Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

20 janvier 2020

Thèse à l'ONERA : Apprentissage multi-capteurs pour le contrôle non destructif de matériaux


Catégorie : Doctorant


L'objectif est de concevoir une nouvelle méthode de contrôle non destructif de matériaux basée sur l'exploitation de données issues d'un ensemble de capteurs de nature variable. Il s'agira d'une part de mettre en œuvre un banc expérimental permettant l'inspection d'une pièce de façon simultanée par de multiples capteurs, d'acquérir des données expérimentales et de développer la chaîne de traitements permettant de détecter et de caractériser les défauts de manière automatique, avec notamment des approches par apprentissage.

 

Sujet :

La détection de défauts dans les structures aéronautiques et spatiales suscite un vif intérêt, que ce soit durant la phase de fabrication ou bien lors des opérations de maintenance. Les moyens pour contrôler l’intégrité de ces structures doivent donc être rapides, précis, fiables, à faible coût, et le plus miniaturisés possible.

Aujourd'hui de nombreuses méthodes de contrôle non-destructif (CND) existent, faisant intervenir une grande variété de domaines de la physique tels que l'imagerie infrarouge ou visible, les ondes acoustiques ou électromagnétiques. Ces modes d'inspection, utilisés par les industriels, font toujours l'objet de recherche pour en améliorer les performances et en étendre les domaines d'emploi, notamment à l'ONERA.

La complémentarité potentielle de ces modes d'inspection conduit naturellement à s'intéresser à leur utilisation simultanée sur une même pièce, soit pour apporter une redondance d'information et ainsi en garantir la fiabilité, soit pour permettre une détection qui aurait été impossible avec les techniques prises séparément. De plus, la numérisation des données d'inspection permet d'envisager le développement de méthodes automatiques d'aide à la détection et à la caractérisation des défauts, entraînées sur des bases de données de référence.

L'objectif de cette thèse est de concevoir une nouvelle méthode de CND basée sur l'exploitation de données issues d'un ensemble de capteurs de nature variable pour une même structure. Il s'agira d'une part de sélectionner les modes d'inspection complémentaires les plus pertinents pour un cas d'usage spécifique (inspection de pièces métalliques ou composites) puis de mettre en œuvre un banc expérimental permettant l'inspection d'une pièce de façon simultanée par ces techniques. Cette première phase du travail sera menée au sein du laboratoire CND du Département Matériaux et Structures (DMAS) de l’ONERA.
Le doctorant aura ensuite à développer au sein du Département de Traitement de l’Information et Système (DTIS) la chaîne de traitements permettant de co-localiser les données, puis de détecter et de caractériser les défauts de manière automatique. Des approches par apprentissage seront développées à cet effet, à l’aide d’une base de données labellisées qui devra être réalisée. Le cas échéant, le doctorant pourra alors mettre en œuvre des techniques récentes d'apprentissage profond, ou Deep Learning. Pour ces différentes tâches, le doctorant pourra s'appuyer sur l'expérience du DTIS de l’ONERA, dans les domaines du traitement d’images et de la réalisation de démonstrateurs multi-capteurs, mais également de la conception d'algorithmes performants d'apprentissage, en particulier dans un cadre de données de natures variables.

Cette thèse s'inscrit dans le cadre d'un projet de recherche interne à l'ONERA concernant la caractérisation avancée de défauts et l'estimation de leur nocivité (https://w3.onera.fr/cadence/). Dans le cadre de ce projet, le doctorant sera en contact avec plusieurs départements de l'ONERA ainsi qu'avec des industriels majeurs du secteur aéronautique, avec qui le doctorant pourra échanger sur ses travaux.

Profil recherché : Formation solide en traitement des images, vision par ordinateur. Des connaissances optique et/ou thermique ainsi qu’un intérêt pour l’expérimentation sont souhaitées.

Contacts : P. Trouvé-Peloux, A. Chan-Hon-Tong et J-M Roche
pauline.trouve@onera.fr, adrien.chan_hon_tong@onera.fr, jean-michel.roche@onera.fr

Le sujet de thèse est également visible sur :

https://w3.onera.fr/formationparlarecherche/sites/w3.onera.fr.formationparlarecherche/files/tis-dtis-2020-34.pdf

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2020.