STAGE - Machine Learning pour la détection de signal parasite dans des images de diffraction RX F/H

Description de l'offre

STAGE - Machine Learning pour la détection de signal parasite dans des images de diffraction RX F/H

Détail de l'offre

Informations générales

Entité de rattachement

Safran est un groupe international de haute technologie opérant dans les domaines de l'aéronautique (propulsion, équipements et intérieurs), de l'espace et de la défense. Sa mission : contribuer durablement à un monde plus sûr, où le transport aérien devient toujours plus respectueux de l'environnement, plus confortable et plus accessible. Implanté sur tous les continents, le Groupe emploie 100 000 collaborateurs pour un chiffre d'affaires de 27,3 milliards d'euros en 2024, et occupe, seul ou en partenariat, des positions de premier plan mondial ou européen sur ses marchés.

Safran est la 2ème entreprise du secteur aéronautique et défense du classement « World's Best Companies 2024 » du magazine TIME.

Parce que nous sommes persuadés que chaque talent compte, nous valorisons et encourageons les candidatures de personnes en situation de handicap pour nos opportunités d'emploi

Référence

2026-202311 -175771

Description du poste

Intitulé du poste

STAGE - Machine Learning pour la détection de signal parasite dans des images de diffraction RX F/H

Type contrat

Stage

Durée du contrat

6 mois

Statut (CSP)

Etudiant

Temps de travail

Temps complet

Parlons de votre future mission

La plateforme « Aube de Turbine Avancée » de SafranTech dispose d'un moyen unique de diffraction des rayons X pour le contrôle non destructif de pièce monocristalline, type aube de turbine. Ce moyen de contrôle effectue une cartographie point par point de l'état des orientations cristallines des pièces, c'est-à-dire que pour chaque volume de la pièce illuminée par le faisceau de rayons X une image de diffraction est acquise. Celles-ci se composent de taches de diffraction générées par les plans cristallins en condition de Bragg. Dans le cas d'une pièce bonne, donc bien monocristalline, le pattern de taches de diffraction est unique et quasi-identique pour toutes les images de la cartographie. Lorsque la pièce présente un défaut, suivant la taille de celui-ci, soit le pattern de taches est complètement différent par rapport à celui du cristal principal, soit il y a des taches de petites tailles qui viennent se superposer au pattern du monocristal principal.

A ce jour, un logiciel basé sur les techniques de traitement d'image conventionnelle est en cours de développement. L'objectif de ce stage est de tester l'apport du machine learning pour la détection de taches de diffraction issues d'une désorientation cristalline ayant pris naissance dans le monocristal. Pour se faire, le stage s'effectuera au sein du « Digital Sciences & Technologies Department », autre plateforme de SafranTech spécialisé dans les approches IA.

Notre objectif est d'évaluer des modèles IA permettant la détection des signaux parasites dans les images de cristallographie par rayons X. Dans ce contexte, le stage vise à

· 
Faire un état de l'art sur les approches IA pertinents à l'analyse des images cristallographiques par rayons X. Un intérêt particulier sera porté sur les méthodes de génération conditionné, de détection d'anomalies et des OODs,

· 
Concevoir une architecture de détection de signal parasites en exploitant la connaissance à priori sur le pattern monocristallin attendu,

· 
Valider le modèle de détection de signal parasite,

· 
Fournir un code documenté et opérationnel pour une utilisation à SAFRAN pour l'inspection de pièce monocristalline.

Ce stage pourra aboutir à la rédaction de brevet et publication.

Mais encore ? (avantages, spécificités, …)

Stage de 6 mois réalisé en collaboration entre deux plateformes de SafranTech : PFX et DST. Le stage sera basé à Magny-les-Hameaux, avec des déplacements ponctuels d'une journée à prévoir sur le site de PFX à Gennevilliers.

Parlons de vous

Compétences techniques : mathématiques appliquées, vision par ordinateur.

Compétences non techniques : Attentif aux détails, capacité à communiquer avec un public non technique IA, capacité à proposer des solutions/mises en œuvre innovantes, intérêt pour la recherche translationnelle.

Localisation du poste

Localisation du poste

Europe, France, Ile de France, YVELINES (78)

Ville

Rue des jeunes bois 78117 Châteaufort

Critères candidat

Niveau d'études min. requis

BAC+5

Niveau d'expérience min. requis

Jeune diplômé-e/Première expérience

Langues

Anglais (Courant)