Stagiaire : Alexis Desgagné-Laflamme
Entreprise : Pavemetrics

Pavemetrics, chef de file dans les systèmes de vision numérique pour l’inspection des infrastructures routières, ferroviaires et aéroportuaires, a développé de nombreux capteurs couplés à un logiciel de traitement de données 3D afin de les offrir au monde entier. Parmi les clients de Pavemetrics, on retrouve principalement les intégrateurs de services, les firmes de génie et les ministères des transports de divers pays.

L’un des produits phare de Pavemetrics est le système LCMS qui permet de capturer jusqu’à 100 millions de points 3D par seconde.

Le projet proposé consiste donc à développer des modèles de détection et éventuellement de classification des anomalies pour l’analyse des infrastructures ferroviaires à partir de ces données 3D. Plus particulièrement, l’objectif sera de détecter la présence de mesures anormales dans les traverses en bois et en béton (mesure de l’angle et présence de fissures). Pour les besoins de l’application le logiciel d’analyse devra fonctionner en quasi-temps réel. Ainsi le temps requis pour effectuer ces analyses doit être assez rapide (de l’ordre de 50 km d’analyse de rails par heure).

Ce détecteur sera essentiellement basé sur un auto-encodeur adversarial [4,7], qui permet l’apprentissage automatique de la distribution des éléments normaux; par la suite, tout élément s’écartant de cette distribution peut être qualifié d’anormal, même si le système n’a jamais vu de tels défauts lors de son entraînement. L’objectif final étant de démontrer que les méthodes d’apprentissage profond peuvent être appliquées à cette problématique d’inspection de rails en temps réel. Les résultats de ces travaux seront utilisés pour développer la solution logicielle d’analyse offerte aux clients.