/
Ph.D. supervisors : Pr. C. Cudel, Dr. S. Kohler, Dr. S. Bazeille, Dr. A. Foulonneau
Ph.D period : October or November 2025 for 36 months
Lien vers le pdf du sujet (actif jusqu’au 22 Août 2025) : https://gdr-iasis.cnrs.fr/wp-content/uploads/2025/07/Sujet_these_deflectometrie_UHA-EPIC.pdf
Résumé du sujet
Parmi les produits manufacturés, ceux avec des surfaces spéculaires sont de plus en plus nombreux (revêtement en verre, protections émaillées, la finition peinte ou polie, extérieur fraisé ou verni…). La déflectométrie est une méthode optique puissante pour l’analyse ce type de surfaces réfléchissantes, mais reste aujourd’hui limitée par les conditions d’acquisition conventionnelles et un apport de l’IA encore mal défini.
Cette thèse vise à dépasser ces limitations en développant une approche d’imagerie riche, l’imagerie « Light-field », les propriétés de polarisation, l’imagerie HdR et multispectrale afin de bénéficier de modalités d’acquisition complète. Ces modalités apportent de nouvelles informations qui permettront de développer des traitements et des analyses basés sur l’intelligence artificielle. Ces méthodes conduiront à de meilleures reconstructions 3D de surfaces, ainsi qu’un gain en termes de détection d’anomalies.
Le/la doctorant(e) explorera plusieurs dimensions :
- Déploiement de caméras Light Field pour améliorer la profondeur de champ et la qualité d’acquisition
- Étude du degré de polarisation des rayons réfléchis pour affiner la détection des défauts
- Optimisation des longueurs d’onde et des dispositifs d’éclairages pour différents matériaux réfléchissants ou semi-réfléchissants
- Étude du degré de polarisation des rayons réfléchis pour affiner la détection des défauts
- Mise en œuvre d’algorithmes d’IA pour le post-traitement, la détection d’anomalies et l’analyse des phénomènes spéculaires
Objectifs scientifiques
Si l’IA a considérablement amélioré les dispositifs de vision et de métrologie optique, l’acquisition d’images riches en informations portées par la lumière va permettre de compenser les ambiguïtés de mesures constatées dans la pratique industrielle.
Les objectifs scientifiques sont déclinés en plusieurs étapes :
- Concevoir et expérimenter une chaîne d’acquisition pour la déflectométrie riche
- Quantifier l’apport des différentes modalités d’acquisition pour la reconstruction de surface
- Évaluer la robustesse des approches selon les types de pièces, matériaux et contextes d’éclairage
- Développer un prototype intégrant ces modalités, validé par des cas d’usage industriels
- Intégrer des traitements IA tenant compte des données multi-sources, pour renforcer la détection d’anomalies et la reconstruction de surfaces 3D.
Contexte : une collaboration de recherche est déjà existante entre l’IRIMAS et HOLO3 au travers une thèse en cours. Des interactions entre les projets renforceront la dynamique de recherche sur cette thématique.
Compétences requises
- Vision par ordinateur, bases d’optique et des phénomènes de réflexion spéculaire
- Expérience en IA (connaissances de base a minima)
- Programmation Python, C++ et librairies usuelles (OpenCV, PyTorch…)
Encadrement & Partenariat
La thèse se déroulera au sein du département ASI de l’IRIMAS. Elle sera dirigée et encadrée par Christophe Cudel, Sophie Kohler, Alban Foulonneau et Stéphane Bazeille.
Elle sera menée dans le cadre du projet EPIC soutenu par le programme FEDER et l’institut de la Photonique, qui associe le CRITT HOLO3 et Centrale Supelec Metz.
Durée et financement
La thèse est prévue pour 3 ans et doit débuter au second semestre 2025. La rémunération est alignée sur celle des contrats doctoraux de droit public.
Candidatures et Contacts
Les candidats doivent adresser un CV et une lettre de motivation aux contacts mentionnés ci-dessous. Les candidatures doivent être adressées dès que possible, et seront examinées au fil de l’eau. La date limite d’envoi est le 31 Août 2025. L’annonce sera supprimée si une candidature est retenue avant cette date limite.
Contacts et renseignements : christophe.cudel@uha.fr , sophie.kohler@uha.fr
Pour en savoir plus : https://www.linkedin.com/company/irimas/posts/?feedView=all
