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

Méthodologie d'analyse par apprentissage des défauts détectés dans une pièce par tomographie 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

2022-22437  

Description de la Direction

CEA Tech est un acteur majeur de l'innovation en France et dans le monde ayant la mission
de produire et transférer des technologies innovantes vers l'industrie afin d'assurer sa
compétitivité. Au départ tourné vers les énergies nucléaires, le CEA s'est fortement diversifié
pour devenir incontournable sur les domaines des :
• Micro et nanotechnologies
• Nouvelles technologies pour l'énergie et la mobilité
• Systèmes numériques intelligents et robotiques
• Nouvelles technologies pour l'information et la communication

Description de l'unité

CEA Tech s'est implanté en région Pays de la Loire pour développer et transférer les
technologies développées par le CEA dans le tissu régional et se positionner ainsi comme un partenaire de R&D majeur pour porter un modèle d'organisation innovant à destinations des entreprises locales.

Description du poste

Domaine

Mathématiques, information  scientifique, logiciel

Contrat

Post-doctorat

Intitulé de l'offre

Méthodologie d'analyse par apprentissage des défauts détectés dans une pièce par tomographie H/F

Statut du poste

Cadre

Durée du contrat (en mois)

24

Description de l'offre

Essentiellement qualitative à ses débuts, la tomographie par rayons X répond aujourd'hui à des besoins quantitatifs précis qui visent à mieux cerner les défauts détectés dans les pièces imagées. En s'appuyant sur une modélisation des comportements des matériaux et une prévision de leur durée de vie, la tomographie s'insère dans une stratégie industrielle qui a évolué du « zéro défaut » au « défaut admissible ». Analyser un défaut, en vue de son éventuelle acceptation, c’est en connaître précisément sa nature, ses dimensions et sa localisation au sein du matériau afin de qualifier sa nocivité.

Objectifs et Démarche Scientifique

L’objectif principal de cette étude postdoctorale est la mise en place d’une méthode d’analyse par apprentissage en trois dimensions des défauts obtenus par tomographie RX. Les défauts concernés sont ceux issus des procédés de fabrication pour alliages métalliques comme la fabrication additive ou la fonderie. La taille des défauts-type observés va de 10 µm à 600 µm.

Dans ce cadre, le candidat ou la candidate retenu(e) devra développer une méthode de segmentation sémantique robuste et transposable à des jeux des données issues de tomographes distincts. Ces instruments seront potentiellement dotés des résolutions spatiales différentes et sujets à l’apparition d’artéfacts de reconstruction variés. Il/Elle devra établir un protocole dès l’observation à l’analyse des populations des défauts en passant par l’identification, la caractérisation et la correction des sources d’artefacts en vue de la segmentation sémantique de la reconstruction tridimensionnelle obtenue.

L’étude se composera de trois volets principaux :

Dans un premier temps, il s’agira de mutualiser les connaissances des deux partenaires du projet quant aux différentes techniques d’IA disponibles dans la littérature afin de répondre aux objectifs visés tout en considérant les types de matériaux et de défauts sur lesquels l’étude sera susceptible de porter. Un état de l’art sera conduit notamment pour répertorier les études récentes relevant de la même problématique.

La deuxième partie concernera la mise en place d’outils d’apprentissage adaptés à la détection des défauts identifiés en première partie et aux techniques de caractérisation de leur distribution (morphologique et spatiale). Le candidat ou la candidate retenu(e) sera libre de proposer la ou les architectures de modélisation considérées comme plus pertinentes.

Enfin, le troisième volet permettra de valider les outils construits sur la base d’un ensemble d’observation par tomographie d’échantillons de référence considérés comme représentatifs de la problématique étudiée. Une attention particulière portera sur la sensibilité des prédictions issues des modèles par apprentissage aux incertitudes de mesure provenant des tomographes et des techniques de reconstruction utilisées.

 

Profil du candidat

Docteur en mathématique appliquée ou en mécanique des solides avec une appétence pour le traitement d’images, le candidat devra avoir vécu une expérience réussie dans le développement d’outil d’analyse d’image par apprentissage. L’expérience avec des instruments de tomographie sera appréciée.

 

La maîtrise de l’anglais (oral et écrit) est nécessaire.

Localisation du poste

Site

Autre

Localisation du poste

France, Pays de Loire, Loire Atlantique (44)

Ville

Bouguenais

Demandeur

Disponibilité du poste

01/09/2022