Fusion des données pour la reconnaissance des objets : application à la reconnaissance des défauts des rails

21 Mai 2023

---

Catégorie : Doctorant

---

Employeur : Association Ferrocampus

Partenaires : Laboratoire Bordelais de recherche en informatique (Labri) - Université de Bordeaux / SNCF Réseau

Lieu : Bordeaux (33) / Saintes (17) / Saint Denis (93)

Pays : France

Contexte

Dans le cadre du projet Train Léger innovant (TLi), des travaux sont engagés pour concevoir un système de surveillance de l'infrastructure (rails, ballasts, abords de voie, etc.) par des capteurs embarqués sur les trains. En effet, l'infrastructure ferroviaire des lignes rurales est souvent vétuste et nécessite une vigilance constante. Cette surveillance, réalisée par des agents qui parcourent les voies, est non seulement coûteuse mais également dangereuse, pénible et peu fréquente. Le projet consiste donc à automatiser cette surveillance des voies ferrées en utilisant des capteurs ((images, sons, radars, lidars, etc.) sur les trains qui circulent au quotidien. SNCF Réseau, gestionnaire du réseau ferroviaire français au sein du groupe SNCF, gère, et entretient, modernise et commercialise l’accès au réseau pour l’ensemble des entreprises de transport de voyageurs et de marchandises. De par ses missions, SNCF Réseau participe au projet TLi en proposant de développer une poutre expérimentale équipée de capteurs. A terme, la version industrielle de cette poutre sera commercialisée et pourra équiper les trains commerciaux actuels et servir de spécification pour équiper les futurs trains commerciaux.

Description du sujet de thèse

L’emploi d’un unique réseau neuronal profond sur les images des rails acquises par les caméras ne permet pas de discriminer certains défauts ayant des caractéristiques identiques à des situations normales. D’où la nécessité de s’appuyer sur d’autres sources d’information provenant soit du même capteur, par exemple les caméras, comme les images du contexte, soit d’autres capteurs par exemple : les micros et les accéléromètres. Le sujet de thèse proposé vise à comparer les différentes méthodes de fusion (précoce, intermédiaire [1] ou tardive) afin de combiner les données provenant de source différenciées (microphones, accéléromètres, cameras). L’étude devra également intégrer une évaluation de la prédiction réalisé par les réseaux. Par ailleurs, afin d’expliquer la décision des réseaux et d’améliorer leur performance nous souhaitons rajouter les outils d’interprétabilité dans la chaîne de traitement [2]

 

Références

[1]. Rupayan Mallick, Thinhinane Yebda, Jenny Benois-Pineau, Akka Zemmari, Marion Pech, Hélène Amieva:

Detection of Risky Situations for Frail Adults With Hybrid Neural Networks on Multimodal Health Data. IEEE Multim. 29(1): 7-17 (2022)

[2]. Alexey Zhukov, Jenny Benois-Pineau, Romain Giot:Evaluation of Explanation Methods of AI - CNNs in Image Classification Tasks with Reference-based and No-reference Metrics. Adv. Artif. Intell. Mach. Learn. 3(1): 620-646 (2023)

 

Conditions de réalisation de la thèse

C'est dans ce cadre que l'association Ferrocampus, en collaboration avec le LABRI (Université de Bordeaux) et SNCF Réseau, recrute un contrat doctoral de droit privé (36 mois). Le doctorant sera inscrit à l'école doctorale n°39 Mathématiques et Informatique et sera principalement hébergé au LABRI. Il sera amené à effectuer des déplacements en France et à l’International dans le cadre de ses travaux de recherche.

Les activités de recherche du doctorant porteront sur le sujet décrit ci-dessus, et seront potentiellement amenées à évoluer en fonction des avancées de la recherche. Le doctorant pourra également effectuer des activités complémentaires dans la limite d’un sixième de son temps de travail.

 

Compétences attendues

Le doctorant devra avoir un master ou un diplôme d’ingénieur en informatique ou domaines similaires avec des connaissances solides en Deep learning.

 

Rémunération

La rémunération du doctorant sera conforme à l’Arrêté du 26 décembre 2022 modifiant l'arrêté du 29 août 2016 fixant le montant de la rémunération du doctorant contractuel.

 

Référent employeur : Chloé Artaud, chloe.artaud@ferrocampus.fr, 06 25 29 51 79

Directrice de thèse : Jenny Benois-Pineau, jenny.benois-pineau@u-bordeaux.fr, 05 40 00 84 24

Co-directeur de thèse : Akka Zemmari, akka.zemmari@u-bordeaux.fr, 05 40 00 35 15

Encadrant scientifique : Alain Rivero, email:alain.rivero@reseau.sncf.fr, Telephone: 06 32 21 46 89