• Ermias MIDEKSA soutiendra sa thèse spécialité génie des Procédés et environnement, le mardi 10 décembre à 9h en Amphi Vinci sur le sujet « Nouveaux supports poreux pour limiter la communication bactérienne dans les bioréacteurs à membrane utilisés pour la réutilisation des eaux usées traitées. »
    Composition du jury : Christelle GUIGUI, Audrey TOURETTE, Patrick LOULERGUE, Geoffroy LESAGE, Jean-Christophe REMIGY, Christelle WISNIEWSKI, Guillaume CONZATTI, Teychene JOHANNE.

  • Colin GUENSER soutiendra sa thèse spécialité génie civil, le mardi 10 décembre, à 10h, amphithéâtre Gustave Eiffel à l’IUT Paul Sabatier, Département GEA, sur le sujet « Évaluation structurale post-incendie des monuments en pierre. Application à la cathédrale Notre-Dame de Paris ».
    Composition du jury : Nathalie DOMEDE, Anne-Lise BEAUCOUR, Jean-Patrick PLASSIARD, Thierry CIBLA, Gianmarco DE FELICE, Marie SALGUES, Stéphane CORN, Pierre MORENON.

  • Augustin BRICOUT soutiendra sa thèse spécialité génie électrique, le mardi 10 décembre à 10h, salle de conférences du LAAS-CNRS, sur le sujet « Instrumentation embarquée avec correction déterministe et exploitation par IA de capteurs électroniques : application à la surveillance de ruches ».
    Composition du jury : Jean-Yves FOURNIOLS, Pascal ACCO, Camel TANOUGAST, Toufik BAKIR, Daniela DRAGOMIRESCU, Eunika MERCIER-LAURENT, Rémi FLOQUET.

    Cette thèse Cifre s’est déroulée entre la société RF Innovation et le LAAS-CNRS, équipe S4M, sous la direction de JY. Fourniols et P. Acco.

    L’objectif de cette thèse est de développer des solutions de smart sensing à bas coût, permettant d’améliorer des capteurs peu onéreux grâce à des corrections logicielles. Plutôt que de concevoir des capteurs performants mais coûteux, cette approche vise à créer des capteurs low cost qui sont ensuite corrigés et optimisés via des algorithmes embarqués. Les architectures électroniques récentes offrent désormais une puissance de calcul suffisante pour effectuer ces corrections directement au plus proche de la mesure, edge computing, tout en conservant une consommation énergétique extrêmement faible rendant les systèmes sur batterie viables.

    Deux approches de correction logicielle sont explorées : une méthode basée sur un algorithme déterministe, et une seconde méthode s’appuyant sur l’intelligence artificielle. Après avoir conçu une architecture de collecte de données adaptée aux ruches d’abeilles, ces deux approches sont mises en œuvre. La première approche, déterministe, est utilisée pour corriger les données provenant des jauges de contrainte dans le cadre d’une balance à ruches. La seconde méthode est appliquée à des capteurs audio MEMS, afin d’extraire des métriques de santé des colonies d’abeilles grâce à des techniques de machine learning.