Techniques de deep learning et vision par ordinateur pour les applications de Digital Twins
FR |
EN
Auteur / Autrice : | Anthony Yaghi |
Direction : | Raphaël Couturier |
Type : | Projet de thèse |
Discipline(s) : | Informatique |
Date : | Inscription en doctorat le 11/01/2023 |
Etablissement(s) : | Bourgogne Franche-Comté |
Ecole(s) doctorale(s) : | École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....) |
Partenaire(s) de recherche : | Laboratoire : FEMTO-ST Franche Comté Electronique Mécanique Thermique et Optique - Sciences et Technologies |
Equipe de recherche : DISC - Département Informatique et Systèmes Complexes |
Mots clés
FR |
EN
Résumé
FR |
EN
Le processus de simulation d'une usine déjà existante est appelé, "digital twining" - puisque nous créons un 'digital twin' de l'usine réelle. Créer ces immenses scènes 3D à la main peut être très chronophage et coûteux. L'objectif de cette thèse est d'exploiter les techniques de deep learning afin d'automatiser la création de digital twins. Nous proposerons un pipeline qui peut être utilisé dans un contexte industriel pour mettre en place des digital twins basés sur une représentation 3D de l'environnement, comme des point clouds.