Projets lauréats 2020

Vous êtes ici :

Thème retenu :

« Intelligence artificielle (IA) appliquée aux infrastructures en service »

La fondation d’entreprise FEREC a lancé le 1er juin 2020 son troisième appel à projets qui vise plus particulièrement les actions de recherche de types travaux exploratoires, incubateur d’idées, études d’opportunités. Pour des projets plus matures, elle peut contribuer à accélérer le concept mis en avant.

Ces actions devaient répondre aux critères suivants :

  • Etre en lien avec l’établissement et la promotion de recherches ou d’innovations collaboratives dans le domaine des infrastructures.
  • Entrer dans au moins un des défis majeurs cités dans les éléments de contexte.

L'appel à projets 2020 en chiffres

Lancé le 1er juin
28 projets soumis
13 projets auditionnés par le Jury
9 projets retenus
7 membres du jury
351k € financés
Entre 30 et 40 k € accordés par projets

Les projets lauréats

ADOUCIR

Nom du projet : Aide au Diagnostic d’Ouvrages par Couplage d’Images et Radar

Porteur du projet : FOUCHER Philippe (CEREMA)

Montant du projet : 225,28 k€

Montant financé par la Fondation : 35 k€

Ce projet vise à explorer l’utilisation de l’intelligence artificielle pour détecter la présence de fissures sur ouvrages en béton tout en analysant la structure interne afin d’identifier et classifier les causes de ces désordres. La faisabilité d’une telle approche sera étudiée à la fois en terme d’acquisition avec l’utilisation conjointe d’images visibles et radar à partir de capteurs montés sur drone et en terme de traitement avec l’emploi de techniques d’apprentissage automatique. La mise en place des outils sera dans un premier temps réalisé sur des données simulées ou réelles sur des zones connues. L’ensemble de la chaine de traitement pourra ensuite être évalué sur tout un ouvrage.

CORRELTEMP

Nom du projet : Modèle de réaction à la température pour les infrastructures

Porteur du projet : SLUSAREK Stéphane (SIXENSE)

Montant du projet : 90 k€

Montant financé par la Fondation : 39 k€

Le monitoring de l’état de santé des infrastructures est utilisé pour en assurer la sécurité, en prolonger la durée de vie et en maîtriser les coûts d’exploitation en les anticipant.
On recherche dans les mesures d’éventuelles anomalies de comportement ou signes de vieillissement, qu’il convient de dissocier des variations réversibles et souvent non significatives liées à la température.
Le réchauffement climatique, avec la forte variabilité des températures qu’il entraîne, renforce ce besoin.
L’objet de CORRELTEMP est de tester les fonctionnalités modernes d’intelligence artificielle pour isoler de manière quantifiée et systématique l’effet de la température dans les mesures.

DEGRE

Nom du projet : Détection Et Géoréférencement Réseaux Enterrés

Porteur du projet : GUILBERT David (CEREMA)

Montant du projet : 178 k€

Montant financé par la Fondation : 40 k€

Le géoradar est l’une des techniques les plus utilisées pour la détection des réseaux enterrés. Lors de l’appel à projet FEREC 2018, une chaîne d’instrumentation innovante basée sur une technique radar à saut de fréquence multi-antennes a été développée permettant d’obtenir une information 3D. Cette chaîne d’acquisition permet d’acquérir rapidement des volumes de données importants. Il devient difficile de traiter d’aussi grand jeux de données manuellement. Le but de ce projet consiste donc à développer des outils automatiques de détection et de géoréférencement pour mieux cartographier les réseaux enterrés. Des modèles basés sur l’apprentissage seront développés et évalués.

EASY-DD(AI)2

Nom du projet : Economical and Automated SurveY for Distresses Detection on AIrfield pavement with Artificial Intelligence

Porteur du projet : BROUTIN Michaël (Service Technique de l’Aviation Civile-STAC)

Montant du projet : 185,48 k€

Montant financé par la Fondation : 40 k€

Les gestionnaires aéroportuaires s’orientent de plus en plus vers des solutions automatisées pour le relevé des dégradations sur les chaussées aéronautiques. L’automatisation des relevés présente en effet plusieurs avantages tant par rapport aux contraintes d’exploitation que par rapport à la qualité des données collectées. Plusieurs méthodes issues de l’IA sont susceptibles de renforcer cette automatisation. Le projet EASY-DD(AI)2 vise à coupler ces méthodes avec des moyens de relevé peu onéreux, pouvant en conséquence être réalisés plus fréquemment, et à évaluer expérimentalement leur apport pour la détection et la classification des dégradations sur des chaussées aéronautiques.

MAADISON

Nom du projet : Modèles par Apprentissage Automatisés pour la Détection des Irrégularités lors de la Surveillance des Ouvrages Névralgiques

Porteur du projet : MANZINI Nicolas (SITES SAS)

Montant du projet : 145 k€

Montant financé par la Fondation : 40 k€

Le projet proposé s’inscrit dans la démarche des méthodes dites data-driven pour l’analyse des données d’instrumentation des infrastructures, qui ont pour objectif de permettre la surveillance d’un ouvrage sans avoir recours à un modèle mécanique de celui-ci, optimisant les coûts d’intervention et de surveillance. Ce sujet porte sur l’utilisation de modèles prédictifs réalisés par apprentissage entre les différents capteurs d’une instrumentation pour la détection de comportements inconnus et potentiellement anormaux, et propose une approche basée sur le croisement de différents modèles générés automatiquement pour la localisation des anomalies parmi les capteurs en place.

Morpho-IA

Nom du projet : Intelligence Artificielle et Digital Twin au service de la Maintenance Prédictive

Porteur du projet : CONDEMINE Cyril (Morphosense)

Montant du projet : 113,27 k€

Montant financé par la Fondation : 32 k€

Afin de réduire les coûts de maintenance et de maintenir l’accès aux structures de mobilité qui voient leur durée de vie prolongée tout en maitrisant les riques, Morphosense propose de combiner les technologies de l’IA à celle du Digital Twin pour détecter de manière automatique et autonome toute anomalie afin de prédire le comportement de la structure face à tout changement structurel ou contextuel. L’objectif est de fusionner des données hétérogènes de type météo, vidéo, drônes, celles natives du système NEURON de Morphosense qui fournissent le comportement statique et dynamique de la structure et les sorties du Digital Twin. La première étape est de constituer une base de données complète permettant de cataloguer toutes les sources de sollicitation puis de les classifier, de détecter de façon automatique et précoce les anomalies afin de prédire leurs effets sur la structure et l’impact sur la durée de vie et l’estimation de la fatigue. Ainsi la seconde étape permettant une mise en place de maintenance prédicitive probatoire, sera renforcée et améliorée par des outils d’I.A. issus de l’exploitation de la base de données ainsi constituée.

OCAPI

Nom du projet : Observations de la biodiversité par des Caméras Plus Intelligentes

Porteur du projet : MOULHERAT Sylvain (TerrOïko)

Montant du projet : 180,47 k€

Montant financé par la Fondation : 40 k€

A l’heure du développement des infrastructures connectées, le projet OCAPI ambitionne d’étendre les usages des caméras déployées sur les infrastructures existantes à la gestion de la biodiversité aux abords des infrastructures dans le cadre de la gestion des risques associés aux collisions et au suivi d’efficacité des mesures environnementales. Pour ce faire, le projet OCAPI développera des algorithmes de reconnaissance automatique des moyens et grands Mammifères. Dans un second temps, les données de reconnaissance seront exploitées pour en dériver des indices d’abondances supports de la gestion adaptative des risques de collisions et des mesures environnementales.

RINA

Nom du projet : Démonstrateur de l’utilisation de l’Intelligence Artificielle pour une gestion opérationnelle des Risques Naturels d’origine géologique

Porteur du projet : CHANUT Marie-Aurélie (CEREMA)

Montant du projet : 107 k€

Montant financé par la Fondation : 32 k€

Le projet RINA propose d’étudier la faisabilité de l’utilisation de l’intelligence artificielle (IA) dans le contexte des risques géologiques. Sur des sites tests instables, des données de natures différentes (données ponctuelles de déplacements, mesures de bruit sismique, nuages de point de surface, données de température et de précipitation) seront analysées à l’aide des outils mis à disposition par l’intelligence artificielle. L’objectif est de proposer une puissante aide à la décision aux exploitants des réseaux routiers et ferroviaires afin de maintenir la qualité de service sur les infrastructures de transport menacées par des aléas rocheux lors d’événements météorologiques intenses.

Smart TCscan

Nom du projet : Évaluation intelligente, à grand rendement et non destructive des caractéristiques de collage dans les chaussées

Porteur du projet : IHAMOUTEN Amine (Université Gustave Eiffel)

Montant du projet : 287 k€

Montant financé par la Fondation : 40 k€

Le projet proposé porte sur l’évaluation in situ et la classification des couches d’accrochage dans les chaussées par imagerie électromagnétique (EM), basées sur un traitement hybride par intelligence artificielle/inversion de formes d’ondes. Les 3 partenaires se proposent de valider un nouveau processus de traitement intelligent et à grand rendement pour évaluer les défauts de collage aux interfaces.
Les résultats de détection et de classification des algorithmes seront traduits en termes de probabilité d’existence et de localisation d’anomalie à partir d’une gamme très étendue de données contrôlées en laboratoire et sur sites tests.

A voir aussi