Dans un environnement industriel en constante évolution, le contrôle qualité est un enjeu crucial pour garantir la conformité des produits et optimiser la production. Cette thèse CIFRE s'inscrit dans une collaboration entre TIAMA et le LIRIS, UMR 5205 CNRS, visant à explorer des solutions innovantes pour améliorer les performances des systèmes de contrôle qualité. TIAMA, spécialisée dans l'inspection automatique de produits en verre creux, a développé des systèmes de contrôle exploitant des technologies de vision industrielle et de fusion multimodale pour détecter les défauts de fabrication.

Néanmoins, les systèmes actuels reposent sur des modèles prédéfinis qui n'intègrent pas suffisamment l'apprentissage en continu et l'adaptation dynamique aux variations de la production et aux besoins des clients. La variabilité des matériaux, les changements de conditions d'illumination, ainsi que les évolutions des procédés industriels rendent ces systèmes perfectibles. Cette thèse vise à développer des modèles d'apprentissage adaptatif et auto-supervisé permettant au modèle de s'ajuster dynamiquement sans intervention humaine lourde.