La montée en popularité des robots collaboratifs crée, pour plusieurs petites et moyennes entreprises, de nouvelles possibilités d’automatisation qui n’étaient pas auparavant viables. C’est notamment le cas pour l’inspection de tâches de sablage et de polissage de produits en bois. Or, afin de pouvoir réaliser cette inspection, le robot doit être équipé de capteurs permettant de percevoir les détails de leur surface. Dans ce mémoire, nous avons exploré la possibilité d’utiliser un capteur tactile capacitif pour détecter la présence de défauts de surface sur le bois.

Dans un premier temps, nous avons utilisé les quatre modalités du capteur tactile CoRo pour entraîner une variété de réseaux de neurones artificiels à détecter la présence de trois types de défauts de surface, soit les rayures, les indentations et les arrachements. Aucune des modalités n’a permis de détecter la présence de rayures étant donné leurs très petites dimensions. Cela dit, la modalité statique, qui mesure le motif de pression sur la surface du capteur, a obtenu les meilleurs résultats pour les indentations et les arrachements.

Nous avons ensuite testé si la fusion des modalités permet de mieux détecter la présence de défauts. Contrairement à ce que nous avions anticipé, les résultats obtenus montrent que la fusion ne permet pas nécessairement d’obtenir une meilleure performance que l’utilisation de modalités individuelles. Néanmoins, nous avons confirmé que la modalité statique, utilisée seule ou en combinaison avec la modalité dynamique, est la plus intéressante.

En somme, nous avons démontré que le capteur tactile capacitif CoRo représente une solution prometteuse pour la détection de défauts de surface dans le bois. Toutefois, sa conception devrait être repensée en fonction de cette tâche pour atteindre le maximum de performance.

The rise in popularity of collaborative robots is creating new automation opportunities that were not previously viable for many small and medium-sized businesses. This is the case for the inspection of sanding and polishing tasks on wood products. In order to perform this inspection, a robot must be equipped with sensors that allow it to feel the surface for defects. In this thesis, we explored the possibility of using a capacitive tactile sensor to detect the presence of surface defects on wood.

Initially, we used the four modalities of the CoRo tactile sensor to train a variety of artificial neural networks to detect the presence of three types of surface defects :​ scratches, indentations, and tearouts. None of the modalities were able to detect the presence of scratches given their very small dimensions. That being said, the static modality, which measures the pressure pattern on the sensor’s surface, performed best for indentations and tearouts.

We then tested whether the fusion of modalities improves the detection of defects. Contrary to what we had anticipated, the results show that modality fusion does not necessarily lead to better performance than using the individual modalities. Nevertheless, we confirmed that the static modality, used alone or in combination with the dynamic modality, is the most useful.

In sum, we have demonstrated that the CoRo capacitive tactile sensor represents a promising solution for the detection of surface defects in wood. However, it should be redesigned with this task in mind to achieve maximum performance.