L’obtention d’images d’échantillons isolants et/ou sensibles au dégazage est possible grâce à la microscopie électronique à balayage en environnement gazeux (MEB-EG). Dans ce contexte, des interactions complexes se produisent entre les électrons primaires, les ions créés, les électrons secondaires et les électrons rétrodiffusés émis par l’échantillon. Lors de l’utilisation du détecteur d’électrons rétrodiffusés, les collisions élastiques entre les électrons du faisceau primaire et les molécules de gaz entraînent un élargissement de ce faisceau. Cet élargissement provoque une augmentation du bruit et une réduction du contraste dans les images. Il peut également induire des erreurs en métrologie. L’objectif de ce stage est de débruiter les images issues du MEB-EG à l’aide de modèles de deep learning
afin d’obtenir des résultats plus précis et une meilleure interprétation des structures complexes à l’échelle microscopique.
Objectifs du stage :
- Validation : évaluer quantitativement (métriques de débruitage) et qualitativement (fidélité morphologique) les modèles développés.
- Modélisation physique du bruit : intégrer explicitement un modèle de génération de bruit issu du MEB-EG au sein de l’architecture des réseaux de neurones.
- Conception d’architectures innovantes : élaborer et implémenter de nouvelles topologies de réseaux visant à renforcer la robustesse aux variations de bruit et à améliorer la généralisation sur différents types d’échantillons.
Profil recherché :
Nous recherchons un(e) candidat(e) ayant une expérience préalable en intelligence artificielle et/ou traitement d’images, maîtrisant la programmation en Python et possédant de solides compétences en machine learning / deep learning (ML / DL).
Équipe d’encadrement :
- Dr Rachid Laref
- Pr Christian Mathieu
- Dr Jed Duersch
Localisation : Lens
Durée du stage : 5 mois, Date de début de stage : mars 2026
Contact : merci d’adresser votre candidature (CV détaillé, lettre de motivation et relevés de notes M1/M2) à : Dr. Rachid Laref – rachid.laref@univ-artois.fr
Unité de Catalyse et de Chimie du Solide (UCCS), Site Artois
Faculté Jean Perrin – rue Jean Souvraz – SP 18 – 62307 Lens Cedex
M2 Internship at the UCCS Laboratory, University of Artois : Denoising of Environmental Scanning Electron Microscopy Images Using Deep Learning
The acquisition of images from insulating samples and/or samples sensitive to degassing is made possible through Environmental Scanning Electron Microscopy (SEM). In this context, complex interactions occur between primary electrons, generated ions, secondary electrons, and backscattered electrons emitted by the sample. When using the backscattered electron detector, elastic collisions between the primary electron beam and gas molecules cause a broadening of the primary beam. This broadening increases noise and reduces image contrast. It may also lead to measurement errors in metrology. The goal of this internship is to denoise ESEM images using deep learning models in order to obtain more accurate results and improve the interpretation of complex microscopic structures.
Internship Objectives:
- Physical noise modeling: explicitly integrate a noise generation model derived from SEM into the neural network architecture.
- Design of innovative architectures: develop and implement new network topologies to enhance robustness to noise variations and improve generalization across different sample types.
- Validation: quantitatively evaluate (denoising metrics) and qualitatively assess (morphological fidelity) the developed models.
Candidate Profile:
We are looking for a candidate with prior experience in artificial intelligence and/or image processing, proficient in Python programming, and possessing strong skills in machine learning / deep learning (ML/DL).
Supervision Team:
- Dr. Rachid Laref
- Prof. Christian Mathieu
- Dr. Jed Duersch
Location: Lens
Internship duration: 5 months
Starting date: March 2026
Contact: Please send your application (detailed CV, cover letter, and M1/M2 transcripts) to:
- Dr. Rachid Laref – rachid.laref@univ-artois.fr
UCCS – Unité de Catalyse et de Chimie du Solide, Artois Site
Faculté Jean Perrin – rue Jean Souvraz – SP 18 – 62307 Lens Cedex
