SOLUTIONS
USE-CASES
LE LAB
ARTICLES
NOUS SOMMES
CONTACT
CARRIÈRES
NEWS
ACCES ENABLERS
Trier par mots-clés
AjamaislesPremiers
Algorithmes
algorithmique
Alumni
Améliorationdeprocess
Aquiladata
Audit
AutoML
BeEnabler
BigData
Chronos2
Clustering
CNN
ComputerVision
ContrôleQualité
Cosmétique
Data
DataGouvernance
DataScience
DataVisualisation
DeepLearning
DétectionAnomalie
DétectionAnomalies
DétectionObjets
Donnée synthétique
Données Synthétiques
DroitauData
Enabler
Energie
equationsdifferentielles
Equipe
Event
Expansion
Fewshotlearning
Forecast
Forecasting
FoundationModels
Fraude
GAN
GenAI
Géoscience
GPU
IA
IA generative
Images
Immobilier
Industrialisation
Innovation
IntelligenceArtificielle
Interprétation
LabInsights
large language models
LectureIntelligente
LightGBM
LLM
LLMs
MachineLearning
MaintenancePrédictive
Marseille
MCMC
MLops
Modèle
MotifsRecurrents
NLP
OpenCV
Optimisationdeproduction
Prévision
probabiliste
ProjetCollaboratif
Python
ReconnaissanceObjets
RégionPaca
Réseau
Rewind
RH
SaisonnalitéVente
Segmentation
SHAP
synthetic data
Team
Tensorflow
TimeSerie
TimeSeries
TimeSeriesAnalysis
UnsupervisedLearning
virtualsensor
SOLUTIONS
USE-CASES
LE LAB
ARTICLES
NOUS SOMMES
CONTACT
>WE HIRE<
CARRIÈRES
NEWS
ACCES ENABLERS
OK
Énergie
DÉTECTER DES DÉFAUTS SUR ÉOLIENNE
#
ComputerVision
#
DétectionAnomalies
OBJECTIFS
Détection par ordinateur des pales d’éoliennes sur des images de drones
Identification automatique des défauts potentiels sur les pales
Développement d’une application visuelle permettant aux spécialistes métiers de labéliser les défauts et de générer
des rapports
Développement d’une méthode de labélisation automatique des défauts
ALGORITHMES
Segmentation de l’image par Deep Learning
Classification et labélisation par CNN des défauts
Parlez-en AVEC UN EXPERT !
Tristan Barbagelata
Business Manager
tbarbagelata@aquiladata.fr
> JE LE CONTACTE !
VOIR TOUS LES USE-CASES