Détection des fuites souterraines à partir d’images radar

Description

Contexte scientifique

Le stage s’inscrit dans le cadre des enjeux liés aux sécheresses potentielles induites par le changement climatique. L’un des défis majeurs est la réduction des pertes d’eau potable dans les réseaux souterrains, celles-ci pouvant atteindre jusqu’à 20 % de la consommation. La détection précoce et précise des fuites constitue donc un enjeu environnemental et économique crucial.

Sujet de stage

L’objectif de ce stage est d’utiliser un radar géophysique (Ground Penetrating Radar, GPR) pour localiser la position de fuites sans avoir besoin de réaliser une excavation. Le radar permet de caractériser le contraste diélectrique entre le sol sec et le sol mouillé par la fuite autour des tuyaux. Ce contraste se traduit par une anomalie dans le radargramme, fournissant une indication sur la position potentielle de la fuite. Mais en réalité, le monde souterrain est compliqué et il y a beaucoup de choses qui peuvent créer des anomalies. Le problème est donc de savoir si l’anomalie créée par la fuite est suffisamment remarquable par rapport aux autres anomalies créées par d’autres causes. Parallèlement, on s’intéresse aussi aux limites de la détection par le radar, notamment le volume d’eau répandu dans le sol. Pour répondre à ces questions, on a besoins de faire des simulations en utilisant le logiciel gprMax et la full waveform inversion (FWI). Au cours ce stage, nous proposons d’explorer une méthode hybride combinant FWI et les réseaux neuronaux informés par la physique (PINNs), afin de bénéficier à la fois de la précision de l’inversion complète et de la flexibilité des réseaux de neurones aidés par la physique, dans le but d’améliorer l’interprétation des résultats simulé par gprMax.

Profile

Compétences scientifiques et techniques :

Compétences en programmation et intelligence artificielle et ses outils (Python, bibliothèques IA, régression, réseaux de neurones, IA générative, VAE, GAN …),

Bonnes connaissances sur la propagation d’ondes électromagnétiques

Bonnes connaissances des équations Maxwell

Connaissance sur logiciel python gprMax est un plus.

Capacité de synthèse et de gestion des données,

Intérêt pour l’analyse de données et la modélisation,

Maitrise de l’anglais, expression écrite et orale,

Compétences relationnelles :

Etre autonome, avoir un esprit d’initiative et de curiosité,

Savoir travailler en équipe et avoir un bon relationnel,

Etre rigoureux

Communiquer efficacement avec son encadrant

Starting date

-03-02