Contexte du stage:

Le sujet concerne l’imagerie ultrasonore multi-éléments et vise à caractériser des réflecteurs dans des aciers (fissures, porosités, inclusions) par des algorithmes d’apprentissage automatique (ou machine learning).

Pour accélérer la phase d’apprentissage basée sur un calcul intensif d’images, on s’intéressera à un algorithme d’imagerie opérant dans le domaine de Fourier (domaine f-k) dont l’intérêt est de réduire les temps de calcul d’un facteur proche de N, où N est le nombre d’éléments du réseau ultrasonore. Cette approche en imagerie rapide fait actuellement l’objet d’une thèse au Département, et, dans le contexte de l’inversion.

Objectifs:

Le sujet du stage consistera à entraîner l’algorithme de machine learning par des spectres (signaux échographiques dans le domaine f-k) dont les formes sont caractéristiques des propriétés des réflecteurs (localisation, dimension, orientation). Le stage débutera par une étude bibliographique en imagerie multi-éléments et en machine learning.

Il s’agira ensuite de prendre en main un dispositif expérimental du laboratoire pour réaliser l’acquisition des données, et les codes de calcul pour reconstruire les images dans le domaine f-k. Enfin, le travail consistera à mettre en œuvre la procédure d’inversion, et réaliser un premier démonstrateur à partir de spectres expérimentaux.