Laboratoire ICube

PROBLEMATIQUE

Développement d’un réseau de neurones en charge de la détection d’anomalies à partir d’images.

CONTEXTE

À l’apogée de l’industrie 4.0, la conception de nouvelles méthodes et applications permettant un suivi et un
contrôle de la production est un réel enjeu. Le projet 3D-PRIAD se concentre spécifiquement sur les
problématiques liées à la production par impression 3D.
En effet, il est nécessaire qu’une imprimante 3D puisse fonctionner de manière autonome en permanence tout
en assurant une production de pièces de bonnes qualités, c’est-à-dire dépourvue de quelconques défauts
d’impressions.
L’équipe MLMS (Machine Learning, Modeling & Simulation) et l’équipe IGG proposent donc un projet
combinant le deep learning à l’analyse d’images et de modèles 3D afin de permettre un suivi en temps réel de
la qualité de l’impression et la détection automatique d’anomalies.
La mission aura lieu sur 6 mois, entre février et août 2021, et se déroulera au sein de l’équipe MLMS du
laboratoire ICube.

VOTRE MISSION

L’objectif du stage est de mettre au point une application permettant de déterminer la qualité d’une impression
à partir de capteurs vidéo ; c’est-à-dire être capable de déterminer automatiquement si l’impression est bonne
ou si elle contient des défauts et, le cas échéant, être capable d’indiquer de quel type de défaut il s’agit.
Pour ce faire vous disposerez des données suivantes :
• Ensemble des images obtenues par 5 caméras positionnées de manière à filmer l’ensemble du
processus d’impression 3D selon les 4 côtés (frontal, arrière, gauche et droite) ainsi qu’une vue
de haut. Ces images seront obtenues tout au long du processus, et pas uniquement lorsque
l’impression est terminée. Ceci est nécessaire car certains défauts ne sont plus détectables une
fois le processus fini.
• Le modèle 3D correspondant à la pièce en cours d’impression
Ces données seront issues à partir d’une imprimante 3D Prusa I3 MK3S, machine présente dans la Zone ICube
de l’Ecam et tournant en moyenne 360 heures/mois, nous assurant ainsi d’avoir un jeu de données suffisamment
conséquent pour être traité au cours du projet.
Les méthodes mises en place pour permettre cette analyse de qualité devront ainsi prendre en considération les
5 angles de vues de l’impression ainsi que le modèle 3D attendu. Parmi les approches possibles, deux pistes sont
envisagées :
• La mise en place d’un réseau de neurones multi-classification qui serait chargé de détecter directement
les défauts d’impression sur les images
• Une méthode de reconstruction de modèle 3D à partir des images des caméras pour permettre
d’effectuer un comparatif par rapport au modèle 3D attendu.
Les principales étapes du projet, en plus de l’étude bibliographique, sont :
• Analyse des différents défauts pouvant arriver au cours d’une impression, et détermination des
caractéristiques permettant de les identifier
• Analyse et pre-processing des données (nettoyage des données, labélisation, …)
• Mise en place d’un réseau de neurones permettant une identification des défauts d’impression et
s’assurant une correspondance avec le modèle 3D original
• Intégration de l’application d’analyse de qualité à une Application Web permettant à l’opérateur un
suivi de l’impression
• Optimisation de l’application pour permettre une analyse en temps réel
Le livrable comprend :
• L’application d’analyse de qualité de l’impression
• Une démonstration impliquant la mise en production de l’application sur l’imprimante pour test en
conditions réelles
• Un document de conception (en anglais)
• Rapport de Master/Fin d’étude
• Soutenance.
Il pourra être adapté selon l’évolution du projet.

VOTRE PROFIL

L’offre s’adresse à un étudiant en M2, ou dernière année d’école d’ingénieur avec de fortes compétences en
informatiques, et notamment en Python.
Des connaissances sur les réseaux de neurones, le traitement et l’analyse d’images et/ou la modélisation 3D
sont un plus.

LIEU DE TRAVAIL ET SALAIRE

Place de l’hôpital, Strasbourg (67), France
Salaire : 500€/mois approximativement pour une durée de 6 mois

SUPERVISEURS

Directeur : Cédric Bobenrieth (ICube, MLMS, ECAM), cedric.bobenrieth@ecam-strasbourg.eu
Co-superviseurs : Arash Habibi (ICube, IGG, Univ. Strasbourg), ahabibi@unistra.fr et Hyewon Seo (ICube,
MLMS, Univ. Strasbourg), seo@unistra.fr

CONTACT

Vous pouvez contacter directement cedric.bobenrieth@ecam-strasbourg.eu pour plus de renseignement ou
pour candidater en envoyant votre CV et vos relevés de notes de Licence et Master

Pour postuler, envoyez votre CV et votre lettre de motivation par e-mail à cedric.bobenrieth@ecam-strasbourg.eu