Suivi dynamique par apprentissage et intelligence artificielle des signaux dédiés à la surveillance de l'environnement

Dynamic monitoring by learning and artificial intelligence of signals dedicated to environmental monitoring

• Auteur / Autrice : Lisa Poirier--Herbeck
• Direction : Sylvie Marcos, Nicolas Saurel, Elisabeth Lahalle
• Type : Thèse de doctorat
• Discipline(s) : Sciences du traitement du signal et des images
• Date : Soutenance le 02/06/2025
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des signaux et systèmes (Gif-sur-Yvette, Essonne ; 1974-....) - Commissariat à l’énergie atomique et aux énergies alternatives (Arpajon). Direction des application militaires Île-de-France
• Partenaire(s) de recherche : Référent : CentraleSupélec (2015-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Informatique et sciences du numérique (2020-….)
• Jury : Président / Présidente : Jean-Philippe Ovarlez
• Jury : Examinateurs / Examinatrices : Jean-Philippe Ovarlez, Christophe Guyeux, Abdel-Ouahab Boudraa, Lynda Zitoune
• Jury : Rapporteurs / Rapporteuses : Christophe Guyeux, Abdel-Ouahab Boudraa
• DOI : 10.70675/a7279b56zfcabz4f2eza9c2z08c40a06d0c9

Mots clés

Mots clés contrôlés

Intelligence artificielle

Apprentissage automatique

Temps réel (informatique)

Surveillance de l'environnement

Rayons gamma

Mots clés libres

Data mining

Extraction de motifs

Clustering

Classification de motifs

Suivi en ligne

Surveillance environnementale

Data mining

Motif extraction

Clustering

Motif classification

Dynamic Monitoring

Environmental Monitoring

Résumé

L'activité du CEA nécessite une surveillance des comportements radiologiques environnementaux sur le centre de Valduc. Le système de suivi actuel est conçu pour détecter une quantité de rayonnements gamma anormale dans le signal enregistré par dépassement de seuil. Les anomalies pourraient être détectées avant le dépassement de seuil et des formes spécifiques aux phénomènes gamma pourraient être identifiées dans le signal. Dans cette thèse, nous proposons un système permettant d'améliorer cette surveillance environnementale en ligne. Nous explorons diverses problématiques relatives au minage de données, liées en particulier à l'extraction en ligne de motifs d'intérêt dans un signal temporel, au clustering de séries temporelles, et à la classification en ligne de motifs présents dans un signal. Les principaux défis que nous relevons sont le traitement en ligne des séries temporelles de longueurs variables, sans connaissance a priori sur les données pour un déploiement du système à d'autres applications. Ce travail de thèse est en effet réalisé sur des signaux radiologiques gamma et se destine par la suite à s'appliquer à divers domaines de données, notamment enregistrées par le CEA Valduc.

The CEA activity requires the monitoring of environmental radiological behaviors at theValduc center. The current monitoring system is designed to detect an abnormal amount of gamma rays in the recorded signal by means of thresholding. Anomalies could be detected before threshold exceedance and specific shapes of gamma phenomena could be identified in the signal. In this thesis, we propose a system to improve this online environmental monitoring. We explore various issues related to data mining, particularly related to the online extraction of significant motifs in a time series, to the clustering of time series, and to the motif classification in a signal arriving online. The main challenges we address are the online processing of time series of variable lengths, without a priori knowledge about the data with a view to deploying the system to other areas. Indeed, this thesis work is carried out on gamma radiological signals and is subsequently intended to be applied to various data domains, notably those recorded by the CEA Valduc center.