STAGE M2 – Méthodes d'IA pour la Détection de défauts sur les structures en béton F/H

Les missions du poste

STAGE M2 – Détection de défauts sur les structures en béton : de l’amélioration de la base de données à l’extraction automatique de caractéristiques des défauts.

Contexte

Le parc nucléaire français est composé de 57 tranches nucléaires. Ces tranches comprennent des ouvrages de génie civil en béton (aéroréfrigérants, enceintes de confinement) dont l’état structurel est surveillé par drone très régulièrement. Les images issues de ces inspections sont ensuite analysées manuellement pour en extraire les zones où des défauts (fissures par exemple) sont présents et indiquer à l’exploitant les réparations à effectuer. Ce travail d’analyse est long et fastidieux, c’est pourquoi EDF R&D développe un procédé d’analyse automatisé basé sur des algorithmes de Depp Learning pour réaliser cette tâche. Ce procédé comprend plusieurs phases, et EDF R&D souhaite travailler sur l’amélioration de la phase d’entrainement des modèles via la mise en place de méthodes de dégradation des images et la recherche d’une base de données optimale. EDF R&D souhaite également mettre en place des méthodes de post-traitement des masques de segmentation des données avec extraction des caractéristiques des défauts (ouverture de fissure, longueur du défaut, etc…).

Objectifs

L’objectif de ce stage est d’appliquer des méthodes d’Intelligence Artificielle aux ITV afin de fournir des outils supplémentaires a la Direction Qualité Industrielle pour la maîtrise de la CSC.

Plan de Travail

Le stagiaire devra réaliser les tâches suivantes :

• S’approprier et enrichir une étude bibliographique :
  • sur les méthodes de prétraitement des données pour la détection automatisées de défauts sur les parois en béton,
  • sur les méthodes de data augmentation innovantes;
  • Les méthodes de génération d’images contenant des défauts basés sur l’IA,
• Les méthodes d’extraction de caractéristiques des défauts.
  Mettre en place des méthodes de dégradation des images pour favoriser la généralisation du modèle
• Intégrer et tester les méthodes d’augmentation de données dans l’ensemble du pipeline complet.
• Recherche d’une base de donnée optimale : étude de l’impact du ratio entre données réelles et données simulées, impact de la suppression ou ajout d’un certain type d’’image dans la base, etc…
• Développer des méthodes de post-traitement des masques de segmentation : comptage du nombre de défauts, calcul des caractéristiques du défaut (ouverture de fissure, longueur du défaut, etc…).
• En fonction du temps disponible, développer une interface graphique simple permettant de tester aisément les méthodes proposées (via Flask ou autre)
• Discuter les résultats obtenus et en réaliser la synthèse.

Modalités du stage :

• Durée : 6 mois ( a partir d’avril 2025 )
• Localisation : EDF Lab Chatou

Profil souhaité :

• 3ème année d’Ecole d’ingénieurs, Master 2
• Formation : Intelligence artificielle, Computer Vision, Machine Learning, data science

Les compétences souhaitées sont les suivantes :

• Spécialités : Data Science, développement informatique (Python indispensable, les langages web sont un plus)/

• Qualités requises : Autonomie, force de proposition, inventivité, esprit d’analyse/synthèse, curiosité, rigueur, maitrise de l’anglais indispensable (collaboration internationale).