Développement d’une méthode automatique de classification des structures de trempe dans les alliages F/H
Framatome · Ugine
Depuis framatome.com · vue ouverte le 18 novembre 2026 · vérifiée avant publication
FWB a lu cette offre sur framatome.com le 18 novembre 2026 et vérifie chaque jour si elle est toujours ouverte. Avant sa publication, elle a été vérifiée pour détecter les signes d’une arnaque. Un problème ? Le signaler
- Stage
- Publiée le 17 novembre 2026
- Pas encore sur FWB · postulez sur son site
- Classification
- Python
- Image analysis
- Machine Learning
- Deep Learning
- Zirconium welding
Postuler sur framatome.com (s’ouvre dans un nouvel onglet)Enregistrer sur FWB
Contexte Les alliages de zirconium utilisés dans l’industrie nucléaire subissent au cours de leur fabrication différents traitements thermiques qui modifient leur microstructure et leurs propriétés mécaniques. Parmi ces traitements, les opérations de trempe peuvent conduire à l’apparition de structures dites en vannerie, susceptibles d’influencer les étapes ultérieures de mise en forme. Aujourd’hui, l’évaluation de la proportion de vannerie dans une micrographie métallographique repose essentiellement sur l’expertise visuelle. Cette approche présente toutefois plusieurs limites : subjectivité de l’analyse, difficulté de reproductibilité et temps d’évaluation important. Une étude préliminaire a permis d’identifier plusieurs métriques et approches prometteuses pour automatiser cette caractérisation microstructurale. Objectifs du stage L’objectif du stage est de développer et qualifier une méthode robuste de classification automatique des structures de trempe à partir d’images métallographiques. Les travaux porteront notamment sur : l'analyse critique des approches identifiées lors de la pré-étude ; la validation des métriques et critères de classification retenus ; l'exploration de nouvelles méthodes de caractérisation d'images ; l'évaluation de l'apport potentiel de techniques d'intelligence artificielle pour améliorer les performances de détection ; la qualification de la méthode développée à travers la comparaison avec les évaluations réalisées par des experts métier. Travail proposé L'outil existant est développé en Python et s'appuie sur des bibliothèques open source d'analyse d'image. Il repose sur un pipeline déterministe combinant différentes étapes de traitement : prétraitement des images ; extraction de caractéristiques géométriques et texturales ; calcul d'indicateurs microstructuraux ; agrégation des résultats sous la forme d'un score de proportion de vannerie. Le stagiaire participera à l'amélioration de ce pipeline et à son évaluation sur un ensemble représentatif de micrographies industrielles. Selon l'avancement des travaux, des approches basées sur l'apprentissage automatique ou le deep learning pourront être étudiées et comparées aux méthodes déterministes existantes.
Offre d’origine : www.framatome.com
Postuler sur framatome.com (s’ouvre dans un nouvel onglet)Enregistrer sur FWB