STAGE - Machine Learning pour la détection de signal parasite dans des images de diffraction RX[...]

Safran est un groupe international de haute technologie opérant dans les domaines de l'aéronautique (propulsion, équipements et intérieurs), de l'espace et de la défense. Sa mission : contribuer durablement à un monde plus sûr, où le transport aérien devient toujours plus respectueux de l'environnement, plus confortable et plus accessible. Implanté sur tous les continents, le Groupe emploie 100 000 collaborateurs pour un chiffre d'affaires de 27,3 milliards d'euros en 2024, et occupe, seul ou en partenariat, des positions de premier plan mondial ou européen sur ses marchés. Safran est la 2ème entreprise du secteur aéronautique et défense du classement « World's Best Companies 2024 » du magazine TIME. Parce que nous sommes persuadés que chaque talent compte, nous valorisons et encourageons les candidatures de personnes en situation de handicap pour nos opportunités d'emploi.

Descriptif mission

La plateforme « Aube de Turbine Avancée » de SafranTech dispose d'un moyen unique de diffraction des rayons X pour le contrôle non destructif de pièces monocristallines, type aube de turbine. Ce moyen de contrôle effectue une cartographie point par point de l'état des orientations cristallines des pièces, c'est-à-dire que pour chaque volume de la pièce illuminée par le faisceau de rayons X une image de diffraction est acquise. Les images se composent de taches de diffraction générées par les plans cristallins en condition de Bragg. Dans le cas d'une pièce bonne, c'est-à-dire bien monocristalline, le pattern de taches de diffraction est unique et quasi-identique pour toutes les images de la cartographie. Lorsque la pièce présente un défaut, suivant la taille de celui-ci, soit le pattern de taches est complètement différent par rapport à celui du cristal principal, soit il y a des taches de petites tailles qui viennent se superposer au pattern du monocristal principal. À ce jour, un logiciel basé sur les techniques de traitement d'image conventionnelles est en cours de développement.

L'objectif de ce stage est de tester l'apport du machine learning pour la détection de taches de diffraction issues d'une désorientation cristalline ayant pris naissance dans le monocristal. Pour ce faire, le stage s'effectuera au sein du « Digital Sciences & Technologies Department », une autre plateforme de SafranTech spécialisée dans les approches IA. Notre objectif est d'évaluer des modèles IA permettant la détection des signaux parasites dans les images de cristallographie par rayons X. Dans ce contexte, le stage vise à :

1. Faire un état de l'art sur les approches IA pertinentes à l'analyse des images cristallographiques par rayons X. Un intérêt particulier sera porté sur les méthodes de génération conditionnée, de détection d'anomalies et des OODs.
2. Concevoir une architecture de détection de signal parasites en exploitant la connaissance a priori sur le pattern monocristallin attendu.
3. Valider le modèle de détection de signal parasite.
4. Fournir un code documenté et opérationnel pour une utilisation à SAFRAN pour l'inspection de pièces monocristallines. Ce stage pourra aboutir à la rédaction de brevet et publication.

Compétences techniques

Mathématiques appliquées, vision par ordinateur.

Compétences non techniques

Attentif aux détails, capacité à communiquer avec un public non technique IA, capacité à proposer des solutions/mises en œuvre innovantes, intérêt pour la recherche translationnelle.