Data Science & Intelligence Artificielle
Contexte & Problématique
Dans le cadre de l'Industrie 4.0 (aéronautique, automobile, textile ou plasturgie), le contrôle qualité automatisé en temps réel sur ligne de production est primordial pour réduire les rebuts et garantir la conformité aux normes. Ce sujet se concentre sur le développement d'un système robuste d'inspection optique automatisée (AOI) basé sur des architectures de détection d'objets et de segmentation d'anomalies de pointe, optimisées pour une inférence à haute cadence (Edge AI / TensorRT).
Objectifs principaux du projet
- Constituer et annoter un dataset industriel de référence avec augmentation photoréaliste des données de défauts rares.
- Évaluer et affiner des modèles d'inspection de surface et de détection fine (YOLOv8/v11, Segment Anything Model - SAM, PatchCore pour la détection semi-supervisée d'anomalies).
- Optimiser les modèles pour l'inférence temps réel (> 30 FPS) sur GPU embarqué (NVIDIA Jetson / TensorRT).
- Développer le sous-système de déclenchement d'alertes industrielles, d'archivage des non-conformités et de reporting statistique.
Stack technologique & Outils
Livrables attendus
- Pipeline de vision industrielle optimisé avec modèle de détection d'anomalies temps réel.
- Banc d'évaluation expérimental avec indicateurs de précision (mAP, F1-score, latence).
- Console logicielle de supervision de ligne de production avec alertes et historique.
- Mémoire de PFE détaillant la conception algorithmique et les contraintes industrielles.
Ce sujet vous intéresse ?
Envoyez votre CV accompagné d'une lettre de motivation mentionnant vos compétences techniques, vos projets académiques ou personnels pertinents ainsi que vos disponibilités.
Postuler à ce sujet