Segmentation d’images 3D de matériaux par apprentissage supervisé – M1/M2

Machine learning segmentation of 3D material images. Contexte : L'utilisation de l'imagerie 3D afin d'analyser les microstructures de matériaux hétérogènes tels que les composites tissés 3D ou les agrégats polycristallins connait un franc succès depuis quelques années. En effet, les images tomographiques de ces matériaux nous renseignent sur leur architecture interne, la présence éventuelle de défauts et sur leur évolution lors d'une sollicitation mécanique ou d'un vieillissement(cf.Figure 1). Ces images sont précieuses pour comprendre les performances des matériaux en conditions d'usage et ainsi pouvoir améliorer leur formulation ou leur procédé de fabrication.
Yannick PANNIER - Contacter
Institut PPRIME -(UPR 3346 CNRS –ISAE-ENSMA –Université de Poitiers), ISAE-ENSMA, Poitiers, France

Autres offres d'emploi

Retour à la liste

CNRS 2020 research competition. Project on aspects covering "analysis, modeling and development of control strategies for turbulent flows and heat and mass transfers" (application to section 10)

Section 10: Fluid and reactive media : transport, transfer and transformation processes-Project on aspects coveringanalysis, modeling and development of control strategiesfor turbulent flowsand heatand mass transfers•«Model-based» or «Machine Learning» control strategies•Data assimilation techniques•Couplingof scientificcomputation/experimentation