SAFRAN
48.7429509,2.0874197
Les matériaux composites tissés en 3D sont au coeur de grandes innovations dans le domaine aéronautique, avec des applications concrètes dans des dispositifs tels que le moteur LEAP. L'importance croissante de ces matériaux impose la nécessité d'outils d'analyse numérique capables d'extraire des données quantitatives pertinentes à partir des images disponibles.
Actuellement, l'imagerie tomographique par rayons X est la méthodologie de choix pour observer l'intérieur de ces pièces fabriquées. Elle est suivie d'analyses numériques visant à extraire leur architecture 3D, bien que cette méthode rencontre certaines limites. Par exemple, l'étude [1] décrit une approche d'apprentissage profond pour extraire les fibres de manière automatique ; toutefois, elle ne parvient pas à saisir les formes des sections transversales associées. Pour remédier à cette insuffisance, l'approche [2] suggère l'utilisation d'un module de génération d'images basé sur des modèles créés à partir de modèles...
|
Compétences Requises :
- Connaissances en apprentissage profond et génération d'images.
- Expertise en programmation Python, notamment d'outils comme PyTorch ou Tensorflow.
- Expertise en traitement d'images et analyse de données.
- Esprit d'innovation et capacité à travailler dans des projets interdisciplinaires.
|
|
| Durée (Mois): |
6
|