Système de Détection et d'Estimation de Valeur de Pièces

Ce projet implémente une chaîne complète de vision par ordinateur permettant :

• la détection automatique de pièces dans une image\
• la classification de leur matériau (cuivre, or, bimétallique)\
• l'estimation de leur valeur monétaire totale\
• l'évaluation quantitative sur un jeu de données annoté

Le système constitue un framework d'évaluation complet avec génération automatique de rapports et métriques de performance.

Pour chaque image :

1. Lecture de l'image (gestion Unicode compatible Windows)
2. Conversion en niveaux de gris
3. Réduction du bruit (filtrage gaussien)
4. Amélioration du contraste (CLAHE)
5. Détection des cercles (Transformée de Hough)
6. Classification du matériau (analyse colorimétrique LAB)
7. Estimation de la dénomination de chaque pièce
8. Calcul de la valeur totale
9. Comparaison avec la vérité terrain

Le système propose trois stratégies différentes.

• Estimation du facteur d'échelle pixel → millimètre
• Comparaison avec les diamètres officiels des pièces
• Contraintes souples selon le matériau détecté

✔ Robuste
✔ Complètement automatique
✔ Ne nécessite pas d'images de référence

• Normalisation par la plus grande pièce détectée
• Comparaison avec des ratios relatifs connus

✔ Simple et rapide
⚠ Sensible aux erreurs de détection

• Filtrage des candidats par aire
• Alignement d'échelle
• Extraction de descripteurs ORB
• Vérification géométrique par RANSAC
• Fallback automatique vers la baseline si le matching est incertain

✔ Haute précision si les références sont fiables
✔ Robuste grâce au fallback

src/
│
├── main.py
│
├── core/
│   ├── data_loader.py
│   ├── evaluator.py
│   ├── classification.py
│   ├── matching.py
│   └── io_utils.py
│
data/
├── images/
├── ref/
└── annotations.csv

Les paramètres principaux sont définis dans src/main.py.

CFG = {
    "DETECT_METHOD_ID": 2,
    "CLASSIFY_METHOD_ID": 0,
    "RUN_DEBUG_SINGLE": False,
    "DEBUG_MODE": "none",
    "DEBUG_OUT_DIR": "debug_out",
    "DEBUG_IMAGE_PATH": ".../gp1/25.png"
}

Mode Description

none Aucun affichage ni sauvegarde show Affichage des étapes intermédiaires save Sauvegarde des images debug both Affichage + sauvegarde

python src/main.py

Sorties : - Résumé dans la console - Rapport détaillé : evaluation_report.txt

Dans main.py :

RUN_DEBUG_SINGLE = True
DEBUG_MODE = "both"

Le système calcule automatiquement :

• MAE
• RMSE
• Précision sous tolérance
• Taux de détection
• Cas d'erreurs détaillés
• Images sans annotation
• Exceptions

Résultats exportés dans :

evaluation_report.txt

Python ≥ 3.9

pip install -r requirements.txt

Projet développé dans le cadre d'expérimentations en vision par ordinateur.