3369 research outputs found
Sort by
Évaluation de la contamination biologique des surfaces végétalisées (pelouse) par des eaux usées unitaires diluées en temps de pluie et mesures d’atténuation
Get PDFAvec l’augmentation de la fréquence et de l’intensité des pluies extrêmes, les débordements d’égouts unitaires posent un risque accru pour la santé publique et les biens des citoyens des villes. Les habitants des quartiers voisinant le parc Pierre-Bédard de l’arrondissement Mercier–Hochelaga-Maisonneuve (Ville de Montréal) sont confrontés depuis plusieurs années à des épisodes de débordement. Face à ce constat, les autorités municipales ont entrepris de réaménager le parc Pierre-Bédard afin qu’il puisse recevoir temporairement les excédents d’eaux usées d’égouts unitaires et protéger la population ainsi que leurs habitations. La présente étude, menée sur le site du parc Pierre-Bédard, se veut être un tremplin scientifique permettant de mieux comprendre les risques sanitaires liés à la contamination microbiologique des surfaces végétalisées (pelouse) d’un parc après son inondation par des d’eaux usées unitaires diluées (EUUD) en temps de pluie afin d’orienter les stratégies de gestion et de mitigation post-inondation. Plus spécifiquement, elle visait à caractériser la contamination microbiologique issue de ces EUUD en temps de pluie, à en suivre l’évolution temporelle postinondation tout en la comparant aux niveaux naturellement présents dans les cinq autres parcs urbains (en plus du parc Pierre-Bédard), et à tester des mesures de mitigation pouvant accélérer le retour sécuritaire à l’usage du parc.
Structurée en deux phases principales, la démarche reposait sur des séries d’essais de simulation des débordements typiques des EUUD en temps de pluie. La première phase menée d’août à novembre 2023 a permis de concevoir un dispositif pilote simulant une inondation d’une parcelle végétalisée (pelouse), d’élaborer des protocoles d’échantillonnage et de suivi, puis de réaliser des essais exploratoires de suivi temporel de la contamination post-inondation et de mitigation de la contamination (désinfection au chlore et au THYMOX). La seconde phase, menée de juin à octobre 2024, a permis le suivi de la contamination naturelle (sans contamination des pelouses aux EUUD) de six parcs montréalais ainsi que la réalisation de plusieurs essais d’inondation contrôlée (avec suivi temporel de la contamination) et l’évaluation de mesures de mitigation (lavage « hygiénique » initial, lavages à l’eau potable, désinfections au THYMOX et irradiation UV). Les coliformes thermotolérants ont été utilisés comme principal indicateur biologique de contamination lors de la première phase du projet, alors que les organismes Escherichia coli et Clostridium perfringens (fréquence d’analyse moindre) ont été utilisés lors de la seconde phase.
Les suivis de la contamination naturelle des parcs montréalais ont permis d’établir des valeurs de référence afin de pouvoir comparer les résultats de contamination de surfaces végétalisées par des EUUD ou encore ceux d’une atténuation naturelle ou provoquée (mesures de mitigation) qui s'ensuit. L’analyse des résultats des parcs a mis en évidence des valeurs de médianes de 21 300 UFC/m² pour E. coli (n = 96) et de 36 100 UFC/m² pour C. perfringens présomptifs (n = 28; avec moyenne géométrique 50 300 UFC/m²). Environ 28 % des échantillons prélevés des surfaces végétalisées des parcs ont dépassé 100 000 UFC/m² en E. coli, avec 8 % des valeurs égales ou supérieures à 1 000 000 UFC/m2. Lors des essais de simulation d’inondations par des EUUD, les surfaces ont atteint des concentrations supérieures aux niveaux de référence des parcs (jusqu’à 1 000 000 UFC/m²). Toutefois, une atténuation naturelle a été observée avec des réductions d’E. coli allant à 2,96 log (99,89 %) en un mois, avec des concentrations inférieures aux références des parcs montréalais dès le 8e jour, particulièrement sous ensoleillement. Le C. perfringens a diminué plus lentement (16 à 30 jours), et les résultats (incluant ceux de E. coli) sont restés marqués par une variabilité et des recontaminations ponctuelles liées à la faune et aux activités humaines.
Les désinfections des surfaces contaminées au chlore et au THYMOX ont entraîné des effets négatifs (stress sur la faune et la végétation, recontaminations), tandis que l’irradiation UV n’a pas montré d’efficacité notable par rapport à l’atténuation et l’ensoleillement naturel. Le lavage « hygiénique » initial unique à l’eau potable s’est révélé une mesure efficace (autant qu’un lavage répété ou continu de la surface) réduisant E. coli d’environ 0,87 à 0,90 log (86,5 à 87,4 %; basés sur les moyennes géométriques) dès le premier jour, même si les concentrations résiduelles demeuraient supérieures à la médiane des parcs. Pour C. perfringens présomptifs, les réductions ont été plus modestes (0,44 à 0,52 log, 63,7 à 69,8 %), mais pouvaient atteindre jusqu’à 0,82 log (84,9 %; basés sur les moyennes géométriques) selon la considération des tests de confirmation de l’analyse. Le chlore résiduel de l’eau potable lors d’un lavage n’a montré d’effet bactéricide notable, ce qui confirme que les atténuations post-inondation observées sont dues aux effets de délogement mécaniques des contaminants biologiques lors du lavage « hygiénique » et aux effets naturels qui s'ensuivent, et non à une action chimique.
Le « lavage hygiénique » immédiat de la surface contaminée (lorsqu’elle est encore humide) et les mécanismes naturels présents (assèchement et dessiccation, rayonnement UV solaire, sénescence bactérienne et déclin, etc.) lors des jours qui suivent l’inondation par des EUUD ont permis de ramener les niveaux d’E. coli sous le niveau de référence en environ une semaine, et de retrouver des conditions sanitaires en un peu plus deux semaines (cas d’E. coli). Un « lavage hygiénique », complété par un suivi microbiologique lors des premiers évènements, constitue la mesure prioritaire de gestion post-inondation. Par ailleurs, la qualité de la pelouse conditionnerait l’efficacité cette stratégie. Ainsi, une pelouse dense maximiserait ainsi l’effet du lavage « hygiénique », tandis qu’une surface dégradée favoriserait l’atténuation naturelle par exposition solaire
Optimization of the tempering heat treatment cycle of large size forgings
Get PDFThe heat treatment of large steel forgings plays a crucial role in achieving the desired mechanical properties essential for various industrial applications, including aerospace, automotive, and heavy machinery. The tempering process, a key stage in heat treatment, significantly influences material performance by modifying microstructures to enhance toughness, hardness, and wear resistance. However, maintaining uniform temperature distribution within large-scale industrial electric furnaces remains a critical challenge due to complex thermal interactions, large temperature gradients, and energy inefficiencies. Traditional empirical approaches for optimizing the heat treatment process are often inadequate, as they fail to account for the intricate interplay between furnace design, loading configurations, and process parameters. In recent years, computational fluid dynamics (CFD) and machine learning (ML) have emerged as powerful tools for analyzing and optimizing industrial heat treatment processes. Despite their potential, existing research primarily focuses on small-scale systems or gas-fired furnaces, leaving industrial-scale electric furnaces underexplored. Addressing these gaps, this study integrates experimental measurements, CFD simulations, multi-objective optimization, and ML-based predictive modeling to enhance temperature uniformity, reduce processing times, and improve energy efficiency in industrial electric heat treatment furnaces. By systematically evaluating stacking patterns, heating element layouts, and predictive loading strategies, this research provides a comprehensive framework for improving process control and achieving consistent mechanical properties in large steel components.
A transient three-dimensional CFD model was developed to simulate the thermal and flow characteristics within a 112 m³ car-bottom industrial electric furnace. The furnace, located at Finkl Steel (Sorel, Quebec), was equipped with multiple electrical heating elements and axial fans to ensure forced convection, and its thermal behavior was analyzed under various loading configurations. The CAD geometry of the furnace and forging blocks in different scenarios were designed using CATIA V5 to ensure high-fidelity representation of industrial conditions. To validate the model, experimental temperature measurements were obtained from industrial forging blocks using embedded thermocouples strategically placed at critical surface positions. These measurements captured real-time thermal gradients, allowing direct comparison with simulation results. ANSYS® (versions 2022 and 2023) was employed for CFD simulations and meshing, while JMatPro® was employed to determine the temperature-dependent mechanical properties of the forging material, ensuring accurate thermophysical inputs for CFD simulations. The CFD analysis revealed significant temperature non-uniformities of up to 300 K in conventional stacking patterns, particularly in multi-block arrangements where airflow obstructions and inadequate radiative exchange contributed to localized overheating and underheating. The integration of CFD simulations with real-time industrial data provided the foundation for optimizing furnace loading strategies and heating element placements. For visualization and post-processing of simulation results, Tecplot 360 EX was utilized to interpret temperature fields and flow characteristics effectively.
Multi-objective optimization techniques were employed to refine the furnace operating parameters, focusing on minimizing temperature differentials while maintaining processing efficiency. A genetic algorithm (GA) and Pareto-based optimization framework were implemented to explore the impact of heating element layout on overall temperature uniformity. MATLAB 2021 was used to implement the optimization routines, enabling efficient execution of genetic algorithms and Pareto searches. The surrogate modeling approach, using polynomial regression, enabled rapid evaluation of various design configurations without requiring full CFD simulations for each iteration. Results demonstrated that optimized heating element layouts could reduce surface temperature variations by 8%, while improved stacking configurations reduced core-to-surface temperature differentials by 35%. These findings emphasize the importance of systematic furnace design improvements in achieving uniform heating across large-scale steel forgings.
To further enhance operational efficiency, a machine learning predictive model was developed using an extensive dataset of over 1,100 industrial tempering logs. Python 3.1 was employed to develop and train a predictive model, utilizing robust preprocessing techniques, including feature engineering, transformation methods, and hyperparameter tuning. The XGBoost regressor was trained to predict optimal loading cycles based on key operational variables, including forging dimensions, material composition, and furnace thermal history. By analyzing historical process data, the model provided real-time recommendations for loading configurations, significantly reducing reliance on empirical heuristics and manual scheduling. The ML model achieved an R² of 0.78–0.89, demonstrating its effectiveness in accurately predicting optimal loading parameters while reducing energy consumption and processing time. The integration of ML-based predictive analytics into furnace operations enhances adaptability, allowing operators to optimize throughput without requiring extensive trial-anderror adjustments.
The findings of this research underscore the potential of combining experimental validation, high-fidelity CFD modeling, multi-objective optimization, and data-driven machine learning to improve the efficiency of industrial electric heat treatment furnaces. The validated CFD framework serves as a powerful tool for scenario analysis, enabling precise evaluations of different furnace configurations and loading strategies. Meanwhile, the ML model enhances real-time decision-making by providing rapid, data-driven insights into optimal furnace operations. The integration of these methodologies establishes a holistic approach to improving heat treatment processes, offering a scalable and computationally efficient solution for industrial applications.
Future research directions include extending machine learning frameworks to predict final mechanical properties based on thermal history, further refining CFD turbulence and radiation models to improve simulation accuracy, and exploring real-time adaptive optimization techniques for dynamically adjusting furnace operating conditions. By leveraging the synergy between physics-based modeling and data-driven analytics, this research contributes to the advancement of predictive and prescriptive control strategies in metallurgical heat treatment, facilitating energy-efficient, high-quality production in industrial settings
Machine learning-aided design of additively manufactured ridge gap waveguide components
Get PDFThe rapid evolution of next-generation wireless systems poses significant challenges for the design of compact, high-performance passive components and massive-MIMO antenna arrays. Conventional workflows for ridge gap waveguide (RGW) and printed ridge gap waveguide (PRGW) unit cells rely on iterative full-wave EM simulations and parametric studies to locate stop-band frequencies, resulting in prohibitive computational cost, long turn-around times, and limited generalizability of analytical dispersion formulas. Meanwhile, advances in computational electromagnetics (CEM) including MoM, FEM, and FDTD solvers have eased model fidelity but not the excessive memory and processing demands required to refine designs by hand.
Motivated by the success of machine learning (ML) in other fields and the growing volume of AI-based EM research, this thesis develops a fully automated, fabrication-aware synthesis framework for RGW/PRGW unit cells that leverages supervised learning to replace manual trial-and-error.
A high-fidelity dataset covering 3–300 GHz and accounting for geometric variations related to additive manufacturing and dielectric materials was generated via automated EM simulations. Genetic programming (GP) and artificial neural networks (ANN) were then implemented, benchmarked, and optimized to learn both forward (geometry → performance) and inverse (performance → geometry) mappings with near-full-wave accuracy and drastically reduced run-times (minutes vs. hours/days).
Key contributions include:
- The first end-to-end ML-driven synthesis framework for metallic RGW/PRGW unit cells.
- A scalable, fabrication-aware EM dataset enabling data-driven modeling across 3–300 GHz.
- Systematic comparison of GP and ANN inverse-design approaches using MSE, MAE, MAPE, and timing metrics.
- Design, 3D-printing, and experimental validation of wideband, highly isolated, pattern-reconfigurable PRGW-based MIMO antennas, including an origami-inspired 8 × 8 array with multi-permittivity dielectric resonators.
The results demonstrate that ML-aided synthesis can overcome brute-force EM iteration, offering a scalable path toward compact, cost-effective System-on-Package modules for future mm-wave communications. The thesis concludes with a discussion of limitations and outlines promising directions for reinforcement learning, advanced data generation, and inverse modeling in EM structure design
Évaluation des systèmes de reconnaissance automatique de la parole pour les personnes atteintes d’aphasie : un cadre d’analyse de performance pertinent au milieu clinique
Get PDFCe mémoire présente un nouveau cadre d’évaluation conçu pour mesurer la performance des systèmes de reconnaissance automatique de la parole (RAP) lorsqu’ils sont appliqués à la parole aphasique. L’étude débute par une revue exhaustive de la littérature existante, identifiant les principaux défis liés à l’utilisation des technologies de RAP pour la parole désordonnée et mettant en lumière les lacunes des méthodes d’évaluation actuelles. En s’appuyant sur les mesures d’erreur traditionnelles telles que le taux d’erreurs de mots (WER) et le taux d’erreurs de caractères (CER), le cadre proposé introduit une analyse plus fine adaptée aux phénomènes spécifiques de la parole aphasique, y compris les paraphasies, les distorsions sémantiques et les disfluences. À l’aide de grands ensembles de données annotées et de modèles RAP de pointe, ce cadre a été appliqué à des tests empiriques afin de révéler les faiblesses propres à chaque modèle. Les résultats montrent que, bien que les systèmes RAP obtiennent généralement un WER acceptable sur la parole non aphasique, leur performance se détériore considérablement sur les échantillons de parole aphasique, en particulier pour la transcription des disfluences telles que les pauses remplies. Dans l’ensemble, cette recherche fournit des outils précieux pour les chercheurs et les cliniciens cherchant à améliorer les applications de la RAP dans le traitement et l’évaluation de l’aphasie
Apprentissage profond appliqué à la prévision saisonnière des volumes d’apport dans les réservoirs hydroélectriques
No full textLes réservoirs hydroélectriques nécessitent des prévisions d’apports afin de permettre aux gestionnaires des ressources en eau d’optimiser les taux de vidange et d’améliorer l’efficacité des infrastructures. Habituellement, les exploitants utilisent des modèles hydrologiques conceptuels ou basés sur la physique pour prévoir les débits à des échéances allant d’un mois à un an, selon l’horizon de planification. Ces prévisions sont ensuite agrégées pour estimer les volumes d’apports cumulés, qui sont essentiels pour la gestion saisonnière des réservoirs. Des prévisions fiables de volumes à moyenne échéance (quelques semaines) soutiennent non seulement l’optimisation du remplissage des réservoirs et de la production hydroélectrique, mais aussi la préparation aux crues saisonnières et aux périodes d’étiage.
Pour répondre plus directement à ces besoins, cette étude propose une méthode novatrice qui prédit directement les volumes d’apport cumulés sur 45 jours à l’aide d’un modèle d’apprentissage profond entraîné sur des prévisions météorologiques ensemblistes et des données observées de volume, sans passer par la simulation des débits journaliers, et en ciblant le volume total sur l’ensemble de la période en une seule opération. De plus, le modèle exploite de vastes jeux de données durant sa phase d’apprentissage, en utilisant des données issues de 200 bassins versants canadiens. Il est ensuite appliqué à huit bassins canadiens pour estimer les volumes d’apport prévisionnels. Enfin, pour le système hydroélectrique du Lac-Saint-Jean, au Québec, les performances des réseaux LSTM, un type de réseau de neurones récurrent conçu pour capter les dépendances temporelles, sont comparées à celles d’un modèle hydrologique conceptuel opérationnel.
Les résultats montrent que les prévisions provenant des modèles LSTM sont généralement précises mais manquent de fiabilité. Les prévisions ensemblistes ont tendance à être trop confiantes et sous-dispersées. L’entraînement régional améliore les performances dans certains cas, mais aucun schéma universel ne se dégage à travers toutes les saisons ou tous les bassins. Comparativement au modèle conceptuel opérationnel, les modèles LSTM le surpassent durant la saison automnale, tant en termes d’exactitude que de fiabilité, soulignant ainsi leur potentiel complémentaire. En complément, l’entraînement direct d’un modèle LSTM entraîné localement avec les données de prévisions météorologiques d’ensembles a permis d’évaluer les limites face à cette approche. Dans l’ensemble, cette étude suggère que les modèles basés sur les LSTM représentent une alternative prometteuse pour la planification stratégique des réservoirs, en particulier lorsqu’ils sont combinés à des modèles hydrologiques physiques, afin d’améliorer la représentation de l’incertitude
Vital signs estimation using remote photoplethysmography rPPG
No full textVital sign monitoring in Pediatric Intensive Care Units (PICUs) is critical for managing vulnerable pediatric patients. Conventional approaches, such as electrocardiography, rely on physical contact and are often invasive, costly, and unsuitable for newborns or patients with contagious conditions. Remote photoplethysmography (rPPG) offers a non-contact alternative by capturing subtle variations in skin color caused by pulsatile blood flow. In pediatric intensive care, it provides a safer solution than adhesive sensors, which can cause irritation and increase the risk of infection. However, deploying rPPG in real clinical environments remains challenging due to frequent occlusions from medical equipment, patient motion, illumination variability, and a domain gap between controlled laboratory data and PICU recordings. These limitations are compounded by the scarcity of annotated clinical datasets. Addressing these constraints requires models that are physiologically interpretable, computationally efficient, and resilient to domain shifts. This thesis introduces a unified framework that integrates efficient spatiotemporal feature learning, anatomically consistent region detection, and curriculum-based self-supervised pretraining to achieve accurate and real-time estimation of heart rate in complex clinical environments.
To extract reliable rPPG signals from unconstrained facial videos, a hybrid architecture is proposed that combines 3D convolutional blocks with temporal difference kernels (3DCDC-T) and multi-head self-attention from vision transformers. The model captures local spatiotemporal gradients indicative of blood volume changes while modeling longer-range dependencies required to resolve complete cardiac cycles. Attention mechanisms further refine feature focus on physiologically informative facial regions, and the feed-forward design ensures computational efficiency by limiting the transformer’s input to compact feature embeddings. Evaluated on public datasets, the model achieves an MAE of 0.79 bpm and RMSE of 0.80 bpm, with a Pearson correlation of 0.99, improving over existing methods both in accuracy and inference cost.
Accurate rPPG estimation requires stable anatomical tracking of face and thoracoabdominal regions, particularly in videos affected by rotation, bed tilt, or caregiver occlusion. A dedicated detection module is developed using the Divided Space–Time Mamba (DST-Mamba) model. This architecture decouples spatial and temporal processing through Selective State Space Models (SSMs), enabling linear-time complexity and low-latency inference across longer video sequences. The model predicts oriented bounding boxes (OBBs) to preserve rotation alignment under non-standard camera angles and integrates RGB-D inputs to improve robustness against visual occlusions. DST-Mamba achieves 0.96 [email protected] and 0.95 rotated IoU on a clinical dataset, maintaining temporal stability while operating at 23 FPS on standard hardware.
To mitigate the scarcity of labeled PICU data, a curriculum-based self-supervised learning strategy is introduced. A Mamba-based adaptive masking controller assigns spatiotemporal importance scores to input patches and applies strategic masking using differentiable Gumbel sampling. This adversarial masking forces the model to reconstruct physiological signals from degraded inputs, encouraging robustness to clinical occlusions and distractions. The learning process follows a structured curriculum: initial training on public datasets, simulation of occlusion patterns observed in PICU recordings, and domain adaptation on 500 unlabeled clinical videos. A lightweight teacher–student distillation module transfers physiological priors from expert models. This pipeline reduces supervised data requirements by 80%, achieving an MAE of 3.2 bpm using only 160 labeled patients, compared to 18.2 bpm with direct supervised training.
The framework is validated on an extensive dataset collected at CHU Sainte-Justine, demonstrat ing generalization across ages, skin tones, and occlusion conditions. The system maintains MAE under 7.2 bpm with over 70% facial occlusion, achieving 3.8 bpm for neonates and 3.5 bpm for mechanically ventilated patients. It operates in real-time within clinical constraints, consuming 169.7 GFLOPs and 6.1 GB memory at 30 FPS throughput. Together, these contributions address key barriers to clinical rPPG deployment, including domain adaptation, anatomical tracking, and data efficiency, moving non-contact physiological monitoring toward practical use in pediatric intensive care
Towards detecting Alzheimer’s disease with central auditory and physiological measures
No full textAlzheimer’s disease (AD) is the leading cause of dementia, with cases expected to rise substantially as the aging global population. Cognitive decline in AD often begins with subtle symptoms, such as difficulty understanding speech in noisy environments, before advancing to memory loss and severe impairments. Early diagnosis is critical, as it enables timely clinical care and creates opportunities for lifestyle changes that may delay or prevent dementia. However, current diagnostic methods, including neuropsychological assessments and neuroimaging, are expensive and unsuitable for large-scale screening, emphasizing the need for alternative accurate, accessible, and non-invasive approaches that could complement the traditional diagnostic methods.
Recent research highlights central auditory, speech, and physiological functions as promising biomarkers for early detection of AD. Central auditory processing deficits, such as reduced ability to understand speech in noise, are linked to cortical regions affected by AD and can be evaluated using accessible and non-invasive tests. Similarly, speech and lexical changes along with biosignals, such as heart rate and pupil diameter, may provide potential additional diagnostic insights. Hearable devices offer a practical platform for capturing these multimodal signals using in-ear microphones due to the occlusion effect that amplifies low-frequency signals when the ear is occluded. However, there is a lack of multimodal datasets collected from individuals with AD and mild cognitive impairment (MCI) using a hearable.
This thesis addresses this gap by introducing the Gaze and Auditory Response Database for Evaluating Neurocognitive Impairment and Alzheimer’s disease (GARDENIA), a multimodal dataset collected from 20 participants, including individuals with AD, MCI, and cognitively unimpaired controls. The dataset contains central auditory processing tests, a picture description task, in-ear biosignals, and eye-tracking data. Results indicate that cognitively impaired participants performed worse than controls across all central auditory tests, with dichotic tasks showing the strongest predictive value. Also, they demonstrate the capability of hearables to successfully administer central auditory tests. However, the analysis of heartbeats extracted from in-ear signals using Tempbeat highlighted the need for robust bio-signal extraction algorithms that are not affected by jaw movements. Overall, this work presents GARDENIA as a valuable resource for researching and developing tools for bio-signal processing that can help detecting AD
Optimisation et étalonnage d’un Robot Sériel pour l’Impression 3D
No full textCe mémoire présente une approche pour augmenter les capacités de l’impression 3D par photopolymérisation de cuve (VPP) à l’aide d’un bras robot sériel.
Le premier volet présente un dispositif d’étalonnage fondé sur une sonde TriCal (trois comparateurs linéaires orthogonaux) fixée sur le bac de résine via un couplage cinématique positionnable en trois orientations répétables. Un outil d’étalonnage monté sur le robot porte trois billes de précision servant de référence pour la mesure. Par un recentrage itératif automatique, le robot aligne successivement chacune des billes sur l’origine de la sonde, pour un ensemble de postures (bras + rail) choisies soigneusement. Le modèle géométrique s’appuie sur la convention MDH modifiée et un terme de compliance articulaire pour tenir compte des effets de la gravité sur le bras robot. Sur environ 3 300 configurations mesurables simulées, 40 sont sélectionnées par analyse d’observabilité (indice ▯1) et algorithme DetMax, puis enchaînées par résolution d’un TSP et planification sans collision. L’identification itérative (moindres carrés linéarisés) porte sur 34 paramètres (bras, rail, pose du bac). Une validation indépendante par laser tracker montre une amélioration de l’exactitude relative dans le repère du bac de 1,272 mm à 0,271 mm sur des poses aléatoires, et à 0,220 mm en moyenne le long d’un chemin d’impression représentatif, comparable a des épaisseurs de couche de l’ordre de quelques dizaines de micromètres.
Le second volet traite l’optimisation de l’étape d’impression. La chaîne cinématique est inversée : la bride est fixée au monde et le « TCP » est la zone de polymérisation au fond du bac. Un degré de liberté virtuel de rotation d’écran (SLA) est ajouté, portant le système à 8 DDL. La cinématique inverse est résolue sous contraintes (tolérance de pose, butées, non-collision, continuité) et évaluée par des métriques multi-objectifs : manipulabilité, marge normalisée aux butées, et sensibilité. L’algorithme suit une stratégie déterministe : balayage discret de l’orientation globale de la pièce, échantillonnage initial par séquences de Halton, filtrage de faisabilité sur trajectoire raréfiée, puis raffinement et classement multi-critères. Cette chaîne permet d’éliminer rapidement les orientations non faisables et de retenir des trajectoires d’impression offrant une bonne faisabilité et robustesse des trajectoires d’impression, en tirant partie de la redondance du robot.
Les contributions majeures sont : une méthode de calibration adaptée à la VPP robotisée validée expérimentalement ; un cadre d’optimisation multi-objectifs reproductible, compatible avec un modèle calibré ; et des perspectives concrètes (augmentation des capacités de l’impression VPP, résolution de redondance privilégiant le rail, recalibrations périodiques) pour un déploiement industriel
Décomposition autonome et interprétable d’images multispectrales de documents par apprentissage contraint
No full textLes archives numérisées recourent de plus en plus à l’imagerie multispectrale (MS) pour révéler des contenus faibles (encres délavées, palimpsestes, annotations, etc.) et séparer le texte du fond. Or, la décomposition spectrale reste difficile : les approches classiques (e.g., PCA, GMM ou NMF avec rang fixe) exigent des réglages ad hoc, des pré/post-traitements lourds et se généralisent mal à la diversité des supports, des encres et des conditions d’acquisition spectrales.
Pour répondre à ces défis, dans un premier temps, nous introduisons un cadre d’apprentissage bout en bout pour la décomposition multispectrale qui combine un auto-encodeur convolutionnel, couplé à une tête de démélange contrainte (non-négativité, interprétabilité, orthogonalité), enrichie de priors de mise en page (bloc d’attention), afin de préserver la structure des glyphes tout en modélisant le contexte spectro-spatial. Cette approche hybride intègre les principes de la NMF dans une architecture d’auto-encodeur, exploitant ainsi les avantages complémentaires des deux approches. Dans un deuxième temps, face au problème ouvert qu’est le choix manuel du rang, nous proposons un mécanisme pour sa sélection automatique via un élagage (pruning) guidé par longueur de description minimale (MDL), appris conjointement. Les composantes peu informatives sont alors progressivement supprimées pour minimiser simultanément l’erreur de reconstruction et la complexité du modèle. Enfin, dans un troisième temps, nous montrons que ce cadre, nommé PRISM, s’applique aux différentes configurations d’images MS, que ce soit pour les cas sur-déterminés (i.e., plus de bandes que de sources) ou sous-déterminés (i.e., moins de bandes, e.g. RVB), et se généralise au-delà des documents multispectraux.
Évalué sur MSBin et MStex, deux ensembles de documents variés (e.g., lettres, formulaires, manuscrits) de différentes périodes et états, PRISM améliore de manière constante la séparation encre/fond de +29.5 points F-score contre la binarisation de Howe et dépasse ACE v2 de +1.32 points (état-de-l’art). De plus, pour décomposition d’images MS non-supervisée, PRISM reste jusqu’à 7.4× plus rapide que VBONMF, la meilleure approche NMF concurrente. Des tests sur des scènes hyperspectrales de référence, Jasper Ridge et Urban, ainsi que sur des images RVB, confirment une bonne transférabilité au-delà du domaine documentaire. Des études d’ablation valident l’apport du pruning MDL et des différents priors. Ces résultats indiquent qu’associer contraintes physiques et contexte spatial permet des décompositions interprétables et adaptatives, utiles pour la transcription et la restauration. Le code, les poids et les hyperparamètres de PRISM sont disponibles sur Github et accompagnent le mémoire, dont les contributions ont été intégrées dans une publication acceptée au workshop VisionDocs de la conférence ICCV 2025
Optimisation d’un modèle DocVQA sans OCR: Encodage hiérarchique et structurel à faible coût de documents dans un espace multimodal commun
No full textLe nombre de documents numériques a connu une forte augmentation au cours de la dernière décennie, et ce dans différents secteurs, que ce soit industriel, médical, académique et bien d’autres. Bon nombre de ces documents proviennent de numérisations (images de documents), permettant de construire des banques de données partagées au sein d’entreprises, institutions ou même sur internet. Ces grandes bases de données peuvent directement contenir les documents numérisés ou encore être tabulaires, contenant les informations provenant de ces derniers. Cependant, l’extraction manuelle d’informations contenues sur des documents numérisés est chronophage dans un contexte où le nombre de ces derniers ne cesse d’augmenter. Ainsi, automatiser l’extraction d’informations à grande échelle devient un besoin vital, comme par exemple dans des secteurs industriels où le temps est une ressource précieuse. Cette automatisation exige cependant des systèmes rapides, précis et peu coûteux afin qu’ils puissent être efficaces sur de grandes bases de documents.
L’avènement des grands modèles de langues (LLM) a montré de bonnes performances pour l’extraction d’information sur les tâches de réponse à des questions sur des données de texte (QA). Cependant, les images de documents sont des données variées, comportant différents types d’entités (photo, tableau, texte manuscrit, etc.) et pouvant avoir différentes structures (lettre, articles, etc.). Ainsi, elles sont différentes des données que les LLM prennent en entrée, et ne sont donc pas directement utilisables par ces derniers. Par conséquent, la tâche de réponse à des questions sur des images de documents (DocVQA) nécessite de représenter les images de documents afin que les modèles de langues puissent les utiliser afin de répondre à des questions. Dans ce contexte, les approches fondées sur des outils de reconnaissance de caractères optiques (OCR) nécessitent un entraînement supplémentaire, ajoutent de la complexité au système (détection, reconnaissance) et peuvent conduire à des erreurs de transcription. À l’inverse, les méthodes bout-en-bout (OCR-free), composées d’un encodeur visuel et d’un modèle de langue, bénéficient d’une architecture unifiée permettant à la fois de représenter le document et de répondre à la question. Ce type de méthodes regroupe des modèles de petite taille, peu coûteux en termes de calcul, mais limités en qualité de réponses, ainsi que des modèles à grande échelle (LVLM), performants en termes de résultats mais trop lourds pour des déploiements industriels.
Ce mémoire présente ainsi un système DocVQA OCR-free qui apprend un espace de représentation multimodal (image-texte), composé d’un encodeur visuel hiérarchique de petite taille, d’un projecteur multimodal et d’un modèle de langue à grande échelle. L’encodeur visuel transforme l’image de document en jetons (token) projetés sur l’espace du modèle de langue via le projecteur multimodal. Cet encodeur intègre également un encodage positionnel explicite de la mise en page, préservant l’ordre de lecture et la structure des éléments (tableaux, graphiques, zones textuelles) dans l’espace commun. Le décodeur linguistique à grande échelle met directement ces représentations alignées en relation avec la question afin de générer la réponse sans outils additionnels tels que l’OCR. Ce système a été construit en distillant l’encodeur visuel de fondation d’un LVLM dans une architecture hiérarchique plus petite tout en gardant le LLM décodeur afin de réduire le coût de calcul tout en conservant des résultats proches du modèle initial. Afin d’assurer l’alignement image-texte de la représentation, l’encodeur distillé a été supervisé de bout-en-bout avec le LLM décodeur. Suite à cela, un module d’encodage spatial décomposant la position de chaque token en caractéristiques de Fourier a été ajouté afin d’enrichir les jetons par leur position d’origine sur le document. Ces approches ont été évaluées expérimentalement sur le jeu de données DocVQA, contenant des images de documents industriels de différents types (formulaires, lettres, articles, etc.). En utilisant le LVLM Paligemma qui a une performance de 84.77% ANLS, la distillation vers une architecture hiérarchique plus petite a permis de réduire la taille de son encodeur visuel par un facteur de 5, divisant de moitié sa latence (896ms → 446ms) tout en conduisant à un gap de seulement 2.1 points d’ANLS avec une performance de 82.67% ANLS. De plus, l’ajout de l’encodage positionnel a permis d’améliorer les résultats sur la qualité d’extraction des informations du document, réduisant ce gap à 1.31 points avec une performance de 83.46% ANLS. Ainsi, le système proposé surpasse en termes de performance les modèles OCR-free de petites tailles tels que Donut qui a une performance de 66.26% ANLS, et reste compétitif avec les LVLM tels que Paligemma ainsi qu’avec les méthodes se basant sur l’OCR telles que UDOP (84.70% d’ANLS).
Des analyses complémentaires sur la classification (RVL-CDIP) et l’analyse de structure (DocLayNet) montrent que l’encodeur capture la structure globale, tandis que le LLM traite cette dernière de manière plus approfondie à un niveau sémantique.
Enfin, le modèle a été adapté aux documents multi-pages via un sélecteur de page réutilisant les premières couches du LLM, sans paramètres supplémentaires. Cette approche limite le coût de calcul en maintenant le modèle à 2.6B paramètres tout en atteignant 71.73% ANLS, concurrençant les autres modèles de l’état de l’art tels que ScreenAI (72.9% ANLS/5B) ou encore DocOwl2 (69.42% ANLS/8B), démontrant une mise à l’échelle efficace pour des scénarios industriels complexes.
En résumé, ce mémoire démontre qu’un alignement image-texte guidé par une méthode OCRfree intégrant la géométrie spatiale permet de représenter des documents de structures variées contenant différents types d’entités. De plus, il souligne qu’une architecture hierarchique permet de réduire la complexité du système tout en maintenant une qualité de réponse compétitive. Enfin, l’adaptation du modèle aux documents multi-page sans paramètres supplémentaires montre l’extension du système à des cas d’utilisation plus complexes. Cette approche présente donc un DocVQA plus efficient et compétitif pour l’automatisation de l’extraction d’information