Identification de fusibles électriques de puissance par apprentissage profond

Dans l’industrie de l’énergie électrique, des études d’arcs électriques sont effectuées par des ingénieurs et ingénieures afin d’évaluer l’énergie incidente à laquelle une personne qui travaille sur un équipement serait exposée si un accident provoquait un court-circuit. Cette énergie peut varier selon plusieurs paramètres, dont l’un des principaux est la durée de l’arc, qui dépend de la rapidité de coupure de l’équipement de protection qui alimente l’équipement où le défaut survient. Il est ainsi important d’identifier correctement les équipements de protection dans un réseau électrique, dont les types de fusibles, qui peuvent être difficiles à identifier à l’oeil nu à partir de photos d’installations électriques. Par contre, ces derniers peuvent être identifiés grâce à leurs caractéristiques physiques, telles que leur couleur ou leur forme. Cette tâche d’observation doit présentement être effectuée manuellement, ainsi une solution plus automatisée serait avantageuse. En parallèle, le domaine de la détection d’objets utilisant l’apprentissage profond a connu un essor remarquable dans les dernières années afin de permettre de localiser et d’identifier le type de différents objets dans des images. En appliquant une stratégie d’apprentissage supervisé, il est possible d’entraîner et d’optimiser un modèle de détection d’objets basé sur les réseaux de neurones pouvant identifier les fusibles dans de nouvelles images jamais vues auparavant. Dans ce mémoire, nous aborderons l’utilisation de techniques de détection d’objets basées sur l’apprentissage profond afin d’automatiser l’identification de fusibles électriques, incluant les modèles Faster R-CNN, RetinaNet et DETR. Nous poserons le problème d’identification de fusibles dans le contexte des études d’arcs électriques, décrirons les principes derrière les techniques de détection d’objets utilisées en apprentissage profond et proposerons une méthodologie afin d’optimiser un modèle de détection final pouvant être utilisé