Pause
Lecture
Moteur de recherche d'offres d'emploi CEA

Inversion d'images ultrasonores pour la caractérisation de défauts en contrôle non-destructif H/F


Détail de l'offre

Informations générales

Entité de rattachement

Le Commissariat à l'énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche.

Acteur majeur de la recherche, du développement et de l'innovation, le CEA intervient dans le cadre de ses quatre missions :
. la défense et la sécurité
. l'énergie nucléaire (fission et fusion)
. la recherche technologique pour l'industrie
. la recherche fondamentale (sciences de la matière et sciences de la vie).

Avec ses 16000 salariés -techniciens, ingénieurs, chercheurs, et personnel en soutien à la recherche- le CEA participe à de nombreux projets de collaboration aux côtés de ses partenaires académiques et industriels.  

Référence

2022-24399  

Description du poste

Domaine

Sciences pour l'ingénieur

Contrat

Stage

Intitulé de l'offre

Inversion d'images ultrasonores pour la caractérisation de défauts en contrôle non-destructif H/F

Sujet de stage

Situé sur le plateau de Saclay en région parisienne, au sein du CEA-LIST, le Département d'Imagerie et Simulation pour le Contrôle (DISC) développe des méthodes et des outils de simulation et d'instrumentation en Contrôle Non Destructif (CND) et en Structural Health Monitoring (SHM) visant à détecter des défauts dans les domaines pour lesquels la sécurité d'opération est primordiale (aéronautique, nucléaire, pétrole, ferroviaire…). Le stage proposé s'inscrit dans le cadre des activités du Laboratoire d'Instrumentation et Capteurs (LIC) dans le domaine du CND par ultrasons, et porte sur l'inversion des images ultrasonores de matériaux pour y caractériser des défauts, tels que des fissures, porosités ou inclusions. L'inversion s'appuiera sur des méthodes de machine learning (e.g., réseaux de neurones profonds, machines à noyaux, etc.) et des outils de simulation, notamment la plateforme logicielle CIVA développée par le DISC.

Durée du contrat (en mois)

6 à 8 mois

Description de l'offre

L'objectif du stage est d'accélérer la phase d’apprentissage du modèle de machine learning avec des données simulées et d'améliorer la précision du processus d'inversion. Pour ce faire, on s’intéressera à l’imagerie rapide associant le Plane Wave Imaging (PWI) [1] et des algorithmes de reconstruction rapides opérant dans le domaine de Fourier [2].

Le stagiaire prendra en main un dispositif expérimental du laboratoire pour réaliser l’acquisition des signaux échographiques, et les codes de calcul (Matlab ou Python) pour reconstruire les images PWI à partir de ces données et des librairies standards dans le domaine de l’apprentissage automatique (Keras, Scikit-Learn…). Le travail consistera à mettre en place la procédure d’inversion en exploitant le logiciel CIVA [3] pour calculer un ensemble d’images à partir de signaux simulés et des méthodes d’apprentissage performantes, puis à démontrer une première preuve de concept en inversant des images expérimentales. L’étudiant bénéficiera de l’aide des chercheurs du laboratoire pour prendre en main les outils numériques et expérimentaux, et de l’expertise du département dans le domaine de l’imagerie, de la simulation et de la science des données. 

 

Profil du candidat:
Physique, ondes, traitement du signal, machine learning, développement Python

 

 

[1] Le Jeune, et al., Plane Wave Imaging for ultrasonic non-destructive testing: Generalization to multimodal imaging, Ultrasonics 64 (2016) 128–138. https://doi.org/10.1016/j.ultras.2015.08.008
[2] M. Marmonier et al., Real-time 3D imaging with Fourier-domain algorithms and matrix arrays applied to non-destructive testing, Ultrasonics 124 (2022) 106708. https://doi.org/10.1016/j.ultras.2022.106708
[3] https://www.extende.com/fr

 

#StageList

Localisation du poste

Site

Saclay

Localisation du poste

France, Ile-de-France, Essonne (91)

Ville

Gif-sur-Yvettes

Critères candidat

Diplôme préparé

Bac+5 - Diplôme École d'ingénieurs

Possibilité de poursuite en thèse

Oui

Demandeur

Disponibilité du poste

01/03/2023