Stage en Traitement d'Images F/H

Safran; Éragny; Vor Ort; EUR 17.000 - 23.000; Vollzeit

Zusammenfassung

Safran recherche un/une étudiant(e) en dernière année de cycle ingénieur ou master 2 pour analyser l'existant et proposer des protocoles de calibration améliorés, avec intégration de l'intelligence artificielle dans le traitement d'image.

Vous étudierez le protocole actuel, comparerez les algorithmes, proposerez des scénarios et validerez le nouveau protocole en laboratoire, avec une eventualité d’intégration en environnement industriel et dans des architectures embarquées.

Qualifikationen

• Bases solides en traitement d'images et en statistiques / analyse de données.
• Maîtrise de Matlab et/ou Python.
• Connaissance des librairies de machine learning (PyTorch, TensorFlow).
• Intérêt pour les capteurs infrarouges et les systèmes embarqués.

Aufgaben

• Analyser le protocole de calibration existant (séquences, durées, sensibilité capteur).
• Comparer les algorithmes de traitement d'image et proposer des améliorations.
• Définir et tester de nouveaux scénarios de calibration et critères de performance.
• Intégrer des approches IA dans le processus et concevoir des modèles prédictifs.
• Conduire une campagne de tests en labo et rédiger le rapport d'essais.

Kenntnisse

Traitement d'images

Mathématiques appliquées

Statistiques / analyse de données

Informatique / data science / IA

Capteurs infrarouges / optronique

Ausbildung

Master 2 ou équivalent

Dernière année cycle ingénieur

Tools

Matlab

Python

PyTorch

TensorFlow

FPGA / traitements temps réel

Jobbeschreibung

Analyse de l'existant

• Analyse de l'existant
  • Étudier le protocole actuel de calibration usine (séquences d'enregistrement, durées de stabilisation, paramétrage capteur).
  • Comparer les algorithmes de traitement d'image aujourd'hui utilisés (approches déterministes, stratégies de correction des non-uniformités).
• Définition de nouveaux protocoles de calibration
  • Proposer différents scénarios de calibration (séquences d'images, configurations capteurs, durées de stabilisation, nombre de points de calibration…).
  • Définir les critères de performance (qualité d'image, robustesse, coût et temps de production, facilité de mise en œuvre usine).
• Intégration de l'IA dans le processus de restauration d'image
  • Identifier où et comment les méthodes de machine learning / deep learning peuvent compléter ou améliorer les algorithmes déterministes
  • Concevoir, entraîner et évaluer des modèles prédictifs à partir des données issues de capteurs déjà calibrés et de campagnes d'essais.
• Validation et formalisation du nouveau protocole
  • Mettre en place une campagne de tests comparatifs (protocole actuel vs nouveaux protocoles) sur images enregistrées en labo sur nos caméras.
  • Analyser les résultats (qualité d'image, stabilité, gains industriels) et rédiger un rapport d'essais.
  • Proposer un protocole de calibration usine amélioré, intégrable dans l'environnement industriel et compatible avec les architectures de traitement embarquées

Vos résultats auront un impact direct sur la réduction du coût de production des capteurs infrarouges, l'augmentation de la robustesse des calibrations et l'amélioration de la qualité d'image pour l'utilisateur final. Vous êtes étudiant(e) en dernière année de cycle ingénieur ou de master 2, avec une spécialisation en :

• Traitement d'images, traitement du signal, mathématiques appliquées
• Et/ou Informatique, data science, intelligence artificielle
• Des connaissances en optronique et capteurs infrarouges seront un plus apprécié.

Compétences techniques attendues :

• Solides bases en traitement d'images et statistiques / analyse de données
• Maîtrise de Matlab et/ou Python
• Connaissance des librairies de machine learning / deep learning (PyTorch, TensorFlow ou équivalent)
• Intérêt pour les capteurs d'image, les systèmes embarqués et les contraintes temps réel (FPGA, chaînes vidéo embarquées) serait un plus

Qualités humaines :

• Autonomie, rigueur, sens de l'initiative
• Curiosité scientifique et goût pour l'expérimentation
• Capacité à travailler en interface avec plusieurs métiers (optronique, traitement d'image, data science, industrialisation, systèmes embarqués)