Entrepreneurship in the territories: is it the right time?
Missions
La qualité de l'air intérieur est un enjeu majeur de santé publique. Contrairement aux environnements extérieurs, aucun système précis de mesure des composés organiques volatils (COV) en intérieur n'est déployé. La difficulté réside dans la diversité des mélanges gazeux présents simultanément, rendant la détection complexe. L'essor des capteurs portables représente une opportunité pour mieux comprendre l'impact de la qualité de l'air sur la santé humaine.
Les capteurs MOX (Metal Oxide) dominent le marché grâce à leur miniaturisation et leur coût réduit. Cependant, ils présentent plusieurs limites : manque de sensibilité, dépendance aux conditions environnementales et dérive temporelle. Une approche prometteuse consiste à regrouper ces capteurs en réseaux multi-senseurs, appelés "nez électroniques", afin d'améliorer l'identification des COV.
Le projet européen AMUSENS s'inscrit dans cette dynamique en développant un système optimisé de détection des gaz nocifs dans des environnements clos. Ce projet mobilise 10 partenaires européens issus des milieux académique et industriel pour concevoir des solutions innovantes en intégrant des capteurs MOX et des algorithmes avancés d'intelligence artificielle (IA).
Présentation du projet AMUSENS
AMUSENS vise à concevoir un système de capteurs intelligent capable de détecter divers polluants gazeux dans des environnements fermés. L'IA joue un rôle central dans le projet, notamment pour :
Optimiser le choix et l'agencement des capteurs MOX.
Traiter et fusionner les données pour améliorer la précision des analyses.
Développer des modèles prédictifs et adaptatifs pour la surveillance en temps réel.
Travaux de recherche
Cette thèse explore plusieurs axes scientifiques clés :
Optimisation des capteurs MOX : Développement d'algorithmes d'IA pour sélectionner la meilleure combinaison de capteurs MOX afin d'améliorer la détection des COV.
Gestion des dérives et incertitudes : Proposition d'une approche sémantique et contextuelle des signaux, inspirée des modèles de traitement du langage, pour compenser les variations des mesures.
Amélioration des performances des nez électroniques : Étude des caractéristiques des signaux captés et analyse de la dimension intrinsèque pour améliorer la classification des gaz.
Activités
Le doctorant participera aux travaux de recherche suivants :
Réalisation d'une étude bibliographique sur les capteurs MOX et les techniques d'IA adaptées.
Développement, simulation et test d'algorithmes d'apprentissage basés sur des bases de données existantes et des données produites dans le cadre d'AMUSENS.
Analyse et validation expérimentale des solutions proposées.
Rédaction de publications scientifiques et participation à des conférences internationales.
Rédaction du mémoire de thèse.
Cette thèse constitue une opportunité unique de contribuer aux avancées technologiques dans le domaine de la qualité de l'air tout en développant des compétences pointues en intelligence artificielle appliquée aux capteurs.
