Deep learning pour la détection des défauts d’arcs électriques.

Contexte de travail

Le / la stagiaire travaillera au sein de l’équipe « Mesure et Architectures Electroniques », au sein du plus gros laboratoire de recherche de l’Université de Lorraine.

Il / elle interagira avec le centre de compétences Emmanuel Héré du laboratoire qui est une structure mutualisée d’appui technique à la recherche regroupant un ensemble de compétences et de moyens matériels au service des chercheurs et des partenaires de l’Institut Jean Lamour.

Contraintes et risques

Le poste sur lequel vous candidatez se situe dans un secteur relevant de la protection du potentiel scientifique et technique et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l’autorité compétente du MESR.

A propos de l’Institut Jean Lamour

L’Institut Jean Lamour (IJL) est une unité mixte de recherche du CNRS et de l’Université de Lorraine. Il est rattaché à l’Institut de Chimie du CNRS.

Spécialisé en science et ingénierie des matériaux et des procédés, il couvre les champs suivants : matériaux, métallurgie, plasmas, surfaces, nanomatériaux, électronique.

L’IJL compte 170 chercheurs et enseignants-chercheurs, 90 personnels d’appui à la recherche, 150 doctorants et 25 post-doctorants.

Il collabore avec plus de 150 partenaires industriels et ses collaborations académiques se déploient dans une trentaine de pays.

Son parc instrumental exceptionnel est réparti sur 4 sites dont le principal est situé sur le campus Artem à Nancy.

Informations générales

Lieu de travail : Nancy, campus Artem
Type de contrat : Stage
Durée du stage : 6 mois
Date d'embauche prévue : A partir de février 2026
Quotité de travail : Temps complet
Rémunération :  Gratification selon grille en vigueur (4.35 € net par heure)
Niveau d'études souhaité : Elève ingénieur ou Master 2
Expérience souhaitée : Indifférent

Missions / Activités

Le sujet proposé s’intègre dans un projet plus large qui a pour objectif la détection des défauts d’arcs électriques dans les installations électriques. Cette détection est basée sur l’analyse de données séries temporelles (base de données de signatures de courants électriques) échantillonnées. Une série de descripteurs est appliquée sur les data, suivi par une étape de classification de défauts (Arc / NonArc). Plusieurs problématiques pourront, suivant l’intérêt du candidat, être abordées durant le stage proposé :

• Augmentation de la base de données : L’étudiant se focalisera sur des modèles génératifs basés sur l’intelligence artificielle et plus spécifiquement les Generative Adversarial Networks (GAN) ou autres approches.
• Tests de descripteurs : Choix, test et optimisation d’un set de descripteurs performants (transformations mathématiques) et classification (Arc / NonArc).
• Dataset réduit :  Notre base de données est relativement réduite (peu de signaux mesurés). L’objectif du travail proposé est concentré sur la mise au point de méthodes ‘’few shot learning’’ pour améliorer la détection.
• Détection multicapteurs.

Profil recherché

- Etudiant de master ou école d’ingénieur

- Compétences en Machine learning et deep learning  

- Traitement du signal

- A l’aise avec la programmation (python)

- Maîtrise des librairies scientifiques

- Autonomie et curiosité.