Thèse soutenue

Système de détection ultra-sensible et sélectif pour le suivi de la qualité de l'air intérieur et extérieur

FR  |  
EN
Auteur / Autrice : Nicolas Morati
Direction : Jean-Luc SeguinThierry Contaret
Type : Thèse de doctorat
Discipline(s) : Sciences pour l'ingénieur. Micro et nanoélectronique
Date : Soutenance le 30/03/2021
Etablissement(s) : Aix-Marseille
Ecole(s) doctorale(s) : Ecole doctorale Sciences pour l'Ingénieur : Mécanique, Physique, Micro et Nanoélectronique (Marseille)
Partenaire(s) de recherche : Laboratoire : Institut Matériaux Microélectronique Nanosciences de Provence (Marseille ; Toulon ; 2008-….)
Entreprise : NANOZ SAS
Jury : Président / Présidente : Dominique Martinez
Examinateurs / Examinatrices : Mohand Arab Djeziri
Rapporteurs / Rapporteuses : Abdenaceur Kachouri, Nadine Locoge

Résumé

FR  |  
EN

Aujourd’hui, l’air est pollué par de nombreuses substances chimiques, difficile à identifier. Plusieurs gaz marqueurs sont caractéristiques de la pollution, comme le monoxyde de carbone (CO), l'ozone (O3) et le dioxyde d'azote (NO2). Les capteurs de gaz à base d’oxyde métallique (MOX) sont des bons candidats pour suivre en temps réel la qualité de l’air. Ils sont largement utilisés dans les dispositifs de détection de gaz portables et à faible coût. Très sensibles, stables et avec une grande durée de vie, les capteurs MOX souffrent d'un manque inhérent de sélectivité, qui peut être comblé en y intégrant de l’intelligence artificielle. Ce travail de thèse s’intéresse à la mise en œuvre de méthodes d’identification de gaz basées sur l’analyse de données expérimentales. L’objectif est de discriminer le CO, l’O3, et le NO2, avec un seul capteur, dans des conditions réelles d’utilisation (faible débit, humidité...). Pour cela, nous utilisons un capteur de gaz à base d’oxyde de tungstène (WO3) breveté par l’IM2NP et exploité sous licence mondiale par la société NANOZ. Une base de données expérimentale complète a été créée à partir d’un protocole basé sur la modulation de la température de la couche sensible. À partir de cette base de données nous avons mis en œuvre deux méthodes différentes d’extractions de paramètres : le calcul des attributs temporels et la transformée en ondelettes. Ces deux méthodes ont été évaluées sur leur capacité de discrimination des gaz grâce à l’utilisation de plusieurs familles d’algorithmes de classification tels que les machines à vecteurs de support (SVM), les K plus proches voisins (KNN), les réseaux de neurone...