Apport des images multispectrales pour l'identification et la catégorisation des microplastiques en support de méthode de « Machine Learning »

IFP Energies Nouvelles Group; Rueil-Malmaison; On-site; EUR 11,000 - 17,000; Full time

Job summary

IFP Energies Nouvelles propose un stage en intelligence artificielle axé sur l’utilisation d’images multispectrales pour identifier et quantifier des microplastiques sur les sables. Le stagiaire adaptera un pipeline existant et travaillera sur des jeux de données fournis par les réseaux de surveillance.

Vous serez amené(e) à préparer les données, entraîner et évaluer des modèles de Deep Learning, tout en respectant la chaîne MLOps et en déployant les résultats dans un outil web en cours de

Qualifications

• Étudiant en fin d’études en ingénierie ou master, stage de fin d’études en intelligence artificielle.
• Intérêt marqué pour la vision par ordinateur, le traitement d’images et le Deep Learning.
• Connaissance des pratiques MLOps et des chaînes de développement ML.

Responsibilities

• Évaluer l’apport des images multispectrales pour l’identification et la quantification des microplastiques.
• Préparer et labelliser les données images.
• Réaliser le prétraitement des images destinées à l’entraînement des modèles.
• Entraîner et tester des modèles de Deep Learning.
• Valider les performances et respecter la chaîne MLOps prédéfinie (PLA-IA).
• Implémenter la méthode dans un outil web en développement à IFPEN.

Skills

Vision par ordinateur

Traitement d’images

Deep Learning

MLOps

Education

Dernière année d’ingénierie / Master

Tools

Python

TensorFlow

OpenCV

Job description

Apport des images multispectrales pour l’identification et la catégorisation des microplastiques en support de méthode de « Machine Learning »

Le projet MRG lancé par IFPEN en 2022, vise à modéliser et quantifier les flux de plastiques dans l’environnement dans une perspective de remédiation. Les avancées technologiques en analyses d’image et méthode d’apprentissage, qui ont été faites ces dernières années permettent maintenant une quantification à l’aide d’images photographiques de site et d’analyses s’appuyant sur des réseaux de neurones convolutifs (CNN).

L’IFPEN a notamment testé l’efficacité de telle approche sur des réseaux de surveillance opérationnels (RNS-mP-P) dans le cadre du projet Interreg FreeLitterAT (https://freelitterat.eu/wp-content/uploads/2025/12/D.2.2.6_Report-on-the-potential-of-imagery-coupled-with-deep-learning-solutions-to-monitor-strandings-of-large-microlitter-on-the-coastline.pdf).

Objectifs

L’objectif de ce stage est d’utiliser des techniques de Machine Learning et de Deep Learning afin de détecter les microplastiques présents à la surface des sédiments, à partir d’images prélevées sur les plages des réseaux de surveillance.

Cette approche étant déjà appliquée à des images naturelles (projet Interreg FreeLitterAT), le stage consistera à adapter et reproduire le pipeline existant avec des images multispectrales. Il s’agira notamment d’évaluer l’apport de ce type d’images pour l’identification, la quantification et la catégorisation des microplastiques, en appui à des méthodes de Machine Learning.

Les missions principales seront les suivantes :

• Évaluer l’apport des images multispectrales dans l’amélioration de l’identification et de la quantification des microplastiques présents à la surface du sable.
• Participer à la préparation et à la labellisation des données images.
• Réaliser le prétraitement des images destinées à l’entraînement des modèles.
• Entraîner un modèle de Deep Learning sur les jeux d’images constitués.
• Valider et tester les performances du modèle développé.
• Respecter la chaîne MLOps prédéfinie, depuis la phase d’entraînement jusqu’au déploiement du modèle.
• Implémenter la méthode dans un outil web en cours de développement à IFPEN (PLA-IA)

Profil recherché

Étudiant en dernière année d’école d’ingénieurs ou de master, à la recherche d’un stage de fin d’études en intelligence artificielle, avec un intérêt marqué pour la vision par ordinateur, le traitement d’images, le Deep Learning et les pratiques MLOps.