Détection et classification des réseaux enterrés par 3D-Radar : Matrix Pencil Method

When:
01/10/2022 – 02/10/2022 all-day
2022-10-01T02:00:00+02:00
2022-10-02T02:00:00+02:00

Offre en lien avec l’Action/le Réseau : – — –/Innovation

Laboratoire/Entreprise : Institut Pascal, UMR6602 Université Clermont Auver
Durée : 3 ans
Contact : khalil.drissi@uca.fr
Date limite de publication : 2022-10-01

Contexte :
La détection et la localisation des réseaux de services publics en contexte urbain sont devenues un sujet d’intérêt majeur depuis quelques années. La norme (NF S 70-003) exige la reconnaissance des réseaux et une localisation précise à moins de 11 cm par des sociétés certifiées. D’après les retours d’expérience des unités techniques du Ministère de la Transition écologique, aucune solution ne répond actuellement à ce besoin de cartographie des réseaux sur une grande surface à un coût acceptable pour les collectivités.
Pour une telle entreprise, une cartographie précise des réseaux combinant des méthodes physiques, méthodes d’intelligences artificielles (IA) et technologies innovantes adaptées à l’hybridation, offre un avantage indéniable pour optimiser le travail en termes de temps et de coûts. Cette étape entraînera des gains de fiabilité et contribuera à réduire les risques liés aux réseaux sensibles.
Le projet ANR PROMETHEUS (ANR-21-CE22-0019-03) cherche à introduire une telle solution méthodologique et technologique non invasive, basée sur la technologie radar géophysique 3D, pour structurer la cartographie urbaine des réseaux enterrés.
La thèse de doctorat s’inscrit dans l’action WP2 de PROMETHEUS et porte sur la détection des canalisations enterrées et leur suivi dynamique. La réponse électromagnétique du signal radar SFR-3D peut être utilisée comme caractéristique pour l’identification et la classification des cibles enterrées.
Cette réponse se focalise entre autre autour des résonances naturelles complexes (CNR) de ces cibles, elle rend aussi compte de l’impact du sol et du radar considéré.
Nous proposons d’identifier ces CNR en appliquant la méthode haute résolution (Matrix Pencil Method) dans le domaine fréquentiel. Cette méthode est capable d’encoder ces CNR en faisant émerger des
clusters de pôles et de résidus que l’on cherchera à associer aux objets enterrés, et potentiellement à l’effet du sol et du radar considéré.
Il est important de rappeler que les signatures brutes issues des réponses électromagnétiques des cibles seront modifiées par l’effet du couplage entre le radar (et la topologie de ses antennes) et les
milieux de propagation ce qui suggère de combiner ces signatures modifiées à une approche par réseau de neurones profonds pour un encodage adhoc et un suivi dynamique adapté.
Par ailleurs, l’encadrement de l’université Gustave Eiffel fournira des données expérimentales issues du radar à sauts de fréquence multi-antennes, ces données seront l’entrée des modèles supervisés que l’on
se propose de fournir pour les autres actions.
Une interaction régulière devra être menée avec les autres actions du projet PROMETHEUS pour une progression efficiente de ce travail de thèse.

Sujet :
Le(a) doctorant(e) sera impliqué(e) dans le projet ANR-PROMETHEUS. Il (elle) pourra ainsi bénéficier d’échanges fructueux avec l’ensemble des chercheurs mais aussi avec l’autre doctorant(e) recruté(e) qui se focalisera sur le développement d’une approche complémentaire à celle du WP3 qui consiste à inverser les signaux radar et à estimer les caractéristiques physiques de réseaux enterrés.
1. L’étude bibliographique comprendra deux parties :
• Bibliographie sur les techniques d’auscultation dédiées à la détection et localisation des réseaux notamment les méthodes radars et les méthodes haute résolution utilisées en traitement du signal,
• Bibliographie sur les méthodes d’apprentissage et leur adaptation aux applications de génie civil notamment les techniques de Deep Learning appliquées aux signaux GPR.
2. Mise en oeuvre de l’imagerie par radar à pénétration de sol pour cartographier les structures souterraines (premier lit en profondeur) avec des cas d’études simples et contrôlés en laboratoire puis des cas complexes sur sites réels.
A partir de l’écho propre acquis lors de l’émission-réception d’un appareil GPR multi-antennes (données brutes de A-scan, B-scan et C-scan en amplitude et en phase dans le domaine fréquentiel), on se propose de construire un corpus de signatures à partir de Matrix Pencil Method (MPM). Cette signature sera composée des résonances naturelles complexes (RCN) du réseau cible souterrain, probablement
modifiées par l’effet du GPR et/ou du sol.
3. Classification des signatures modifiées par des méthodes d’intelligence artificielle. Cette classification s’appuiera sur différents scénarios dont on évaluera la performance numériquement par des modélisations FDTD :
• GPR et/ou sol sans réseau cible enterré à partir de données A-Scan,
• GPR et/ou sol avec réseau cible enterré à partir de données A-Scan.
4. Suivi des signatures à partir des données B-Scan et C-Scan et optimisation de la redondance issue des différents scénarios cités ci-dessus.
5. Production d’un encodage lisible des données de mesure.

Profil du candidat :
Il est attendu que les candidat(e)s à ce sujet de thèse aient des compétences en propagation des ondes électromagnétiques, en traitement du signal et en utilisation des méthodes de Deep Learning.
Des compétences en mesure seront nécessaires pour une meilleure compréhension physique des phénomènes mis en jeu et des choix des modèles à hybrider.

Formation et compétences requises :
Bac +5

Adresse d’emploi :
Institut Pascal,
UMR6602 Université Clermont Auvergne,
Clermont Auvergne INP,
CNRS Campus Universitaire des Cézeaux,
4 Avenue Blaise Pascal 63178 AUBIERE

Document attaché : 202206270702_Sujet_these_Prometheus_WP2.pdf