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
2022-24779
Description de l'unité
Situé sur le plateau de Saclay en région parisienne, au sein du CEA-LIST le Département d'Imagerie pour la Simulation et le Contrôle (DISC) développe des méthodes et des outils de simulation et d'instrumentation en contrôle non destructif (CND) et en contrôle de santé des structures (SHM) visant à détecter des défauts dans les domaines pour lesquels la sécurité d'opération est primordiale (aéronautique, nucléaire, pétrole, ferroviaire…).
Description du poste
Domaine
Instrumentation, métrologie et contrôle
Contrat
Stage
Intitulé de l'offre
Mise en œuvre d'algorithme de deep learning sur plateforme embarquée pour le SHM H/F
Sujet de stage
Le stage a pour but de d'intégrer un réseau de neurones sur une cible embarquée développée au LIST. L'objectif est d'offrir de nouveaux traitements au plus près des capteurs. Ces traitements sont utilisés, entre autre, pour la détection et la caractérisation de défauts.
Durée du contrat (en mois)
6
Description de l'offre
Dans le cadre du SHM, les capteurs sont embarqués sur la structure pour suivre en continu son état de santé. Pour cela, le CEA développe un système d’acquisition communicant. Ce système est composé de cartes électroniques de conditionnement assurant le pilotage et le monitoring des capteurs. Un FPGA et un cœur ARM permettent l’acquisition, le traitement embarqué et la communication sans fil du système. Dans le même temps, le département mène de nombreuses recherches sur le machine learning et plus particulièrement sur les réseaux de neurones pour réaliser la détection et la caractérisation des défauts. Des premiers résultats concluant ont étés obtenus sur des réseaux offline (entrainement et prédiction sur un pc) [1], cependant en SHM une prédiction embarquée en temps court présente un fort intérêt.
Ce stage a pour but de réaliser l’intégration d’un réseau de neurones sur cette cible embarquée afin d’une part, d’augmenter les capacités de traitement du nœud de capteurs développé dans le cadre des projets SHM et d’autres part, d’augmenter d’un point de vue industriel l’intérêt des recherches sur les réseaux de neurones. Ses objectifs sont multiples. Tout d’abord une étude des différentes solutions doit être réalisé pour déterminer le type d’intégration (FPGA ou cœur ARM) en fonction de différents critères comme la facilité d’intégration et l’optimisation des prédictions. Ensuite un premier exemple permettant de traiter des signaux 1D sera intégré afin de réaliser un démonstrateur sur une application proche d’une application industrielle. Enfin une extension à des cas plus complexes permettant par exemple le traitement d’images est envisagé.
[1] Miorelli, R., Fisher, C., Kulakovskyi, A., Chapuis, B., Mesnil, O., D’Almeida, O., 2021. Defect sizing in guided wave imaging structural health monitoring using convolutional neural networks. NDT & E International 122, 102480. https://doi.org/10.1016/j.ndteint.2021.102480
#StageList
Moyens / Méthodes / Logiciels
VHDL / FPGA / Deep Learning
Profil du candidat
L’étudiant devra posséder des solides connaissances en logique programmable FGPA, systèmes embarqués et programmation C/C++. Des connaissances en deep learning et réseaux de neurones seront un plus. Le stagiaire percevra une gratification mensuelle brute et bénéficiera des facilités de transport du CEA.
Localisation du poste
Site
Saclay
Localisation du poste
France, Ile-de-France, Essonne (91)
Ville
Gif-sur-Yvette
Critères candidat
Diplôme préparé
Bac+5 - Diplôme École d'ingénieurs
Formation recommandée
Systèmes embarqués
Possibilité de poursuite en thèse
Non
Demandeur
Disponibilité du poste
01/03/2023