Doctorat (h/f) : système de surveillance de la qualité de l’eau en temps réel

Système de surveillance de la qualité de l’eau en temps réel.
- Mise en place d’un système d’acquisition et de traitement de données multiplexées et constitution d’une base de données pour les différents capteurs de pollution dans une optique d’entraînement de modèles en ligne (non embarqués) dans un premier temps.
- Développement d’un algorithme d’apprentissage automatique à partir de la base de données de l’étude et alimentation avec des données disponibles dans littérature. Le modèle sera d’abord développé en ligne puis réduit et optimisé pour être intégré dans une électronique embarquée intégrant les contraintes de performances mais également d’autonomie énergétiques.
- Évaluation des performances du système sur des échantillons en conditions réelles


Contexte de travail

Les travaux proposés concernent le développement d’un système de surveillance de la qualité de l’eau en temps réel. Les applications potentielles concerneront dans un premier temps les réseaux de distribution d’eau potable. Les principales sources de pollution de l’eau sont relativement bien référencées dans la littérature. 50% environ de la pollution des eaux est liée au secteur agricole. L’objectif est de pouvoir suivre en temps réel les concentrations d’ions ammonium (NH4+) et nitrates (NO3-) qui représentent la majorité des espèces ioniques polluantes ainsi que des ions toxiques de métaux lourds (Pb2+). Le système de détection multiplexée proposé pour l’étude repose sur la cointégration de plusieurs capteurs sensibles sélectivement aux polluants ciblés, ainsi que les mesures de la température et du pH afin de pouvoir réaliser la calibration des mesures. Le développement d’une instrumentation spécifique pour l’acquisition et le traitement des données in-situ, au plus près de la captation, constitue également un objectif très important pour des mesures fiables et autocalibrées de mesures de la qualité de l’eau.
Verrous scientifiques et technologiques :
La sélectivité des capteurs est premier verrou important afin de pouvoir faire des analyses quantitatives pour chaque polluant afin d’éviter les interférences ioniques entre les différents capteurs mis en œuvre dans le projet. La sélectivité des capteurs est déjà étudiée au laboratoire par des approches de fonctionnalisation des membranes sensibles.
Contributions originales attendues :
Les approches logicielles par le développement d’algorithmes d’apprentissage automatique (Machine Learning) présentent un réel intérêt pour améliorer la précision des mesures de la qualité de l’eau, en particulier dans l’identification, la prise en compte et la neutralisation des interférences ioniques. Le second élément clé de l’intelligence embarqué réside dans la capacité du capteur à s’autocalibrer et en particulier à adapter ses réponses et modèles en fonction du vieillissement des capteurs et de la variabilité (parfois forte) des conditions extérieures.
Des travaux récents ont démontré le fort potentiel de l’utilisation combinée dispositifs d’Internet des Objets (IoT) couplés à l’intelligence artificielle dans le cloud mais à ce jour aucune solution ne propose d’embarquer l’intelligence artificielle dans le capteur. La performance dans le temps du système conçu sur une base IoT couplé à de l’intelligence artificielle déporté dans un premier temps puis intégrée au plus près des capteurs dans un deuxième temps constituent les principaux verrous de la mission proposée.


Contraintes et risques

Aucun