Stage Pfe - Vision par Ordinateur pour la Détection et Cartographie de Rayures sur Vitrages Cockpit H/F - Groupe Saint Gobain

Pourquoi a-t-on besoin de vous ?

Saint-Gobain Aerospace conçoit et fabrique des vitrages cockpit destinés aux avions et hélicoptères civils.Dans le cadre du retour en service des équipements transparents (maintenance, expertise après exploitation), l'évaluation des rayures sur les surfaces vitrées repose aujourd'hui majoritairement sur une expertise visuelle, partiellement subjective.

Dans un contexte de digitalisation des processus d'expertise, Saint-Gobain souhaite développer une méthode quantitative et traçable permettant d'identifier, localiser et caractériser les rayures présentes sur les vitrages cockpit retournés en service.

Ce poste est-il fait pour vous ?

Profil recherché

Étudiant(e) en école d'ingénieur ou Master 2
Spécialisation ou forte appétence pour :

optique / photonique ou
vision par ordinateur / traitement d'image / IA appliquée

Intérêt pour les problématiques industrielles concrètes

Autonomie, rigueur scientifique, capacité de synthèse

Pour être sûr de ne rien oublier

Objectifs du stage

L'objectif du stage est de développer une preuve de concept permettant :

La détection automatique des rayures sur vitrages cockpit en verre à partir d'images acquises dans des conditions maîtrisées
La localisation et la cartographie relative des rayures sur l'équipement
La distinction systématique des résultats entre face externe et face interne, dans un contexte de vitrage multicouche (stack de matériaux transparents)

La quantification de la profondeur des rayures est identifiée comme une perspective à plus long terme et n'entre pas dans le périmètre initial du stage.

Problématiques techniques abordées

Interaction lumière / verre et défauts de surface
Choix et optimisation des conditions d'illumination (angle rasant, géométrie, contraste)
Impact des stacks de matériaux transparents sur la signature optique des rayures
Traitement d'image et vision par ordinateur
Segmentation automatique de défauts de type rayures (approches CNN, UNet / MaskRCNN ou équivalent)
Extraction d'indicateurs quantitatifs exploitables en expertise (longueur, densité, orientation, répartition)

Travaux attendus

Analyse de l'état de l'art (industriel et académique)
Définition d'un protocole d'acquisition d'images adapté aux vitrages cockpit
Constitution et annotation d'un jeu de données
Développement d'un algorithme de détection et de segmentation des rayures
Mise en place d'indicateurs quantitatifs et d'une représentation cartographique
Démonstrateur utilisable dans un contexte d'expertise interne
Documentation méthodologique et recommandations d'industrialisation

Livrables

Méthode de détection documentée et traçable
Algorithme / prototype fonctionnel
Indicateurs quantitatifs et visualisations associées
Rapport de stage structurant pour une poursuite industrielle du sujet