Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

5 janvier 2021

Stage M2 : Estimation par apprentissage profond et imagerie radar des paramètres physiques de réseaux enterrés


Catégorie : Stagiaire


mots-clés : imagerie radar, apprentissage supervisé, deep learning, régression

 

Contexte et objectif

Le contrôle non destructif (CND) a de nombreuses applications telle que l’évaluation des structures de génie civil (chaussée, bâtiments, ouvrages d’art). Nous nous intéressons ici aux réseaux urbains enterrés (gaz, électricité…), dans un contexte de risques et de sécurité aux personnes.

Dans ce stage, il sera question d’estimer des paramètres physiques, comme le diamètre et la profondeur, des réseaux enterrés à partir de signaux radar. Le radar émet une onde qui va être en partie réfléchie à l’encontre d’une discontinuité, l’antenne réceptrice enregistre les ondes réfléchies pour obtenir un signal sur une ligne 1D (A-scan). En déplaçant le radar, l’ensemble des A-scan concaténés forme une image radar 2D, un B-scan. Plusieurs passages avec un radar permet d’acquérir un ensemble de B-scan et d’ajouter une dimension supplémentaire pour former un C-scan. L’objectif du stage est de faire les estimations sur les C-scan de réseaux enterrés.

Une modélisation numérique (gprMax) permet de constituer une base de données (simulée) pour différentes configuration de matériaux et de réseaux enterrés. À partir de cette base de données, une procédure d’estimation par apprentissage sera mise en place (deep-learning ou autre). Un travail similaire existant se consacre aux B-scans et a donné des résultats encourageants.

Les différentes étapes de ce stage sont :

  1. Prise en main de l’existant et bibliographie ;
  2. Mise en place d’une base d’apprentissage, avec labellisation optimale des données;
  3. Tests d’architectures neuronales ou autres méthodes;
  4. Documentation des développements et rédaction du rapport ;

Compétences

  1. Notions d’apprentissage (voire profond) et d’estimation (par régression) ;
  2. Développement d’interface(s) de visualisation et de labellisation;
  3. Langage Python et C++.

Informations générales

Candidature

Transmettre à christophe.heinkele@cerema.fr ou cheinkele@unistra.fr votre CV ainsi que vos relevés de notes de master.

 

Dans cette rubrique

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