Post-doctorant (F/H) Modélisation Et Schémas - Nantes, France - Inria

Inria

Entreprise vérifiée

Nantes, France

il y a 3 semaines

Posté par:

Sophie Dupont

beBee Recruiter

Description

**Type de contrat **:CDD

**Niveau de diplôme exigé **:Thèse ou équivalent

**Fonction **:Post-Doctorant

**A propos du centre ou de la direction fonctionnelle**:
Le centre Inria de l'Université de Rennes est l'un des huit centres d'Inria et compte plus d'une trentaine d'équipes de recherche. Le centre Inria est un acteur majeur et reconnu dans le domaine des sciences numériques. Il est au cœur d'un riche écosystème de R&D et d'innovation : PME fortement innovantes, grands groupes industriels, pôles de compétitivité, acteurs de la recherche et de l'enseignement supérieur, laboratoires d'excellence, institut de recherche technologique.

**Contexte et atouts du poste**:
**Projet Européen Brighter**
Des premiers prototypes de caméras thermiques infrarouges ont été réalisés en 2023 et mis à disposition de L'Inria et de l'Université Gustave Eiffel pour conduire différents travaux de R&D. Ces prototypes intègrent des matrices de microbolomètres à plan focal conçus par le CEA et LYNRED. Les prototypes de caméras ont quant à eux été réalisés par Xenics (FP) et SENSIA (MSP).

**Mission confiée**:
**Etat de l'art**

Les dernières avancées technologiques apportées aux détecteurs et aux caméras infrarouges non refroidis offrent de nouvelles opportunités pour estimer la température des objets observés, sans contact et à distance. En particulier, la thermographie infrarouge multispectrale peut être utilisée pour la surveillance thermique des structures de génie civil pour lesquelles les données sont acquises sur une longue période. Cependant, sans aucune connaissance sur l'objet observé, la température ne peut être exploitée que de manière relative. En effet, le calcul de la température d'un objet par thermographie infrarouge ne peut se faire sans la connaissance de l'émissivité, propriété radiative intrinsèque à l'objet. L'écriture des équations physiques amènent ainsi à un problème mal posé.

Les approches traditionnelles de séparation de la température et de l'émissivité (TES) reposent sur des hypothèses simplifiées et des modèles empiriques. Ces méthodes supposent souvent une émissivité uniforme ou s'appuient sur des bases de données pour estimer l'émissivité. Bien qu'efficaces dans certains cas, ces approches manquent de précision et de robustesse, notamment dans des environnements complexes et hétérogènes. Par conséquent, des approches plus avancées ont été étudiées et développées dans la littérature, notamment dans le domaine de la télédétection.
- **Méthodes de séparation générales** : dans un premier temps, une linéarisation des équations permet de simplifier le problème et ainsi d'estimer simultanément l'émissivité et la température. Cependant, la littérature montre les limites d'approximations numériques d'une telle approche. Ainsi, les dernières méthodes ont recours à des approches bayésiennes pour effectuer l'estimation simultanée. En particulier, la méthode MCMC fournit des résultats intéressants, au prix de moyens de calcul et de temps importants.
- **Méthodes d'apprentissage automatique**: les réseaux de neurones ont été largement utilisés dans le domaine de la télédétection. Cependant, ces méthodes reposent toujours sur la base de données sous-jacente disponible. Si la télédétection dispose de nombreux ensembles de données d'entraînement, ce n'est pas encore le cas du domaine d'intérêt de l'équipe, la surveillance de structures long-terme.

Malgré des progrès significatifs, plusieurs défis subsistent dans l'estimation de la température par thermographie infrarouge:

- **Variabilité spatiale et temporelle** : prendre en compte la variabilité spatiale et temporelle des propriétés de surface pose un défi, surtout dans des environnements dynamiques.
- **Calibration des capteurs et bruit** : une calibration précise des capteurs et l'atténuation du bruit sont essentielles pour une estimation fiable de la température et de l'émissivité.
- **Disponibilité des données et annotation** : la disponibilité limitée de données d'entraînement annotées entrave le développement de modèles d'apprentissage.
- **Intégration avec d'autres capteurs** : l'intégration des données thermiques avec d'autres capteurs est une piste d'amélioration mais avec des coûts de maintenance et d'instrumentation potentiellement plus importants.

L'équipe a, quant à elle, développé et étudié sa méthode pour l'estimation conjointe de la température et de l'émissivité, dans le cas de la surveillance de la santé des structures. Cette méthode repose sur l'hypothèse d'une surveillance thermique à long terme avec évolution dynamique. À partir d'un modèle radiométrique simplifié, un modèle dynamique permet d'estimer à la fois l'émissivité et la température, lorsque cette dernière évolue. L'objectif est donc d'aller plus loin dans les équations du modèle phys