapport utilise le modèle BIM du pont roulant ou le nuage de points 3D comme fond de plan, et tous les défauts détectés y sont annotés par des icônes positionnées sur les emplacements correspondants du modèle 3D : une icône rouge signale un défaut critique nécessitant une intervention immédiate, une icône jaune indique un défaut à planifier en maintenance, et une icône verte représente un état normal.

En cliquant sur une icône de défaut, un panneau détaillé s'ouvre : type de défaut, dimensions, coordonnées, photo de terrain, score de confiance IA, comparaison avec l'historique du même emplacement et recommandations de réparation.

Le rapport génère également une fiche de santé de l'équipement, évaluée selon les exigences de la norme ISO 4301 et de l'FEM 1.001 relatives à l'évaluation de la sécurité structurelle. Cinq dimensions sont notées : déformation structurelle (pondération 30 %), état des cordons de soudure (25 %), intégrité du revêtement (15 %), état des connexions (20 %) et géométrie du rail (10 %).

Lorsque le score global est inférieur à 70, le système émet automatiquement une alerte de maintenance et recommande un plan de réparation spécifique avec un calendrier prévisionnel.

L'accumulation des données d'inspection par drone sur le long terme offre une valeur considérable. L'analyse de séries temporelles des inspections successives d'un même pont roulant permet de tracer les courbes d'évolution de chaque indicateur et de déclencher des recommandations de maintenance prédictive avant l'atteinte des seuils d'alerte. Par exemple, le taux de variation annuelle de la flèche au centre de la poutre principale reflète la dégradation de la rigidité structurelle : lorsque la croissance annuelle de la flèche dépasse 2 %, le système recommande une évaluation détaillée de la sécurité structurelle.

De même, le taux de croissance annuelle de la surface de décollement du revêtement renseigne sur le vieillissement du système de protection anticorrosion : au-delà de 5 % de croissance annuelle, le système préconise un traitement anticorrosion complet de la machine. L'évolution des fissures (nombre et longueur) sert quant à elle à déterminer si une interruption d'exploitation s'impose pour procéder aux réparations.

Dans le cadre de ses services d'inspection par drone déployés dans plusieurs usines, Kelude a inspecté plus de 200 ponts roulants. L'analyse comparative des données historiques a permis de prévenir avec succès 12 risques structurels potentiels, dont 3 cas de flambage local de l'âme de la poutre principale et 9 cas de desserrage en série de boulons de la tête de pont.

Procédure d'intervention et maîtrise de la sécurité

L'inspection par drone en bâtiment d'usine implique une gestion de la sécurité à trois niveaux : sécurité du personnel, sécurité des équipements et sécurité de l'espace aérien. Concernant le personnel, la zone d'inspection doit être délimitée par un ruban ou des panneaux d'avertissement temporaires, et l'accès au périmètre de vol est interdit aux personnes non impliquées. Les opérateurs doivent détenir une licence de télépilote CAAC ou un certificat AOPA.

Côté équipement, une check-list complète doit être validée avant chaque vol : niveau de batterie (autonomie résiduelle d'au moins 30 %), intégrité des hélices, propreté des optiques de capteurs, état du positionnement RTK/vision, résultat de l'autotest des fonctions d'évitement d'obstacles, etc. Pour la sécurité de l'espace aérien, il faut s'assurer qu'aucun obstacle ne gêne le vol : câbles métalliques de levage, chemins de câbles, canalisations de process, etc. Avant un premier vol dans un atelier, un pilote expérimenté doit effectuer un vol manuel de reconnaissance afin de cartographier les obstacles en 3D.

Les stratégies de sécurité en situation d'urgence comprennent : basculement automatique en mode de positionnement visuel en cas de perte du signal GPS, retour automatique au point de départ ou vol stationnaire en cas d'interruption des communications, et calcul automatique de la trajectoire de retour la plus courte en cas de batterie faible.

La procédure d'inspection complète se déroule selon les étapes normalisées suivantes : premièrement, le relevé sur site et la planification de trajectoire, avec l'établissement de la carte 3D des obstacles du bâtiment et l'optimisation de la trajectoire de vol ; deuxièmement, la mise en place des points de référence et l'étalonnage des équipements, avec l'installation de balises UWB aux quatre coins du bâtiment et l'étalonnage pré-vol ; troisièmement, l'exécution du vol d'inspection, en mode autonome sous la supervision de l'opérateur qui surveille en permanence l'état du vol et se tient prêt à reprendre la main à tout moment.

Quatrièmement, l'exportation et le traitement des données : les images brutes et les nuages de points sont importés dans la plateforme d'IA pour l'identification automatique des défauts et l'analyse des écarts. Cinquièmement, la génération et la validation du rapport : le rapport préliminaire produit par l'IA est ensuite vérifié et approuvé par un ingénieur spécialisé, garantissant ainsi la fiabilité des résultats.

Kelude propose un service d'inspection par drone clé en main, incluant la location d'équipement, l'exécution sur site, le traitement des données et la livraison du rapport. La facturation peut se faire à la prestation ou sous forme de contrat de service annuel, permettant aux clients d'industrialiser leurs inspections de ponts roulants en toute sécurité, avec efficacité et dans une démarche de numérisation.

Questions fréquentes sur l'inspection par drone

La technologie d'inspection par drone à capteurs multiples transforme en profondeur les méthodes de contrôle des structures aériennes des ponts roulants. Grâce à un système de détection tridimensionnel combinant caméra visible, LiDAR et imagerie thermique, à l'identification automatique des défauts par IA et à une plateforme structurée de génération de rapports, cette approche marque une avancée majeure : l'inspection en hauteur passe d'une observation humaine directe à un contrôle automatisé par drone. Pour toute demande concernant les solutions détaillées d'inspection par drone et les paramètres techniques associés, l'équipe technique de Kelude se tient à votre disposition. Kelude dispose d'une équipe de pilotes certifiés CAAC et d'une solide expérience dans l'inspection des structures de ponts roulants, offrant aux entreprises un service d'inspection sûr, efficace et entièrement traçable.