Sécurité pont roulant : détection intrusion et anticollision

Le système de surveillance de sécurité visuelle par IA pour pont roulant représente la dernière ligne de défense active en matière de sécurité intelligente. Des caméras industrielles IA installées sur la tête de pont et la poutre principale capturent en temps réel les images de la zone de levage. Un modèle d'apprentissage profond YOLOv8 détecte les intrusions de personnel sous et autour de la charge suspendue. Dès qu'une personne pénètre dans la zone dangereuse, le système déclenche automatiquement un avertissement de décélération ou un arrêt de sécurité STO, transformant l'isolement physique entre l'opérateur et la charge d'une simple barrière passive en une protection intelligente proactive. Kelude a développé un système complet de surveillance de sécurité IA couvrant la détection, l'alerte hiérarchisée et le verrouillage anticollision, basé sur la plateforme d'informatique en périphérie NVIDIA Jetson Orin NX et un modèle de détection visuelle propriétaire. Cet article présente l'intégralité de cette mise en œuvre pratique, de l'architecture système à l'entraînement du modèle et au déploiement sur site.

Architecture du système de surveillance de sécurité visuelle par IA

Le système de surveillance de sécurité visuelle par IA pour pont roulant repose sur une architecture en quatre couches : perception, inférence, contrôle et alarme. La couche de perception comprend 2 à 4 caméras industrielles IA (installées de part et d'autre de la tête de pont et sous le chariot (petit chariot)), qui capturent des images 1080P en temps réel de la zone de levage à 30 images par seconde, transmises à la couche d'inférence via Ethernet Gigabit. La couche d'inférence est déployée sur le module d'informatique en périphérie NVIDIA Jetson Orin NX (puissance de calcul de 100 TOPS) et exécute le modèle de détection d'objets YOLOv8s, qui identifie en temps réel le personnel, les charges et les obstacles sur chaque image, avec une latence d'inférence inférieure à 15 ms par image. La couche de contrôle est reliée à l'automate du pont roulant via des interfaces GPIO et PROFINET — lorsqu'une intrusion de personnel est détectée, un signal de décélération ou d'arrêt est envoyé à l'automate, qui exécute une décélération SLS ou un arrêt STO. La couche d'alarme comprend un avertisseur sonore et lumineux dans la cabine de commande (avertisseur sonore + lampe rotative), des alertes contextuelles sur l'écran IHM et des notifications d'alarme en temps réel sur la plateforme de télémaintenance et d'exploitation. La latence de bout en bout du système (de l'entrée d'une personne dans la zone dangereuse à l'exécution de l'action de sécurité par l'automate) est inférieure à 100 ms, conformément aux exigences de temps de réponse pour la protection de sécurité active définies par la norme GB/T 28264-2017 — Système de surveillance et de gestion de la sécurité pour appareils de levage.

La zone de détection est divisée en trois niveaux de zones de sécurité. La zone dangereuse (Danger Zone) est une zone circulaire de 3 m de rayon centrée sur la charge suspendue — toute entrée de personnel dans cette zone déclenche immédiatement un arrêt STO, le frein de pont roulant se refermant en 200 ms. La zone d'avertissement (Warning Zone) est une zone annulaire de 3 à 6 m de rayon autour de la zone dangereuse — toute entrée de personnel dans cette zone déclenche une alarme sonore et visuelle ainsi qu'une décélération du pont roulant (réduction à 20 % de la vitesse nominale), le signal de décélération se maintenant jusqu'à ce que la personne quitte la zone d'avertissement. La zone de surveillance (Monitor Zone) est une zone annulaire de 6 à 10 m de rayon autour de la zone d'avertissement — toute entrée de personnel dans cette zone est uniquement enregistrée dans le journal des événements sans intervention de contrôle, afin de statistiquer la fréquence et les schémas d'activité du personnel dans la zone de levage. Les paramètres de rayon des trois zones de sécurité peuvent être ajustés sur site via le panneau IHM en fonction de la capacité nominale du pont roulant et des dimensions de la charge.

Sélection des caméras et déploiement sur site

Le choix des caméras industrielles IA et leur positionnement d'installation influencent directement la qualité de la détection. Kelude équipe son système de surveillance de sécurité visuelle par IA pour pont roulant de deux types de caméras en standard : pour le montage sur tête de pont, la caméra Hikvision DS-2CD2T87WD-L (8 mégapixels, capteur 1/1,2 pouce, sensibilité minimale 0,001 Lux, portée d'éclairage infrarouge de 50 m) ; pour le montage sous chariot, la caméra Imaging Source DMK 33GX290 (1,9 mégapixel à obturateur global, capteur 1/3 pouce, cadence de 120 images par seconde, adaptée à la détection de charges et de personnel en mouvement rapide). L'objectif de la caméra de tête de pont a une focale de 6 mm (champ horizontal d'environ 52°), installée au centre de la surface inférieure de la tête de pont, l'objectif orienté verticalement vers le bas, couvrant l'intégralité de la zone de levage sous le pont roulant. L'objectif de la caméra sous chariot a une focale de 3,6 mm (champ horizontal d'environ 87°), installée sur la surface inférieure de la plateforme du chariot, couvrant la zone rapprochée directement sous l'équipement de levage.

Entraînement et déploiement du modèle de détection YOLOv8

YOLOv8 constitue l'algorithme central de la vision IA pour la sécurité des ponts roulants. Kelude Industries Lourdes a sélectionné la version YOLOv8s (Small, 11,2 M de paramètres, mAP COCO de 44,9 %) pour ses scénarios de surveillance de sécurité. Optimisé avec TensorRT FP16 sur NVIDIA Jetson Orin NX, le modèle atteint une vitesse d'inférence de 60 fps (résolution d'entrée 640x640), répondant ainsi aux exigences de détection en temps réel sur flux vidéo de 30 fps. Le jeu de données d'entraînement provient de trois sources : des images annotées collectées sur le site d'essai de ponts roulants de Kelude (environ 15 000 images, couvrant différentes conditions d'éclairage, de météo et de types de charges suspendues), des images synthétiques générées pour les scénarios de longue traîne (environ 5 000 images, simulant des chutes de personnel, des rassemblements multiples, des occlusions partielles, etc.), et des images complémentaires capturées en atelier (environ 3 000 images, couvrant divers contextes de bâtiments d'usine et d'agencements de lignes de production).

Configuration de l'entraînement. L'entraînement repose sur le framework Ultralytics YOLOv8 avec une résolution d'entrée de 640x640, une taille de lot de 32 et 300 époques. Les augmentations de données comprennent Mosaic (probabilité 0,8, assemblage de 4 images), MixUp (probabilité 0,2, mélange de deux images), l'augmentation HSV (H±25°/S±30%/V±30%) et une rotation aléatoire (±10 degrés). La plateforme d'entraînement utilise une seule NVIDIA RTX 4090 (24 Go de mémoire vidéo), chaque époque durant environ 10 minutes, soit un total d'environ 50 heures pour les 300 époques. Une fois l'entraînement terminé, le modèle est exporté au format moteur TensorRT FP16 (fichier engine, environ 22 Mo) puis déployé sur le Jetson Orin NX.

Classification des cibles détectées. Le modèle YOLOv8s génère trois catégories de détection. Chaque boîte englobante comprend l'ID de catégorie, le score de confiance (conservé si ≥ 0,5) et les coordonnées normalisées de la boîte (cx, cy, w, h). Les coordonnées de la boîte sont projetées sur le plan du sol via une matrice de transformation de perspective, avec une erreur de positionnement inférieure à 10 cm. Les détails des trois catégories sont présentés ci-dessous :

4. Algorithme de détection d'intrusion de personnel et logique des zones de sécurité

La séquence d'exécution logique de la détection d'intrusion de personnel est la suivante. Étape 1 — Détection d'objets : le module Jetson exécute le modèle YOLOv8s et génère toutes les boîtes de détection « person » de l'image courante. Étape 2 — Mappage des coordonnées : le point central inférieur de chaque boîte de détection est projeté sur le plan du sol via une matrice de transformation de perspective, ce qui donne la position physique de la personne dans l'atelier (x, y, en mètres). Étape 3 — Calcul de distance : la distance euclidienne est calculée entre la position de la personne et celle de la charge suspendue (position absolue du Pont du Pont Roulant + position absolue du Chariot lues depuis le PLC, plus le décalage dimensionnel de la charge). Étape 4 — Évaluation de la zone de sécurité : la distance dist est comparée aux trois niveaux de zones prédéfinis — dist ≤ 3 m : zone Danger, déclenchement STO ; 3 m < dist ≤ 6 m : zone Warning, déclenchement d'une alarme de Décélération ; 6 m 10 m : aucune action. Étape 5 — Sortie des résultats : le Jetson émet trois niveaux d'alarme via GPIO — GPIO1 (Danger) connecté à l'entrée DI de sécurité du PLC, GPIO2 (Warning) connecté à l'entrée DI standard du PLC, GPIO3 (Monitor) connecté à la passerelle IO-Link pour l'enregistrement des événements.

Logique de réglage dynamique du rayon de la zone de sécurité. Les dimensions réelles de la charge suspendue et sa trajectoire de levage influencent le rayon de la zone dangereuse. Lorsque la charge mesure moins de 1 m, le rayon de la zone dangereuse reste à sa valeur par défaut de 3 m ; pour une charge comprise entre 1 et 3 m, le rayon augmente automatiquement en fonction de la diagonale de la charge (R_danger = 3,0 m + L_diag/2) ; au-delà de 3 m, le rayon est fixé à 5 m (afin d'éviter qu'une zone trop étendue ne déclenche des STO fréquents et ne réduise la productivité). La valeur courante du rayon est affichée en temps réel sur la page de Détection de sécurité de l'IHM ; l'opérateur peut effectuer un micro-réglage manuel (pas de 0,5 m). Toute modification des Paramètres de zone de sécurité est consignée dans le journal d'événements du PLC, avec une durée de conservation d'au moins 90 jours.

Suivi multi-cibles et traitement anti-rebond. Lorsque plusieurs personnes sont détectées dans une même image, le système attribue un identifiant de piste (Track ID) unique à chaque cible et assure le suivi inter-images via un algorithme DeepSORT allégé. Une personne n'est confirmée comme entrant dans la zone de sécurité que si son Track ID apparaît à la même position pendant plus de 5 images consécutives, ce qui évite les fausses alarmes dues à des erreurs de détection ponctuelles. Tant qu'une personne reste dans la zone, l'alarme est maintenue ; elle est automatiquement levée après la sortie de la zone (avec un délai anti-rebond de 2 secondes). Les alarmes continues sont enregistrées dans une base de données locale SQLite, chaque enregistrement contenant l'horodatage, le Track ID, les coordonnées de la personne, le niveau de zone de sécurité déclenché et l'état de fonctionnement du pont roulant (vitesse, position, direction).

5. Commande anticollision couplée et déclenchement STO

Le couplage entre le système d'inspection par vision et le système de commande de sécurité du pont roulant est réalisé via une double interface GPIO + PROFINET. L'interface GPIO est dédiée au Freinage rapide en situation d'urgence — le GPIO1 (Danger) du Jetson est directement connecté à l'entrée du module F-DI de sécurité du PLC ; lorsque le GPIO1 passe à 24 V, le PLC déclenche le STO dans le cycle de sécurité suivant (20 ms). L'interface PROFINET assure la Décélération progressive dans les scénarios non urgents — le Jetson, en tant qu'équipement IO PROFINET (fichier GSDML importé dans TIA Portal), écrit périodiquement des requêtes de Décélération vers le PLC (niveau de Décélération de 0 à 3 et pourcentage de vitesse cible), et le PLC répond à la requête dans un cycle d'E/S standard (10 ms).

Procédure de reprise après déclenchement STO. Lorsqu'un STO de niveau 3 est déclenché, le pont roulant s'arrête immédiatement. Le système Jetson surveille en continu l'état de la zone dangereuse — dès qu'il confirme qu'aucune personne ne s'y trouve, il envoie le signal « danger levé » au PLC via PROFINET. À la réception de ce signal, l'IHM affiche une boîte de dialogue de confirmation de réinitialisation de sécurité. L'opérateur doit vérifier visuellement que la zone de levage est sécurisée, puis cliquer sur le bouton « Confirmer la réinitialisation ». Le PLC ne lève l'état STO qu'après cette confirmation et autorise la réactivation du fonctionnement. Le journal complet de l'événement STO est automatiquement téléchargé vers la passerelle Edge, puis transmis au système de gestion de la sécurité via OPC UA pour archivage.

Mise en service et validation sur site du système

La mise en service du système de surveillance de sécurité visuelle par IA s'effectue en quatre étapes. La première étape est l'étalonnage des caméras — à l'aide d'une mire en damier (12×9 cases, côté de 30 mm), on capture 15 à 20 images d'étalonnage sous différents angles, puis on calcule la matrice des paramètres intrinsèques et les coefficients de distorsion via la fonction calibrateCamera d'OpenCV. Une fois l'étalonnage intrinsèque terminé, on procède à l'étalonnage de la matrice de transformation de perspective : on déploie une toile d'étalonnage au sol de l'atelier (grille de 4×3 m, espacement des points de 500 mm), on prend une vue de dessus avec la caméra, puis on sélectionne 4 coins et 4 points correspondants de coordonnées connues sur le plan du sol pour calculer la matrice de transformation de perspective. Après l'étalonnage, on utilise le Télémètre Laser pour mesurer les coordonnées réelles de points arbitraires au sol et vérifier que l'erreur de projection est inférieure à 10 cm.

La deuxième étape est le test de réception du modèle — des scénarios de test sont déployés sur le site d'essai (charge suspendue + mannequin), et la précision de détection est évaluée dans quatre conditions : éclairage normal (500 Lux), faible éclairage (50 Lux, avec éclairage infrarouge uniquement), contre-jour et pluie/brouillard (simulation par pulvérisation). Norme de Réception : mAP ≥ 95 % pour la détection de personne en éclairage normal, ≥ 90 % en faible éclairage, ≥ 85 % en contre-jour et ≥ 80 % en pluie/brouillard. Chaque test d'intrusion du mannequin dans les trois zones de sécurité est exécuté 20 fois. Les exigences sont les suivantes : taux de déclenchement de 100 % pour la zone dangereuse de niveau 3 (20/20 déclenchements STO), taux de déclenchement ≥ 95 % pour la zone d'avertissement de niveau 2 (≥ 19/20 déclenchements d'alarme de décélération), et taux d'enregistrement de 100 % pour la zone de surveillance de niveau 1 (20/20 événements journalisés).

La troisième étape est la validation sur site — les paramètres d'étalonnage et le modèle sont déployés sur le module Jetson du pont roulant. L'opérateur consulte en temps réel l'image des caméras et la superposition des boîtes de détection via la page de surveillance de sécurité de l'IHM. On vérifie que la caméra de la Tête de Pont et la caméra sous le Chariot offrent une couverture verticale sans angle mort pour trois positions du pont roulant (extrémité gauche, centre, extrémité droite de la course). Les images des caméras latérales, une fois fusionnées, couvrent toute la zone de levage sous le pont (zone de couverture d'environ 20 m × 6 m). À l'aide de talkies-walkies, le personnel sur site longe les limites de la zone de sécurité pour vérifier la cohérence du déclenchement des alarmes à chaque point de la frontière. La quatrième étape est la mise en service opérationnelle — le système entre en période d'essai de 24 heures. Toutes les 8 heures, on examine les taux de fausses alarmes et de non-détection dans les journaux. Les exigences sont les suivantes : taux de fausses alarmes ≤ 5/24 h et taux de non-détection ≤ 1/24 h. Une fois l'essai concluant, le système passe en exploitation normale.

Questions fréquentes (FAQ)