Etude de méthodes d’inversion basées sur de la simulation et de l’apprentissage machine pour la caractérisation de défauts en imagerie ultrasonore multi-éléments

Le travail de thèse s’inscrit dans le cadre des activités du Département Imagerie et Simulation pour le Contrôle (DISC) dans le domaine du Contrôle Non-Destructif (CND), et vise à caractériser des défauts en inversant des images ultrasonores de type TFM (Total Focusing Method) ou PWI (Plane Wave Imaging) via des méthodes d’apprentissage automatique et des bases de données simulées avec la plate-forme logicielle CIVA. Un premier volet portera sur l’inversion des images pour caractériser un défaut (localisation, taille, orientation…) sans a priori sur les caractéristiques recherchées, et ce, en exploitant les artefacts d’imagerie liés à l’emploi de modes de propagation non adaptés. Dans un deuxième volet, cette démarche d’inversion sera mise en œuvre dans une situation plus réaliste où les images sont affectées par des incertitudes sur les propriétés du composant et/ou sur le dispositif expérimental. Pour réduire les temps de calcul de la base de données, et gagner en robustesse et précision, on étudiera la faisabilité d’inverser de l’imagerie rapide combinant, par exemple, la méthode PWI et des méthodes de reconstruction dans le domaine de Fourier, voire la faisabilité d’inverser directement les signaux ou les spectres en s’affranchissant du calcul des images. Le méthode d’inversion sera évaluée expérimentalement avec différentes maquettes représentatives de composants industriels, et, à l’issue de thèse, une preuve de concept temps-réel sera démontrée en implémentant l’imagerie et l’inversion dans un système prototype de laboratoire.