Projets novateurs réalisés

Explorez des milliers de projets réussis issus de la collaboration entre organisations et talents postsecondaires.

29670 projets achevés

2811
AB
4990
Av. J.-C.
801
MB
663
NL
825
SK
8841
ON
9197
QC
95
PE
568
NB
1088
NS

Projets par catégorie

Développement d’un procédé de fractionnement humide pour la production d’ingrédients de protéines de millet

La recherche d’alternatives protéiques végétales aux sources protéiques traditionnelles (par exemple, viande, produits laitiers, œufs et soya) utilisées par l’industrie alimentaire est portée par la demande des consommateurs pour des choix plus sains, la croissance démographique, la durabilité environnementale et les influenceurs régulateurs. Le millet représente un aliment de base pour les pays en développement, surtout en Afrique et en Asie, et représente une riche source de fibres alimentaires, de minéraux et de vitamines du complexe B. En termes de teneur en protéines, les niveaux varient entre 8 et 10% en poids. La recherche actuelle se concentre sur le développement d’un procédé de fractionnement humide (par exemple, extraction alcaline suivie de précipitation isoélectrique) pour obtenir des isolats de protéines avec des niveaux protéiques > 80%, puis pour caractériser leurs propriétés fonctionnelles (par exemple, solubilité, émulsification, mousse et capacité de retenue d’eau/huile) ainsi que leur qualité protéique (par exemple, profil des acides aminés, digestibilité et PDCAAS). Selon le rendement et la fonctionnalité des ingrédients protéiques, le procédé sera mis à l’échelle chez GFR Ingredients (Alberta) afin d’obtenir des quantités suffisantes de matériaux pour les tests d’application du produit. Cet nouvel ingrédient pourrait être positionné pour combler le vide de marché dans le secteur émergent des protéines végétales.

Voir la description complète du projet
Superviseur du corps professoral :

Michael Nickerson

Étudiant :

Partenaire :

Aliments pluviaux Ltd.

Discipline :

Sciences de la vie

Secteur :

Fabrication

Université :

Université de la Saskatchewan

Programme :

Accélération

Production micro d’énergie géothermique dans des puits épuisés

Les ingénieurs utilisent la chaleur terrestre pour créer des pompes à chaleur, stocker de l’énergie et générer de l’énergie. Alors que le monde s’éloigne des combustibles au carbone, les ressources géothermiques deviennent de plus en plus attrayantes, promettant des sources d’énergie durables et fiables. Heureusement, l’industrie pétrolière a déjà mis en place des infrastructures pour accéder à cette ressource — puits horizontaux de pétrole et de gaz appauvris forés jusqu’à une profondeur minimale de 1 500 m, où une source de chaleur constante peut être fournie à un minimum d’environ 60 °C. Bien qu’une grande partie de la recherche géothermique se soit concentrée sur la géothermie conventionnelle utilisant le transfert de chaleur par convection à des températures supérieures à 150 °C, ce projet vise à optimiser l’extraction de chaleur à partir des plus grandes étendues de ces puits abandonnés, permettant à son partenaire GeoGen Technologies Inc. de créer un système opérationnel et économique pour réaliser cette extraction — développant ainsi une ressource énergétique durable et atténuant les coûts environnementaux de la fermeture ou du nettoyage des puits.

Voir la description complète du projet
Superviseur du corps professoral :

Abdulmajeed Mohamad

Étudiant :

Partenaire :

GeoGen Technologies

Discipline :

Génie

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de Calgary

Programme :

Accélération

Algorithme de résolution de conflits pour l’application dynamique de règles commerciales

Les solutions d’optimisation et d’aide à la décision logicielles développées par ExPretio comportent un « moteur de règles commerciales » qui permet aux utilisateurs de configurer les modèles d’optimisation par l’ajout de contraintes, de sorte que les résultats produits en sortie respectent des stratégies commerciales de la firme utilisant les logiciels. Comme le mécanisme de règles offre beaucoup de flexibilité aux utilisateurs, il se peut que, par inadvertence, deux ou plusieurs règles soient contradictoires entre elles. Comme les règles ne sont pas évaluées au moment de leur écriture, mais plutôt de manière asynchrone dans le cadre d’un traitement d’optimisation de masse (qui typiquement est exécuté durant la nuit), le logiciel doit être en mesure, par lui-même et sans intervention humaine, de régler efficacement les conflits en relaxant de façon appropriée les règles qui contribuent au conflit.

Voir la description complète du projet
Superviseur du corps professoral :

Gilles Savard

Étudiant :

Partenaire :

ExPretio Inc Technologies

Discipline :

Génie

Secteur :

Technologies de l’information et des communications; Finance et assurance

Université :

École Polytechnique de Montréal

Programme :

Accélération

Évaluation énergétique de l’ombrage par IA – Une technologie d’aveugle intelligente

Le mouvement de la construction écologique dans la conception de bâtiments a mis en lumière l’application des technologies vertes pour réduire la consommation d’énergie et l’empreinte carbone globale des bâtiments résidentiels et commerciaux. En général, environ la moitié de la consommation totale d’énergie d’un bâtiment est consacrée aux besoins en chauffage, climatisation et éclairage [1]. Selon un rapport récent de l’Attachments Energy Rating Council (AERC), les produits de fenestration comme les fenêtres représentent jusqu’à 30% des besoins énergétiques résidentiels en chauffage et climatisation [9]. L’application de systèmes de stores intelligents tels que l’ombrage par IA vise à minimiser la consommation totale d’énergie d’un bâtiment en diminuant la charge de chauffage et de climatisation provenant des fenêtres. Grâce à l’ajustement automatisé de la configuration des stores, les systèmes de stores intelligents réduisent le gain d’énergie solaire intérieure pendant la saison de refroidissement et limitent les pertes d’énergie conductrice intérieure pendant la saison de chauffage. Cette étude vise à évaluer quantitativement le potentiel d’économie d’énergie de l’ombrage par IA pour une application dans les bâtiments résidentiels et commerciaux dans les zones climatiques canadiennes. Un modèle de simulation énergétique généré par ordinateur et une étude de terrain prototype seront utilisés pour évaluer et vérifier la performance de l’ombrage par IA durant les saisons de chauffage et de refroidissement au Canada.

Voir la description complète du projet
Superviseur du corps professoral :

Lexuan Zhong

Étudiant :

Partenaire :

26 Celsius; Ombrage par IA

Discipline :

Génie

Secteur :

les industries de l’information et de la culture; Fabrication; Services professionnels, scientifiques et techniques

Université :

Université de l’Alberta (en anglais)

Programme :

Accélération

Mise à profit de la restauration des espèces indigènes et des techniques de télédétection pour améliorer la mitigation de la poussière à grande échelle

Cette proposition vise à faire progresser des stratégies d’atténuation de la poussière à grande échelle dans les sites de réservoirs hydroélectriques grâce à de meilleurs résultats de revégétalisation et en tirant parti des efforts de revégétalisation pour renforcer davantage la biodiversité locale et les valeurs culturelles. Notre équipe a développé un partenariat stratégique entre des chercheurs universitaires, BC Hydro, des partenaires de l’industrie environnementale et la communauté locale des Premières Nations afin d’offrir une approche interdisciplinaire et informée par les parties prenantes pour la prise de décision, s’appuyant sur les programmes et connaissances existants en matière d’atténuation des réservoirs. En nous concentrant sur le réservoir Williston en Colombie-Britannique, nous cherchons à déterminer quelles espèces végétales sont capables d’offrir le meilleur contrôle de la poussière en l’année et la meilleure stabilité du sol entre les années, avec des processus de sélection des espèces qui priorisent les espèces indigènes ayant une valeur culturelle potentielle pour les communautés locales. Nous utiliserons des essais en laboratoire et en serre pour tester les taux de croissance et le succès d’une gamme d’espèces végétales potentielles, avec ou sans amendements du sol qui pourraient améliorer les conditions de croissance de la zone de prélèvement du réservoir. Les résultats de laboratoire guideront les essais de terrain à grande échelle au réservoir Williston. Ces essais traverseront le paysage topographique complexe de la zone de dégradation, permettant une évaluation continue des changements de performance des plantes selon la localisation et les conditions locales.

Voir la description complète du projet
Superviseur du corps professoral :

Nancy Shackelford; Christopher Bone

Étudiant :

Partenaire :

Chu Cho Industries

Discipline :

Sciences de la Terre

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de Victoria

Programme :

Accélération

Durabilité de la chaîne d’approvisionnement et gestion des risques dans le contexte post-Covid : Évaluation et déploiement des solutions de l’industrie 4.0

La pandémie de COVID-19 a aggravé les défis auxquels font face les fabricants canadiens pour gérer des chaînes d’approvisionnement mondiales de plus en plus complexes et à plusieurs niveaux, incluant un large éventail de questions de durabilité allant du travail forcé à la gestion des émissions de carbone. Les technologies de l’Industrie 4.0 – y compris l’Internet des objets (IoT), la blockchain et l’apprentissage automatique – peuvent potentiellement résoudre ces problèmes grâce à une transparence, une prévisibilité et une fiabilité accrues. Il subsiste toutefois une incertitude considérable quant à la manière dont ces technologies peuvent être déployées, intégrées et gérées. Ce stage de projet soutiendra le Défi Open Innovation « Accélérer la reprise économique en renforçant la résilience dans la fabrication », organisé par Bonjour Startup Montréal en collaboration avec la banque Desjardins. S’appuyant sur une variété de ressources et réseaux de recherche, le stagiaire veillera à ce que les propositions de start-up technologique soient évaluées avec succès et jumelées aux fabricants canadiens cherchant des solutions à leurs défis SSR, contribuant ainsi à favoriser des partenariats précieux entre ces entreprises.

Voir la description complète du projet
Superviseur du corps professoral :

Jose Carlos Marques

Étudiant :

Partenaire :

Bonjour Startup Montréal

Discipline :

Affaires

Secteur :

Autres services (sauf administration publique)

Université :

Université d’Ottawa

Programme :

Stage en stratégie d’affaires

Cadre de modélisation hybride pour la prédiction des inondations

Un cadre informatique hybride pour la prédiction des inondations à court terme dans les bassins versants urbains (caractérisé par le ruissellement terrestre) sera développé afin d’améliorer la précision des prévisions. Le cadre vise à prédire avec précision un événement, par exemple une crue ou une absence d’inondation, contrairement aux méthodes traditionnelles qui estiment les caractéristiques du débit de l’eau, par exemple 6 pieds au-dessus du niveau d’inondation. Une prédiction précoce réussie de ces événements peut aider les autorités à prendre des mesures d’atténuation appropriées et à minimiser les pertes causées par les inondations. Le cadre ne requiert que des données actuelles et historiques sur les niveaux d’eau et les précipitations dans la zone d’intérêt (comme celles recueillies par le réseau de jauges de surveillance des crues de la TRCA). Le développement du nouveau cadre complétera les systèmes de simulation hydrologique existants afin d’améliorer et d’améliorer les services fournis par la TRCA aux agences locales et au public.

Voir la description complète du projet
Superviseur du corps professoral :

Marina Erechtchoukova

Étudiant :

Partenaire :

Autorité de conservation de Toronto et de la région (Toronto, ON)

Discipline :

Informatique

Secteur :

Arts, divertissement et loisirs; Services professionnels, scientifiques et techniques; Administration publique

Université :

Université York

Programme :

Accélération

Évaluation des efforts actuels de modélisation par apprentissage automatique basé sur la vision dans le dépôt d’énergie dirigée sur la prédiction de défauts

Les procédés de dépôt direct d’énergie à base de métal nécessitent idéalement une détection par rétroaction de la qualité du dépôt à l’aide de détecteurs à caméra, car ils fournissent des signatures spatiales et temporelles du procédé. Les algorithmes de traitement d’image sont difficiles à développer en raison de l’évolution des conditions de fonctionnement des processus. Les modèles d’apprentissage automatique ont récemment gagné en popularité grâce à leur capacité à prédire les défauts de procédé à l’aide de diverses technologies de surveillance, et en particulier les caméras à vision. Les architectures existantes de modèles d’apprentissage automatique dans la littérature sont cependant entraînées sur des ensembles de données basés sur des images acquises par enregistrement en cours d’une seule machine AM, d’une configuration de caméra unique et d’un ensemble limité de combinaisons de paramètres influençant le processus. La comparaison des modèles existants est donc difficile. De plus, la généralisabilité de ces modèles est discutable, puisque aucun des modèles n’évalue la performance du modèle sur des données invisibles, acquises à partir d’une configuration de machine DED différente. Une enquête approfondie et une comparaison des architectures actuelles d’apprentissage automatique de pointe sur un vaste ensemble de données diversifié, acquis grâce à la surveillance par caméra de vision de plusieurs machines et configurations DED différentes, manquent cependant. L’objectif de cette recherche est de comparer les architectures d’apprentissage automatique de pointe qui utilisent des caméras à vision pour prédire les défauts lors du dépôt de matériaux métalliques à l’aide de machines DED.

Voir la description complète du projet
Superviseur du corps professoral :

Mihaela Luminita Vlasea

Étudiant :

Partenaire :

Fondation I-INC pour le développement des affaires

Discipline :

Génie

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de Waterloo

Programme :

Accélération

La créativité numérique au service des arts de la scène : Le cas du Quartier des spectacles de Montréal

La ville de Montréal est reconnue pour sa dynamique culturelle et festive. Aujourd’hui et afin d’appuyer cette réputation, de nombreuses opportunités voient le jours et de nouveaux modes de création et de diffusions émergent. Le but de cette recherche est de rendre compte de la place accordée aux arts numériques au sein des arts de la scène comme forte valeur ajoutée touristique pour la ville de Montréal. Cette étude se réalisera conjointement avec le Partenariat du quartier des spectacles, acteur majeur du développement culturel et ayant pour mandat de favoriser la création, l’innovation, la production et la diffusion culturelle au sein de ce quartier du centre-ville.

Voir la description complète du projet
Superviseur du corps professoral :

Paul Arseneault

Étudiant :

Partenaire :

Quartier des Spectacles

Discipline :

Sociologie

Secteur :

Arts, divertissement et loisirs

Université :

Université du Québec à Montréal

Programme :

Accélération

Comprendre l’apprentissage des raccourcis pour entraîner des réseaux de neurones profonds en vision par ordinateur

Ces dernières années ont connu un grand succès dans l’utilisation de l’apprentissage profond dans des ensembles de données publics et standardisés comme ImageNet. Cependant, les méthodes d’apprentissage profond ne fonctionnent pas aussi bien dans de nombreuses applications réelles comme les ensembles de données d’imagerie médicale. Une raison potentielle de ce défi est que les modèles d’apprentissage profond ont tendance à apprendre des caractéristiques superficielles (aussi appelées caractéristiques fallacieuses) telles que la texture, la couleur, etc., qui ne font que correspondre aux étiquettes au lieu de caractéristiques discriminatives pouvant expliquer les étiquettes. En imagerie médicale en particulier, l’apprentissage des raccourcis pourrait potentiellement avoir des conséquences fatales. Par conséquent, comprendre ce phénomène et prendre des mesures pour le prévenir peut améliorer les réseaux neuronaux en termes de performance, de généralisabilité à des démographies invisibles et d’interprétabilité. Dans ce projet, nous explorerons des techniques d’apprentissage des représentations pour apprendre des traits généralisables. Nous étudierons l’efficacité de ces techniques sur des références qui reflètent mieux les propriétés des problèmes réels d’imagerie médicale.

Voir la description complète du projet
Superviseur du corps professoral :

Samira E Kahou

Étudiant :

Partenaire :

Imagia

Discipline :

Informatique

Secteur :

les industries de l’information et de la culture; Services professionnels, scientifiques et techniques

Université :

École de technologie supérieure

Programme :

Accélération

Panneaux de béton durables bioagrégés pour bâtiments agricoles

Cette recherche vise à utiliser les déchets agricoles dans la production de panneaux de béton durables et écologiques pour les planchers et murs des bâtiments agricoles. Les performances mécaniques et durables des panneaux de béton exposés à l’environnement agricole agressif seront évaluées. La recherche étudiera les effets de différents facteurs principalement liés aux propriétés physiques des déchets usagés et des matériaux liants. Cette recherche de pointe sur la réutilisation/recyclage des déchets agroalimentaires dans les matériaux de construction permettra à l’IRDA de transformer ces déchets de façon économique et durable en un produit à forte valeur. L’IRDA dirigera la recherche dans ce domaine, axée sur le développement et l’innovation de matériaux de construction durables pour les bâtiments agricoles et diverses applications de construction, avec un impact mesurable anticipé sur les spécifications canadiennes pour le béton.

Voir la description complète du projet
Superviseur du corps professoral :

Ahmed Soliman

Étudiant :

Partenaire :

Institut de Recherche et de Développement en Agroenvironnement

Discipline :

Génie

Secteur :

Agriculture; Éducation; Services professionnels, scientifiques et techniques

Université :

Université Concordia

Programme :

Accélération

Explorer l’utilité de TVISFD avec MLSE LaunchPad à Moss Park

MLSE LaunchPad est un organisme de sport pour le développement (SFD) situé à Moss Park, Toronto, qui utilise le sport et l’activité physique pour bâtir des communautés en santé. Une approche informée des traumatismes et de la violence est une pratique thérapeutique utilisée pour offrir des espaces sécuritaires et inclusifs aux jeunes traumatisés, cependant, elle est rarement intégrée dans les programmes SFD. En collaboration avec MLSE Launchpad, cette recherche explorera comment les approches informées par le traumatisme et la violence sont utilisées dans le SFD pour prévenir la violence basée sur le genre et les inégalités de santé qui se croisent. Les participants à la recherche participeront à des méthodes artistiques et à des entrevues pour discuter de leurs expériences dans la programmation sportive, y compris comment leur identité de genre a influencé leurs expériences, et comment ces programmes ont eu un impact sur leur santé et leur bien-être.

Voir la description complète du projet
Superviseur du corps professoral :

Lyndsay Hayhurst

Étudiant :

Partenaire :

MLSE LaunchPad

Discipline :

Sociologie

Secteur :

Arts, divertissement et loisirs

Université :

Université York

Programme :

Accélération

Précédent
1...1,4691,4701,4711,4721,4731,4741,475...2,473
Suivant

Rejoignez un écosystème d’innovation florissant.

Abonnez-vous à notre infolettre dès maintenant!

Abonnez-vous