Pour détecter des polluants dans l’air, nous développons des dispositifs compacts qui sondent la réactivité chimique des polluants gazeux grâce à des microbilles colorées. Afin de détecter si ces microbilles sont entrée en contact avec un polluant, il est nécessaire d'analyser leur colorimétrie par microcosopie optique embarquée ou analyse spectrale. Nous souhaitons développer une version facilement déployable de cet équipement.

Contexte :
Pour détecter des polluants dans l’air, nous développons des dispositifs compacts qui sondent la réactivité chimique des polluants gazeux grâce à des microbilles colorées [Mugherli et al., Lab-on-a-Chip 2020 ; Guittet et al., Journal of Sol-gel Science and Technology 2023].

Objectif principal :
Ce projet vise à améliorer des dispositifs de mesure et à les valider, en lien avec un chercheur post-doctorant. Nous avons mis au point une électronique embarquée associée à un logiciel firmware à base d’IA qui permet d’analyser en continu et en temps réel les microbilles colorées. Nous souhaitons améliorer la technique en explorant différentes approches de classification IA, ainsi qu’en ajoutant des fonctionnalités temps réel supplémentaires (flux vidéo en streaming, apprentissage non supervisé etc.).

Missions principales :
(i) Comparatif de différentes techniques d’apprentissage
(ii) Interface utilisateur en temps réel (vidéo et traitement d’image)
(iii) Optionnel, miniaturisation de la carte électronique
(iv) Test de nouvelles approches de capture des microbilles

Qualités recherchées & à développer :
Aptitudes R&D Python, C++, linux
Aptitudes Pro Autonomie, Efficacité, Créativité, Communication, Rédaction
Intérêts Systèmes embarqués, Environnement, Qualité de l’air