Smart TCscan - Évaluation intelligente, à grand rendement et non destructive des défauts de collage dans les chaussées | FEREC 2020

Smart TCscan Lauréat de l’appel à projets 2020 4/29 Table des matières 1. Résumé...................................................................................................................................................5 2. Contexte et objectifs du projet ...............................................................................................................6 3. Introduction............................................................................................................................................8 3.1. Zone étudiée : couche d’accrochage subsurfacique .......................................................................8 3.2. Evaluation non destructive : rappel du principe GPR ....................................................................9 4. Validation de la faisabilité sur données synthétiques ...........................................................................10 4.1. Modélisation de structures de chaussées ......................................................................................10 4.2. Utilisation de méthode de machine learning SVM pour la classification des données................12 4.3. Application de la méthode développée pour la cartographie EM d’une chaussée présentant des anomalies de collage ...........................................................................................................................15 5. Paramétrage du plan d’expérience .......................................................................................................18 5.1. Conception de dalles d’essais.......................................................................................................18 5.2. Résultats .......................................................................................................................................19 5.3. Conception complémentaire.........................................................................................................20 6. Deep learning - Réseau de Neurones Artificiels (ANN) : Validation sur données synthétiques (pré- étude)........................................................................................................................................................21 7. Développement d’une IHM Python pour l’exploitation des résultats de la méthode SVM / RSF ......24 7.1. Introduction ..................................................................................................................................24 7.2. Génération de signaux et base de données synthétiques ..............................................................24 7.3. Relecture des signaux temporels ..................................................................................................26 7.4. Interfaçage des méthodes de machine learning et deep learning .................................................27 8. Utilisation de l’aide de la Ferec dans le projet.....................................................................................29 9. Impact...................................................................................................................................................30 9.1. Apports et retombées opérationnelles ..........................................................................................30 9.2. Valorisation...................................................................................................................................30 1. Résumé