Contexte
Les alliages de zirconium utilisés dans l’industrie nucléaire subissent au cours de leur fabrication différents traitements thermiques qui modifient leur microstructure et leurs propriétés mécaniques. Parmi ces traitements, les opérations de trempe peuvent conduire à l’apparition de structures dites en vannerie, susceptibles d’influencer les étapes ultérieures de mise en forme.
Aujourd’hui, l’évaluation de la proportion de vannerie dans une micrographie métallographique repose essentiellement sur l’expertise visuelle. Cette approche présente toutefois plusieurs limites : subjectivité de l’analyse, difficulté de reproductibilité et temps d’évaluation important. Une étude préliminaire a permis d’identifier plusieurs métriques et approches prometteuses pour automatiser cette caractérisation microstructurale.
Objectifs du stage
L’objectif du stage est de développer et qualifier une méthode robuste de classification automatique des structures de trempe à partir d’images métallographiques.
Les travaux porteront notamment sur :
Travail proposé
L'outil existant est développé en Python et s'appuie sur des bibliothèques open source d'analyse d'image. Il repose sur un pipeline déterministe combinant différentes étapes de traitement :
Selon l'avancement des travaux, des approches basées sur l'apprentissage automatique ou le deep learning pourront être étudiées et comparées aux méthodes déterministes existantes.
Étudiant(e) en dernière année d'école d'ingénieur ou de Master 2 avec une spécialisation en :
Compétences souhaitées :
Une expérience en analyse d'image constitue un atout, mais n'est pas indispensable. Une forte motivation pour l'apprentissage de nouvelles méthodes et une capacité à exploiter efficacement la littérature scientifique seront particulièrement appréciées.
Un plan personnalisé pour postuler intelligemment à cette offre.
Cliquez sur "Postuler" pour accéder à l'offre.