Stage PFE – Vision par ordinateur pour la détection et cartographie de rayures sur vitrages cockpitSaint-Gobain

Saint-Gobain est présent dans 70 pays avec plus de 170 000 collaborateurs. Le Groupe mobilise les savoir-faire de ses sociétés et propose une offre de solutions pour des bâtiments confortables, plus économes en énergie et plus agréables à vivre au quotidien. Il positionne également ses matériaux de haute performance sur les marchés industriels et de consommation tels que l'automobile, l'aéronautique, la santé ou l'énergie.

Saint-Gobain Aerospace conçoit et fabrique des vitrages cockpit destinés aux avions et hélicoptères civils.
Dans le cadre du retour en service des équipements transparents (maintenance, expertise après exploitation), l'évaluation des rayures sur les surfaces vitrées repose aujourd'hui majoritairement sur une expertise visuelle, partiellement subjective.

Dans un contexte de digitalisation des processus d'expertise, Saint-Gobain souhaite développer une méthode quantitative et traçable permettant d'identifier, localiser et caractériser les rayures présentes sur les vitrages cockpit retournés en service.

Objectifs du stage

L'objectif du stage est de développer une preuve de concept permettant :

1. La détection automatique des rayures sur vitrages cockpit en verre à partir d'images acquises dans des conditions maîtrisées
2. La localisation et la cartographie relative des rayures sur l'équipement
3. La distinction systématique des résultats entre face externe et face interne, dans un contexte de vitrage multicouche (stack de matériaux transparents)

La quantification de la profondeur des rayures est identifiée comme une perspective à plus long terme et n'entre pas dans le périmètre initial du stage.

Problématiques techniques abordées

• Interaction lumière / verre et défauts de surface
• Choix et optimisation des conditions d'illumination (angle rasant, géométrie, contraste)
• Impact des stacks de matériaux transparents sur la signature optique des rayures
• Traitement d'image et vision par ordinateur
• Segmentation automatique de défauts de type rayures (approches CNN, U‑Net / Mask‑RCNN ou équivalent)
• Extraction d'indicateurs quantitatifs exploitables en expertise (longueur, densité, orientation, répartition)

Travaux attendus

• Analyse de l'état de l'art (industriel et académique)
• Définition d'un protocole d'acquisition d'images adapté aux vitrages cockpit
• Constitution et annotation d'un jeu de données
• Développement d'un algorithme de détection et de segmentation des rayures
• Mise en place d'indicateurs quantitatifs et d'une représentation cartographique
• Démonstrateur utilisable dans un contexte d'expertise interne
• Documentation méthodologique et recommandations d'industrialisation

Livrables

• Méthode de détection documentée et traçable
• Algorithme / prototype fonctionnel
• Indicateurs quantitatifs et visualisations associées
• Rapport de stage structurant pour une poursuite industrielle du sujet

Profil recherché

• Étudiant(e) en école d'ingénieur ou Master 2
• Spécialisation ou forte appétence pour :
• • optique / photonique ou
  • vision par ordinateur / traitement d'image / IA appliquée
• Intérêt pour les problématiques industrielles concrètes

Autonomie, rigueur scientifique, capacité de synthèse