Apport des images multispectrales pour l'identification et la catégorisation des microplastiques en support de méthode de « Machine Learning »
Direction Sciences et Technologies du Numerique

IFP Energies nouvelles (IFPEN) est un acteur majeur de la recherche et de la formation dans les domaines de l’énergie, du transport et de l’environnement. Depuis les concepts scientifiques en recherche fondamentale jusqu’aux solutions technologiques en recherche appliquée, l’innovation est au cœur de son action, articulée autour de quatre orientations stratégiques : climat, environnement et économie circulaire ; énergies renouvelables ; mobilité durable ; hydrocarbures responsables.

Dans le cadre de la mission d’intérêt général confiée par les pouvoirs publics, IFPEN concentre ses efforts sur l’apport de solutions aux défis sociétaux et industriels de l’énergie et du climat, au service de la transition écologique. Partie intégrante d’IFPEN, IFP School, son école d’ingénieurs, prépare les générations futures à relever ces défis.

Apport des images multispectrales pour l’identification et la catégorisation des microplastiques en support de méthode de « Machine Learning »

Le projet MRG lancé par IFPEN en 2022, vise à modéliser et quantifier les flux de plastiques dans l’environnement dans une perspective de remédiation. Les avancées technologiques en analyses d’image et méthode d’apprentissage, qui ont été faites ces dernières années permettent maintenant une quantification à l’aide d’images photographiques de site et d’analyses s’appuyant sur des réseaux de neurones convolutifs (CNN).

L’IFPEN a notamment testé l’efficacité de telle approche sur des réseaux de surveillance opérationnels (RNS-mP-P) dans le cadre du projet Interreg FreeLitterAT (https://freelitterat.eu/wp-content/uploads/2025/12/D.2.2.6_Report-on-the-potential-of-imagery-coupled-with-deep-learning-solutions-to-monitor-strandings-of-large-microlitter-on-the-coastline.pdf).

Objectifs

L’objectif de ce stage est d’utiliser des techniques de Machine Learning et de Deep Learning afin de détecter les microplastiques présents à la surface des sédiments, à partir d’images prélevées sur les plages des réseaux de surveillance.

Cette approche étant déjà appliquée à des images naturelles (projet Interreg FreeLitterAT), le stage consistera à adapter et reproduire le pipeline existant avec des images multispectrales. Il s’agira notamment d’évaluer l’apport de ce type d’images pour l’identification, la quantification et la catégorisation des microplastiques, en appui à des méthodes de Machine Learning.

Les missions principales seront les suivantes :

• Évaluer l’apport des images multispectrales dans l’amélioration de l’identification et de la quantification des microplastiques présents à la surface du sable.
• Participer à la préparation et à la labellisation des données images.
• Réaliser le prétraitement des images destinées à l’entraînement des modèles.
• Entraîner un modèle de Deep Learning sur les jeux d’images constitués.
• Valider et tester les performances du modèle développé.
• Respecter la chaîne MLOps prédéfinie, depuis la phase d’entraînement jusqu’au déploiement du modèle.
• Implémenter la méthode dans un outil web en cours de développement à IFPEN (PLA-IA)

Profil recherché

Étudiant en dernière année d’école d’ingénieurs ou de master, à la recherche d’un stage de fin d’études en intelligence artificielle, avec un intérêt marqué pour la vision par ordinateur, le traitement d’images, le Deep Learning et les pratiques MLOps.