Systèmes automatisés de détection de FOD pour les aérodromes

Qu’est-ce qu’un système automatisé de détection de FOD ?

Un système automatisé de détection de débris d’objets étrangers (FOD) est une installation de capteurs fixes ou mobiles qui surveille en continu les aires de mouvement aéroportuaires — pistes, voies de circulation et aires de trafic — pour détecter la présence de débris capables d’endommager les aéronefs, de blesser le personnel ou de perturber le fonctionnement des systèmes de l’aéronef. Ces systèmes remplacent ou complètent les inspections manuelles de FOD effectuées par du personnel parcourant la piste, réduisant le temps de détection de 30 à 60 minutes à moins de 90 secondes par balayage complet de piste tout en offrant une couverture de surveillance 24h/24 et 7j/7.

Quatre grandes catégories de technologies ont émergé : le radar stationnaire à ondes millimétriques, l’électro-optique stationnaire (basé sur caméra), la fusion hybride radar-plus-électro-optique et les systèmes radar mobiles. Le marché mondial des équipements de détection de FOD était évalué à 153,8 millions de dollars en 2024 et devrait atteindre 317,1 millions de dollars d’ici 2034, avec un taux de croissance annuel composé (TCAC) de 7,5 % selon Global Insight Services. Les systèmes basés sur le radar détiennent la plus grande part de marché à 45 %, suivis par l’électro-optique à 30 % et les systèmes hybrides à 25 %.

La FAA AC 150/5220-24 fournit des spécifications de performance minimales pour quatre types de systèmes : le radar stationnaire doit détecter un cylindre de référence standard (cylindre métallique de 38 mm de diamètre × 31 mm de hauteur) à une portée de 1 000 m avec une précision de localisation de 5 m ; l’électro-optique stationnaire doit détecter un objet de 20 mm à 300 m ; l’hybride stationnaire doit détecter des objets de 20 mm sur toute la largeur de la piste ; et le radar mobile doit détecter le cylindre de référence sur une zone de balayage de 183 m × 183 m tout en fonctionnant à des vitesses allant jusqu’à 48 km/h.

Objectif et besoin aéroportuaire

Les FOD sur les pistes d’aéroport constituent la deuxième menace de sécurité la plus importante dans l’aviation après les collisions avec des oiseaux. Les débris d’objets étrangers sont définis par la FAA comme « tout objet, vivant ou non, situé dans un endroit inapproprié dans l’environnement aéroportuaire et ayant la capacité de blesser le personnel aéroportuaire ou des transporteurs aériens et d’endommager les aéronefs ». L’Annexe 14 de l’OACI, Volume I, Section 10.2.1 prescrit que « la surface des chaussées (pistes, voies de circulation, aires de trafic et zones adjacentes) doit être maintenue exempte de pierres détachées ou d’autres objets susceptibles de causer des dommages aux structures ou aux moteurs des aéronefs, ou de perturber le fonctionnement des systèmes de l’aéronef. »

L’impact financier des FOD est grave et largement documenté. Les coûts annuels mondiaux des dommages liés aux FOD sont estimés entre 4 milliards de dollars (Flight Safety Foundation, 2011) et 22,7 milliards de dollars (analyse coûts-bénéfices complète de la FAA en USD 2023). The Boeing Company et la National Aerospace FOD Prevention Inc. (NAFPI) estiment à environ 4 milliards de dollars les dommages directs annuels aux aéronefs. L’estimation de QinetiQ atteint 12 milliards de dollars en incluant les coûts indirects tels que les retards de vol, les annulations et l’immobilisation des aéronefs. Selon la FAA AC 150/5220-24, plus de 60 % des articles FOD sont en métal, 18 % sont en caoutchouc, et près de 50 % des articles FOD collectés sont de couleur foncée, ce qui les rend difficiles à repérer lors des inspections visuelles. Les dimensions courantes des FOD sont de 3 cm × 3 cm ou moins — comparables à une fixation standard d’aéronef ou un écrou de roue.

L’événement le plus transformateur dans l’histoire de la détection de FOD a été le crash en 2000 du vol 4590 d’Air France (Concorde) à l’aéroport Paris Charles de Gaulle. Une bande d’usure en alliage de titane tombée d’un McDonnell Douglas DC-10 ayant décollé quatre minutes plus tôt a heurté le pneu du Concorde lors du décollage à 190 nœuds. Le pneu a explosé, et un fragment de caoutchouc de 4,5 kg a perforé le réservoir de carburant n° 5, provoquant un incendie massif qui a entraîné une panne moteur. L’avion s’est écrasé sur un hôtel à Gonesse, tuant les 109 personnes à bord et 4 personnes au sol. Cette catastrophe a directement catalysé l’investissement mondial dans la technologie automatisée de détection de FOD et a conduit aux premiers systèmes opérationnels déployés à l’aéroport international de Vancouver en 2006.

L’OACI exige que tous les aéroports effectuent des inspections de routine des FOD au moins quatre fois par jour pour les aéroports à fort trafic, après chaque incident de FOD connu, après des travaux de construction ou de maintenance, et suite à des événements météorologiques sévères. Le Doc 9137 de l’OACI (Manuel des services aéroportuaires), Parties 2, 8 et 9, fournit des conseils détaillés sur les conditions de surface des chaussées, les fréquences d’inspection des FOD et les pratiques de maintenance des pistes. Le PANS-Aérodromes (Doc 9981) exige une inspection régulière des aires de mouvement pour les conditions de surface, tandis que la Résolution A37 de l’Assemblée reconnaît explicitement les FOD comme un problème de sécurité significatif.

Systèmes radar fixes

Les systèmes radar fixes de détection de FOD utilisent un radar à ondes millimétriques (MMW) fonctionnant dans la bande E (71–86 GHz) ou W (92–100 GHz). La longueur d’onde courte de 3,0 à 3,9 mm offre la haute résolution spatiale nécessaire pour détecter les petits débris à la surface de la piste. L’architecture prédominante est le radar à onde continue modulée en fréquence (FMCW), qui émet un signal continu dont la fréquence est linéairement modulée (chirp) dans le temps. Le signal réfléchi par une cible est mélangé à une copie du signal émis, et la différence de fréquence (fréquence de battement) entre les signaux émis et reçus est proportionnelle à la distance de la cible : R = (c × Δf) / (2 × S) où S est le taux de chirp.

Le radar FMCW offre plusieurs avantages critiques pour la détection de FOD. Il fonctionne avec une très faible puissance d’émission de l’ordre du milliwatt, ne causant aucun danger pour le personnel aéroportuaire, les passagers ou les systèmes des aéronefs. Il offre un fonctionnement tous temps, pénétrant le brouillard, la pluie et la neige significativement mieux que les systèmes optiques — une exigence critique puisque les risques de FOD existent indépendamment des conditions de visibilité. Il permet un fonctionnement de jour comme de nuit car le radar n’est absolument pas affecté par l’éclairage ambiant. Il offre une mesure simultanée de la distance et de la vélocité, permettant au système de distinguer les objets en mouvement (véhicules, animaux) des débris stationnaires.

Le principal défi technique pour le radar FOD est de distinguer les petites cibles de l’encombrement au sol — les réflexions radar provenant de la surface de la piste elle-même, y compris la texture de la chaussée, les marquages, les joints d’étanchéité et les feux de bordure. L’approche de détection standard utilise un traitement CM-CFAR (Clutter Map Constant False Alarm Rate). Le radar construit un modèle statistique de l’encombrement de fond pour chaque cellule de résolution en moyennant les retours sur de nombreux balayages. Un seuil de détection est défini dynamiquement comme Seuil = μ_encombrement × Facteur_CFAR, où μ_encombrement est la puissance moyenne de l’encombrement et le facteur CFAR est ajusté pour maintenir un taux de fausses alarmes constant, typiquement 10⁻⁶ par cellule de résolution. Tout retour dépassant le seuil d’une marge statistiquement significative est signalé comme FOD potentiel.

Les techniques avancées de réjection d’encombrement incluent l’Approche Adaptative Itérative (IAA) pour la suppression des interférences et la réduction des fausses alarmes (PMC7916495), le traitement du rapport de fausses alarmes constant dans le domaine temporel combiné à la détection des bords de piste pour l’extraction de régions d’intérêt (PMC8199731, Académie chinoise des sciences), et les réseaux de classification par apprentissage profond qui augmentent le CFAR en classifiant les anomalies détectées comme FOD versus fausse alarme sur la base des caractéristiques de signature radar. Les méthodes polarimétriques utilisant des mesures de diffusion à pleine polarisation aident à distinguer les FOD de la texture de la chaussée, tandis que la modélisation de l’angle de rasance optimal à environ 2 degrés minimise l’encombrement tout en maximisant la couverture de la piste.

La FAA définit une cible de référence standard pour les tests de performance : un cylindre métallique de 38 mm (1,5 po) de diamètre et 31 mm (1,2 po) de hauteur, non peint, avec une section efficace radar (RCS) d’environ −20 dBsm. Un système radar stationnaire conforme doit détecter cette cible à des distances allant jusqu’à 1 000 m (0,62 mi) du capteur avec une précision de localisation de 5 m (16 pi).

La configuration de déploiement selon la FAA AC 150/5220-24 exige des capteurs situés à 50 m (165 pi) ou plus de l’axe de la piste, avec une installation recommandée à environ 125 m du bord de la piste à une hauteur de 8 m. Une installation typique utilise 2 à 3 capteurs par piste selon la longueur : 1 radar pour les pistes jusqu’à 1 829 m (adapté aux aéroports régionaux desservant des A319/B737), 2 radars pour les pistes jusqu’à 4 000 m (aéroports internationaux avec des opérations B747/A380), et 3 radars pour les pistes jusqu’à 5 500 m (pistes de haute altitude ou ultra-longues).

Systèmes électro-optiques

Les systèmes de détection de FOD électro-optiques (EO) utilisent des caméras à spectre visible, des caméras infrarouges (IR) ou des réseaux de capteurs combinés pour surveiller visuellement les surfaces des pistes. Ces systèmes reposent sur des algorithmes sophistiqués de vision par ordinateur et d’apprentissage automatique pour identifier les débris dans l’imagerie de la piste.

Les caméras à lumière visible utilisent des capteurs haute résolution multi-mégapixels avec des objectifs téléobjectifs, typiquement en résolution 1920×1080 ou plus à 30+ images par seconde. Elles fonctionnent avec un éclairage naturel pendant la journée. Les caméras infrarouges et thermiques fonctionnent dans la bande infrarouge à ondes longues (LWIR) (8–14 μm), détectant le contraste thermique entre les objets de débris et la surface de la piste. Elles sont efficaces de nuit sans éclairage visible et sont moins affectées par les ombres et les changements d’éclairage que les caméras à spectre visible. Les systèmes proche infrarouge (NIR) utilisent un éclairage NIR actif pour une capacité nocturne améliorée sans pollution lumineuse visible.

Selon la FAA AC 150/5220-24, les systèmes électro-optiques stationnaires doivent détecter un objet de 2,0 cm (0,8 po) à des distances allant jusqu’à 300 m (985 pi) en utilisant uniquement l’éclairage ambiant. Les capteurs doivent être situés à 150 m ou plus de l’axe de la piste, avec 5 à 8 capteurs typiquement requis par piste selon les besoins de l’aéroport. Le système doit prendre en charge la surveillance continue.

Le traitement d’image pour la détection de FOD électro-optique utilise plusieurs couches computationnelles. La soustraction de fond et la détection de changement comparent les images actuelles à une référence de base de piste propre, signalant les pixels s’écartant significativement comme FOD potentiels. Les méthodes incluent la différence d’images, les modèles de mélange gaussien (GMM) pour la modélisation du fond et les algorithmes améliorés de croissance de région. La détection basée sur les caractéristiques extrait des caractéristiques conçues manuellement à partir des régions d’image incluant l’histogramme de gradients orientés (HOG), la transformée de caractéristiques invariantes à l’échelle (SIFT), les histogrammes de couleurs, les caractéristiques de texture et les caractéristiques d’ondelettes de Gabor combinées à la classification par machine à vecteurs de support (SVM) (Niu et al., Université Beihang).

Les systèmes EO modernes de détection de FOD utilisent de plus en plus des réseaux de neurones convolutifs (CNN) pour la détection d’objets (Faster R-CNN, YOLO, SSD adaptés pour la détection de petits objets), la segmentation sémantique (U-Net, DeepLabv3+) pour la segmentation des FOD au niveau pixel, et l’apprentissage faiblement supervisé entraîné sur des ensembles de données aéroportuaires avec des étiquettes au niveau image. Les approches par Forêt Aléatoire utilisant des caractéristiques visuelles de pixels (PVF) avec des poids appris et des champs récepteurs (PMC9002671) surpassent à la fois les forêts aléatoires traditionnelles et DeepLabv3+ en précision et en rappel pour la détection de FOD sur les images optiques de piste.

Les défis clés pour les systèmes EO seuls incluent les fausses alarmes provenant des ombres, des marques de pneus, des marquages de piste, des fissures de chaussée, des joints de raccordement et des trous. Les performances se dégradent significativement sous la pluie, le brouillard, la neige et dans des conditions de faible luminosité. Les données d’évaluation de l’aéroport de Changi pour iFerret fournissent des preuves quantitatives : la portée diurne pour les objets de 4 cm passe de 1 100 m (temps clair) à 890 m sous une pluie de 16 mm/h — une réduction de 19 %. La portée nocturne passe de 600 m à 520 m sous une pluie de 22 mm/h (réduction de 13 %). Pour les objets de 1 cm, la portée nocturne tombe à 310 m et se dégrade davantage sous la pluie. La détection d’objets plus petits que 5 cm × 5 cm reste difficile pour les systèmes optiques à longue portée.

Systèmes hybrides (Fusion radar + caméra)

Les systèmes hybrides de détection de FOD combinent le radar à ondes millimétriques et les caméras électro-optiques pour surmonter les limitations individuelles de chaque technologie. Les capteurs radar et EO sont fondamentalement complémentaires : le radar offre une détection tous temps, de nuit comme de jour, à longue portée, mais manque de résolution pour identifier visuellement les objets ; les caméras EO fournissent une identification visuelle haute résolution mais se dégradent significativement par mauvais temps et dans l’obscurité.

Le flux opérationnel typique dans un système hybride commence par la détection d’une anomalie par le radar via le traitement CFAR. Le système calcule les coordonnées GPS de l’anomalie et dirige la caméra EO via un dispositif panoramique-inclinaison-zoom vers l’emplacement de la cible. Un algorithme de vision IA/ML analyse l’image de la caméra pour confirmer ou rejeter la détection. Les FOD confirmés génèrent une alerte ; les fausses alarmes sont supprimées sans perturber les opérations.

Trois niveaux de fusion de capteurs sont possibles. La fusion au niveau capteur combine les données radar et caméra au niveau des données brutes avant l’exécution des algorithmes de détection. La fusion au niveau des caractéristiques combine les caractéristiques extraites de chaque modalité (signatures radar, caractéristiques visuelles) en un vecteur de caractéristiques conjoint pour la classification. La fusion au niveau décision permet à chaque modalité de détecter indépendamment les FOD, les décisions étant combinées par vote ou pondération basée sur la confiance.

Les avantages pratiques de la fusion incluent des taux de fausses alarmes considérablement réduits — les systèmes hybrides atteignent typiquement moins de 1 fausse alarme par jour avec confirmation visuelle, contre jusqu’à 3 par jour pour les systèmes radar seuls selon les spécifications FAA. La validation visuelle avant la fermeture de piste évite les perturbations opérationnelles inutiles. Les opérateurs peuvent voir l’objet FOD avant d’envoyer les équipes, permettant une évaluation du niveau de menace et une priorisation appropriée de la réponse.

La plateforme Xsight RunWize, déployée à Boston Logan, Seattle-Tacoma, Bangkok Suvarnabhumi et Beijing Capital International Airports, représente la principale implémentation hybride commerciale. Les capteurs sont colocalisés avec les feux de bordure de piste, exploitant l’infrastructure électrique et de données existante pour minimiser les coûts d’installation. Chaque unité de capteur contient à la fois un radar à ondes millimétriques et une caméra EO haute définition. Un moteur de fusion alimenté par IA combine les retours radar et les données visuelles pour des performances de détection supérieures dans toutes les conditions météorologiques, offrant une surveillance continue 24h/24 et 7j/7.

Systèmes commerciaux

Tarsier (QinetiQ / Moog)

Tarsier a été le premier système de détection de FOD entièrement automatique au monde, développé par QinetiQ (une entreprise britannique de technologie de défense) avec Moog comme licencié exclusif depuis environ 2019. Il fonctionne à 94,5 GHz dans la bande W en utilisant la technologie radar FMCW. Le système atteint une détection de 100 % du cylindre de référence FAA jusqu’à 3 168 pi (965 m) et a été sélectionné par la FAA comme référence pour les systèmes de détection de FOD basés sur le radar.

Le système dispose d’une caméra jour/nuit de spécification militaire (MIL-SPEC) pour la confirmation visuelle avec des optiques haute résolution et un éclairage proche infrarouge. L’angle de rasance optimal recommandé est d’environ 2 degrés, minimisant l’encombrement au sol tout en maximisant la couverture de la piste. Le déploiement utilise des tours en acier hexagonales de 3 à 24 m de hauteur selon les exigences de ligne de visée. Le radar est protégé par un radôme résistant aux intempéries.

La première installation a eu lieu à l’aéroport international de Vancouver (YVR) en 2006. L’installation à Londres Heathrow en 2007 a abouti à zéro urgence significative liée aux FOD depuis le déploiement. Le système effectue environ 1 000 inspections par jour contre les 4 inspections humaines quotidiennes précédemment effectuées. Autres déploiements : Dubaï International, Doha Hamad International et Providence T.F. Green Airport.

Au-delà de la détection de débris, Tarsier peut détecter les fissures de la chaussée, les changements de hauteur de surface et le mouvement des luminaires encastrés. Il fonctionne dans des conditions de visibilité nulle incluant le brouillard, la pluie et les tempêtes de sable. QinetiQ affirme qu’il est le seul système de détection de FOD répondant à toutes les principales spécifications de sécurité mondiales.

FODetect et RunWize (Xsight Systems)

FODetect, fabriqué par Xsight Systems (Israël), est un système hybride combinant un radar à ondes millimétriques avec une imagerie HD électro-optique. Il peut détecter des objets aussi petits que 0,8 po (2 cm) et scanne la piste entière en moins de 60 secondes. Le système utilise des unités de détection de surface (SDU) intégrées dans les feux de bordure de piste ou montées sur des structures séparées, généralement déployées sur chaque feu de bordure ou un feu sur deux.

Le système inclut un faisceau laser guide unique qui peut être activé pour diriger le personnel au sol vers l’emplacement exact du FOD. Les coordonnées GPS sont calculées et transmises pour une récupération précise. Les capacités d’attribution soutiennent l’enquête post-incident et la méta-analyse des schémas de FOD pour l’identification des tendances et la cartographie des points chauds.

RunWize est la plateforme complète de détection des menaces sur piste de Xsight qui s’étend au-delà de la détection de FOD. Les modules composants incluent FODetect (détection FOD principale), BirdWize (détection d’oiseaux et d’animaux sauvages sur les pistes), SnowWize (surveillance de la contamination des pistes par la neige et la glace) et ViewWize (couverture vidéo complète et connaissance de la situation). La plateforme intègre les capteurs dans les feux de bordure de piste et utilise la détection alimentée par IA sur plusieurs types de menaces.

Les déploiements incluent Seattle-Tacoma International, Boston Logan International (installation de 1,7 million de dollars, environ 50 % financée par la FAA), Tel-Aviv Ben Gourion International, Bangkok Suvarnabhumi International, Beijing Capital International et Beijing Daxing International. De tous les systèmes évalués par la FAA dans une étude, seul FODetect a satisfait ou dépassé toutes les exigences selon le rapport Thales/ITAFSC.

iFerret (Stratech Systems)

iFerret, fabriqué par Stratech Systems (Singapour), est le premier système intelligent de détection de FOD basé sur la vision au monde. Il utilise une technologie purement électro-optique sans composant radar — un système passif sans rayonnement émis, éliminant les préoccupations d’interférence électromagnétique (EMI/EMC) et les risques pour la santé.

Le système utilise des caméras à auto-étalonnage avec un logiciel de vision intelligent offrant des portées de détection allant jusqu’à 1 100 m pour des objets de 4 cm dans des conditions diurnes dégagées, 890 m sous une pluie de 16 mm/h, 780 m pour des objets de 2 cm en journée et 310 m pour des objets de 1 cm de nuit. La précision de localisation est de 1 mètre. Le temps de détection moyen est de 2 minutes en journée et de 4 minutes de nuit.

iFerret a été développé en collaboration avec l’Autorité de l’aviation civile de Singapour (CAAS) et a fait l’objet d’une évaluation approfondie de la FAA à l’aéroport de Singapour Changi. Le projet pilote de 15 mois a été achevé en juillet 2007, suivi d’une mise en œuvre à grande échelle en février 2008. Ce fut le premier système de détection de FOD déployé sur des voies de circulation (évaluation pilote à Chicago O’Hare) et le premier sur des aires de trafic (aéroport international de Düsseldorf). L’architecture basée sur des nœuds est évolutive et modulaire, permettant le déploiement sur les pistes, les voies de circulation, les aires de trafic et même les porte-avions. Si un nœud tombe en panne, les nœuds adjacents couvrent l’espace grâce à une couverture chevauchante.

FOD Finder (Trex Aviation Systems)

FOD Finder de Trex Aviation Systems (États-Unis) est unique en tant que seul système mobile de détection de FOD certifié par la FAA. Il fonctionne à 78–81 GHz dans la bande non licenciée FCC, évitant les exigences de licence de spectre et les interférences avec les systèmes de communication et de navigation aéroportuaires. Le modèle XM (mobile) détecte des objets aussi petits que 25 mm × 25 mm sur une zone de balayage de 183 m × 183 m tout en fonctionnant à des vitesses allant jusqu’à 30 mph (48 km/h). Le modèle XF (fixe) fournit une installation stationnaire.

Le système dispose d’une technologie à double capteur combinant un radar à ondes millimétriques avec une documentation photographique. Le téléchargement automatisé vers un système de gestion de données basé sur Internet permet la surveillance et l’analyse à distance. Le FOD Finder XM-M est le seul équipement mobile de détection et de nettoyage de débris au monde. Les deux modèles V2 (fixe et mobile) sont disponibles et disponibles sur GSA pour les ventes nationales américaines.

ELVA-1 fournit des capteurs radar FMCW à ondes millimétriques OEM à 76–77 GHz (bande E) avec détection du cylindre de référence FAA jusqu’à 1 000 m. Ceux-ci sont livrés comme capteurs de données brutes nécessitant une connexion à un système de contrôle ou de surveillance aéroportuaire pour le traitement et la visualisation des données via Ethernet (UDP).

Performances de détection

Les performances de détection sont mesurées par trois métriques critiques : la taille minimale d’objet détectable, la portée maximale de détection et le taux de fausses alarmes. La FAA AC 150/5220-24 définit les spécifications de performance minimales suivantes :

La comparaison des performances entre systèmes montre des variations substantielles :

Les fausses alarmes sont la métrique opérationnelle critique. Trop de fausses alarmes érodent la confiance des opérateurs et causent des fermetures de piste inutiles et des perturbations opérationnelles. Les systèmes radar utilisent des algorithmes CFAR pour maintenir une probabilité de fausses alarmes fixe. La méthode CM-CFAR maintient une estimation continue de la puissance d’encombrement de fond par cellule et définit le seuil de détection comme T = α × P_encombrement où α est le facteur d’échelle CFAR. Les systèmes hybrides réduisent intrinsèquement les fausses alarmes en exigeant une confirmation visuelle avant l’alerte, atteignant le seuil ≤ 1 fausse alarme par jour spécifié par la FAA.

Les systèmes radar MMW de pointe détectent les FOD avec une section efficace radar minimale de −20 dBsm. La littérature académique note le défi critique de la détection de cibles à faible RCS au-delà de 660 m. La principale information opérationnelle de fod-detection.com est qu’« un système avec 90 % de probabilité de détection et 1 minute de temps de détection peut être aussi efficace qu’un système avec 95 % de probabilité de détection et 7 minutes de temps de détection — les deux réduisent le risque à environ 10–13 % du niveau de référence. »

Intégration avec les opérations aéroportuaires

Lorsqu’un FOD est détecté, le système exécute un flux de travail défini. Le capteur détecte une anomalie sur la surface de la piste et la classifie par taille, emplacement et niveau de confiance. Pour les systèmes hybrides, la caméra se tourne vers l’emplacement pour confirmation visuelle. L’alerte est envoyée au centre d’opérations et à la tour de contrôle via des alarmes audio et visuelles. L’interface utilisateur affiche les coordonnées GPS, l’image de l’objet et le niveau de risque. Le personnel au sol est dépêché à l’emplacement précis du FOD, potentiellement guidé par un pointeur laser depuis le capteur (FODetect). Après récupération, le système re-scanne la piste pour confirmer le retrait du FOD. Toutes les données sont journalisées pour l’analyse post-événement, l’analyse des tendances et la conformité réglementaire.

Les protocoles de fermeture de piste diffèrent significativement entre les systèmes manuels et automatisés. Sans détection automatisée, la fermeture complète de la piste est requise pour l’inspection manuelle, avec des équipes parcourant physiquement ou conduisant toute la surface de la piste — typiquement 30 à 60 minutes de fermeture par inspection. Avec les systèmes automatisés, seule la zone de piste affectée peut nécessiter une fermeture. La validation visuelle permet aux opérateurs d’évaluer le niveau de menace avant de décider de la fermeture. Le temps de récupération est significativement réduu car les équipes se rendent directement à l’emplacement du FOD. FODetect affirme remplacer une fermeture de plus de 30 minutes par une opération de collecte rapide et ciblée.

Les systèmes modernes de détection de FOD s’intègrent avec le Contrôle de la circulation aérienne (ATC) (affichage des alertes FOD sur les écrans ATC), le Centre d’opérations aéroportuaires (consoles d’alerte principales), le Logiciel de gestion aéroportuaire via intégration API/SDK pour le partage de données, le radar numérique de surface pour compléter les systèmes de surveillance existants, et les systèmes de génération NOTAM pour les mises à jour automatisées de l’état des pistes. L’intégration avec le Système de gestion de la sécurité (SMS) de l’aéroport permet aux incidents FOD d’alimenter les processus d’identification des dangers et d’évaluation des risques. La Base de données FOD de la FAA (fod.faa.gov) encourage les aéroports à soumettre des données FOD pour l’analyse des tendances à l’échelle de l’industrie.

Statut réglementaire

OACI

Annexe 14 de l’OACI, Volume I (Conception et exploitation des aérodromes, 7e édition, 2016), Chapitre 10, Section 10.2.1 exige que « la surface des chaussées (pistes, voies de circulation, aires de trafic et zones adjacentes) soit maintenue exempte de pierres détachées ou d’autres objets susceptibles de causer des dommages aux structures ou aux moteurs des aéronefs, ou de perturber le fonctionnement des systèmes de l’aéronef. » Le Doc 9137 de l’OACI (Manuel des services aéroportuaires), Partie 2 (Conditions de surface des chaussées), Partie 8 (Services opérationnels aéroportuaires) et Partie 9 (Pratiques de maintenance aéroportuaire) fournissent des conseils détaillés sur la fréquence d’inspection des FOD, les procédures de détection et la maintenance des surfaces de piste. Le PANS-Aérodromes (Doc 9981) exige une inspection régulière des aires de mouvement pour les conditions de surface. L’OACI recommande l’inspection des pistes au moins quatre fois par jour.

FAA

Le 14 CFR Partie 139 (Certification des aéroports), §139.305(a)(4) exige que « la boue, la saleté, le sable, les agrégats meubles, les débris, les objets étrangers, les dépôts de caoutchouc et autres contaminants doivent être enlevés rapidement et aussi complètement que possible. » Le §139.327 exige un programme d’auto-inspection avec des inspections quotidiennes des aires de mouvement. Cependant, le rapport de la FAA au Congrès de septembre 2023 indique que les technologies de détection de FOD ne sont actuellement pas un remplacement viable pour les inspections manuelles en vertu de la Partie 139.

La FAA AC 150/5220-24 (30 septembre 2009) fournit des spécifications de performance minimales pour l’acquisition d’équipements de détection de FOD couvrant les systèmes radar stationnaires, électro-optiques stationnaires, hybrides stationnaires et radar mobiles. La conformité est consultative pour les opérations aéroportuaires générales mais obligatoire pour tous les systèmes acquis par le biais du Programme d’amélioration aéroportuaire (AIP) ou du Programme de frais d’installation pour passagers (PFC) en vertu de l’Assurance de subvention n° 34 et de l’Assurance n° 9.

La FAA AC 150/5210-24A (8 février 2024, mise à jour le 20 mai 2024) fournit des conseils pour développer et gérer un programme complet de gestion des FOD aéroportuaires organisé autour de quatre piliers : Prévention (sensibilisation, formation, éducation, programmes de maintenance), Détection (évaluation des risques, opérations de détection humaines et automatisées), Enlèvement (caractéristiques des équipements, performance, opérations) et Évaluation (collecte de données, analyse, amélioration continue du programme).

La Direction de la recherche et du développement technologique aéroportuaire de la FAA (AAS-100) effectue des évaluations de performance des systèmes de détection de FOD dans les aéroports, testant la précision de localisation, la vitesse de détection, le déclenchement des alertes, les performances par rapport aux cibles de référence et la mesure du taux de fausses alarmes.

EASA

Les règlements de l’Agence européenne de la sécurité aérienne (EASA) s’alignent étroitement sur l’OACI sans processus de certification spécifique pour les systèmes de détection de FOD en tant qu’équipements autonomes. Le Règlement UE 139/2014 exige la certification des aérodromes incluant les inspections de pistes. Le CS-ADR-DSN (Spécifications de certification pour la conception des aérodromes) contient des exigences spécifiques liées aux FOD pour les conditions de surface des pistes. L’AMC/GM au Part-ADR.OPS.B.025 fournit des moyens de conformité acceptables pour la surveillance de l’état de surface des pistes incluant l’inspection des FOD. Le Document conceptuel de l’EASA sur l’IA (2024) traite des applications d’apprentissage automatique de niveau 1 et 2 pertinentes pour les systèmes de détection de FOD basés sur l’IA.

Complémentarité entre la détection automatisée de FOD et l’inspection des chaussées

Une relation critique mais souvent sous-estimée existe entre l’état de la chaussée et la génération de FOD. Les systèmes automatisés de détection de FOD génèrent des données secondaires précieuses sur l’état des chaussées de piste qui complètent directement les inspections formelles de l’état des chaussées.

Le radar de Tarsier peut détecter les fissures de la chaussée, les changements de hauteur de surface et le mouvement des luminaires encastrés — pas seulement les débris discrets. ELVA-1 note explicitement que son radar peut détecter les défauts dans les chaussées en béton ou en asphalte sur les pistes et voies de circulation et les retirer de l’image radar en tant qu’éléments permanents, construisant une base de données d’état de chaussée au fil du temps.

L’analyse des schémas de FOD permet une maintenance prédictive : les emplacements à haute fréquence de FOD indiquent souvent une détresse sous-jacente de la chaussée. Les FOD répétés provenant du même endroit signalent une détérioration active de la chaussée telle que l’éclatement de joint ou le déchaussement progressif. Les morceaux de béton et d’asphalte trouvés comme FOD indiquent une dégradation active des matériaux nécessitant une investigation immédiate. Les schémas d’accumulation de caoutchouc identifient les schémas d’usure de la zone de toucher des roues pour la gestion de la friction. La cartographie des points chauds priorise les zones d’inspection et de réhabilitation pour les relevés de l’indice de condition de chaussée (PCI).

L’indice de condition de chaussée fonctionne sur une échelle de 0 à 100. À PCI 70–100, une maintenance préventive incluant le scellement des fissures et le scellement de surface est appropriée. À PCI 40–69, une maintenance corrective telle que le fraisage-et-revêtement et le rapiéçage partiel est nécessaire. À PCI 0–39, une reconstruction est requise à 6–8 fois le coût du traitement préventif. Le traitement de la détresse de la chaussée à PCI 65–75 réduit la génération de FOD de 30 à 45 % sur les sections traitées selon les données iFactory.

Une étude de cas documentée démontre l’impact financier : un aéroport a identifié trois sections de voie de circulation générant 40 % des événements FOD annuels en raison d’un éclatement de joint non diagnostiqué. Le coût du traitement était de 280 000 $, tandis que les coûts antérieurs des dommages liés aux FOD sur deux ans totalisaient 600 000 $. Le ROI a été atteint en moins d’un an grâce à l’analyse de corrélation FOD-chaussée, et le traitement proactif a éliminé les sources récurrentes de FOD.

La tendance est vers des plateformes complètes de gestion des pistes telles que RunWize et XenomatiX XenoTrack qui combinent la détection de FOD en temps réel, la surveillance périodique de l’état des chaussées, les essais de friction, la surveillance de la contamination (neige, glace, eau) et la détection d’oiseaux/animaux sauvages dans des systèmes intégrés d’aide à la décision. Des systèmes comme XenomatiX XenoTrack utilisent le LiDAR pour la détection de fissures et le positionnement précis, l’analyse de l’uniformité (dépressions, nids-de-poule, failles), l’évaluation des performances de drainage, la détection de la protrusion des feux de piste, la mesure de la macrotexture (MPD) pour la résistance au dérapage sur sol mouillé et le calcul automatisé du PCI sur les chaussées en asphalte et en béton.

FAA PAVEAIR, le système de gestion des chaussées aéroportuaires de la FAA, peut intégrer les données de détection de FOD pour fournir une image plus complète de l’état de surface de la piste. L’analyse combinée optimise le calendrier de réhabilitation et l’investissement dans la prévention des FOD, transformant la détection de FOD d’une activité de sécurité réactive en une source d’intelligence proactive de gestion des chaussées.

Analyse coûts-bénéfices

Les coûts d’installation des systèmes varient considérablement selon la technologie, la taille de l’aéroport et la configuration. Les systèmes radar stationnaires (2–3 unités) vont de 1 million à 5+ millions de dollars, infrastructure de traitement central incluse. Les systèmes électro-optiques stationnaires (5–8 unités) vont de 1 million à 3 millions de dollars. Les systèmes hybrides à feux de bordure avec unités de capteurs par feu de bordure vont de 3 millions à 8+ millions de dollars pour une couverture complète de piste. Les systèmes radar mobiles vont de 250 000 à 500 000 dollars par véhicule. Les capteurs radar ELVA-1 en tant que composants OEM vont de 50 000 à 150 000 dollars par unité, hors intégration et infrastructure de traitement.

La FAA a mené une analyse coûts-bénéfices complète pour les systèmes de détection de FOD via la Direction R&D technologique aéroportuaire. Les six modèles coûts-bénéfices créés avec des hypothèses variées de coûts des composants ont tous montré un bénéfice financier net. Les six modèles ont montré un seuil de rentabilité dans un délai raisonnable. Les intrants comprenaient des entretiens avec les parties prenantes, une revue de la littérature, des bases de données de sécurité et opérationnelles, et des registres de détection de FOD aéroportuaires. La FAA a conclu que sur un cycle de vie de 12 ans, les systèmes de détection de FOD offrent une valeur nette positive aux aéroports et aux compagnies aériennes.

Les économies opérationnelles proviennent de multiples sources. L’ingestion de FOD dans un seul moteur coûte de 2 à 10 millions de dollars par événement pour la réparation ou le remplacement du moteur. Les dommages aux pneus coûtent jusqu’à 5 000 dollars par remplacement de pneu. L’immobilisation des aéronefs coûte de 50 000 à 500 000 dollars par heure pour les aéronefs à fuselage large. Les retards de vol coûtent de 75 à 150 dollars par minute par aéronef. L’inspection manuelle nécessite la fermeture de la piste pendant 30 à 60 minutes avec 2 à 4 personnes, tandis que la détection automatisée permet une récupération ciblée de 5 à 15 minutes. Les inspections manuelles couvrent environ 1 % des vols (selon les données Moog) tandis que les systèmes automatisés couvrent 100 % des vols en continu.

La période de récupération typique est de 2 à 5 ans pour les aéroports moyens à grands. Les aéroports équipés de systèmes de détection de FOD installés depuis plus de 12 mois ont détecté et collecté plus de FOD que les pistes inspectées uniquement par des humains. Une réduction de 40 % de la génération de FOD a été observée sur les sections de chaussée traitées où une maintenance proactive a été appliquée sur la base des données de tendances FOD. Le taux de croissance du marché mondial de 7,5 % TCAC (2024–2034) reflète une perception positive du ROI dans l’industrie aéronautique.

La comparaison des performances environnementales entre les technologies de détection est résumée ci-dessous :

Les systèmes automatisés de détection de FOD représentent une catégorie technologique mature avec des avantages prouvés en matière de sécurité, une reconnaissance réglementaire et des retours financiers documentés. La convergence du radar à ondes millimétriques, des capteurs électro-optiques et de l’intelligence artificielle a produit des systèmes qui surveillent les surfaces des pistes de manière plus approfondie et plus fréquente que tout régime d’inspection humaine ne peut atteindre, tout en générant simultanément des données précieuses pour l’évaluation de l’état des chaussées et la gestion proactive des infrastructures.