Classification de signaux ultrasonores expérimentaux à partir de simulations H/F
Stage Saclay (Essonne) Développement informatique
Description de l'offre
Détail de l'offre
Informations générales
Entité de rattachement
Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.
Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.
Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :
• La conscience des responsabilités
• La coopération
• La curiosité
Référence
2024-34280Description de l'unité
Le CEA List mène des activités de recherche et développement les méthodes d'évaluation non destructive (END) qui consiste à contrôler l'état d'intégrité de structures industrielles sans les dégrader. Parallèlement à la conception de capteurs innovants et au développement de nouvelles méthodes de contrôles, nous développons le logiciel CIVA de simulation de CND distribué par EXTENDE (http://www.extende.com/fr/civa-en-quelques-mots) s'appuyant sur les travaux de recherches menés au laboratoire en modélisation RX, électromagnétique et ultrasonore.
Description du poste
Domaine
Mathématiques, information scientifique, logiciel
Contrat
Stage
Intitulé de l'offre
Classification de signaux ultrasonores expérimentaux à partir de simulations H/F
Sujet de stage
L'objectif de ce stage est de contribuer au développement d'outils d'aide à la décision pour les opérateurs CND en automatisant la classification des signaux ultrasonores. Cependant, la difficulté réside dans la divergence entre les signaux simulés par des logiciels spécialisés (CIVA) et les signaux expérimentaux mesurés sur des pièces réelles, ces derniers étant souvent affectés par des bruits ou des incertitudes non prises en compte dans les simulations.
Durée du contrat (en mois)
6 mois
Description de l'offre
L’enjeu principal de ce stage est de développer une méthode de classification frugale de signaux ultrasonores expérimentaux, en s'appuyant exclusivement sur une base de données simulée. Pour cela, il est essentiel d’identifier des descripteurs pertinents et des méthodes de transformation qui puissent garantir une généralisation correcte du classifieur, malgré la nature simulée des données d’entraînement. Les étapes clés du projet sont les suivantes :
- Familiarisation avec le domaine du traitement du signal en CND : L'étudiant devra s’approprier l’état de l’art en matière de classification de signaux temporels. Un accent particulier sera mis sur les transformations et métriques adaptées aux signaux ultrasonores, qui ne se prêtent pas à l’usage de la simple distance euclidienne en raison de leur complexité temporelle. Parmi les méthodes à explorer, on pourra citer :
- Les distances de type Dynamic Time Warping (DTW)
- Les transformations de Fourier ou de Wavelet
- Les méthodes de compression de caractéristiques (PCA, TSNE) - Simulations et extraction de caractéristiques : Les signaux simulés seront générés à l’aide du logiciel CIVA, un outil de simulation avancé en CND. L’objectif sera de développer des descripteurs partagés entre les signaux simulés et les signaux expérimentaux, permettant ainsi de surmonter les différences liées aux conditions réelles (bruit, défauts non modélisés). Ce processus passera par :
- L'analyse des caractéristiques temporelles et fréquentielles des signaux
- La mise en place de critères de discrimination pertinents entre signaux de défauts et signaux sans défauts. - Méthodologies de classification : Le stage sera orienté vers des méthodes de classification frugales, qui ne feront pas appel à des modèles complexes de deep learning. L'accent sera mis sur des approches telles que :
- Les modèles de classification par plus proches voisins (k-NN) avec des métriques adaptées
- Les modèles linéaires (SVM, régression logistique)
- Les méthodes basées sur des forêts aléatoires (Random Forest) - Évaluation de la robustesse du classifieur : Une attention particulière sera portée à l’évaluation de la généralisation du modèle de classification développé sur les données expérimentales. Il sera nécessaire d’évaluer la robustesse du classifieur face à des signaux expérimentaux qui peuvent diverger des simulations en raison de facteurs non contrôlés. Des techniques telles que la validation croisée ou des méthodes de régularisation devront être mises en place.
Moyens / Méthodes / Logiciels
Python
Profil recherché
Profil du candidat
L’étudiant intégrera l’équipe de modélisation du CEA List situé sur le centre CEA de Saclay. Ce stage a une durée de 5 à 6 mois. Le stagiaire perçoit une gratification mensuelle variable selon le niveau de classification de sa formation. Par ailleurs le stagiaire peut bénéficier des facilités de transport du CEA.
Profil recherché :
- Étudiant(e) de Master 1 ou Master 2 en traitement du signal, data science avec un intérêt pour les techniques de classification.
- Compétences en traitement du signal (transformations de Fourier, ondelettes, etc.).
- Connaissances de base en apprentissage automatique et classification.
- Une expérience avec des outils de traitement du signal et d’apprentissage de Python (scipy, scikit-learn) seraient un plus.
Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes handicapées, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation pour l’inclusion des travailleurs handicapés.