Projets innovants réalisés

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

13270 Projets terminés

1072
AB
2795
C.-B.
430
MO
106
NF
348
SK.
4184
L’ONT
2671
QC (EN)
43
PE
209
N.-B.
474
N.-S.

Projets par catégorie

10%
Informatique
9%
Génie
1%
Ingénierie - biomédicale
4%
Ingénierie - chimique / biologique

Effet de la stimulation électrique neuromusculaire à l’aide du système StimaWELL 120MTRS sur la morphologie et la fonction musculaires multifides chez les patients souffrant de lombalgie chronique

La lombalgie chronique est un problème de santé important en Amérique du Nord. Les patients atteints de CLBP démontrent des changements structurels et une fonction réduite du muscle multifidus, ce qui est important pour la santé lombaire. La stimulation électrique neuromusculaire (NMES) est un traitement utilisé pour améliorer la douleur et la fonction chez les patients souffrant de douleurs lombaires, mais elle est souvent douloureuse. Notre partenaire a développé un dispositif (le tapis de stimulation StimaWELL 120MTRS) qui est moins douloureux pour les patients, mais ses effets sur la structure et la fonction multifidus sont inconnus. Par conséquent, notre objectif de recherche est de déterminer si ce dispositif peut améliorer la structure et la fonction du multifidus chez les patients CLBP. Notre partenaire bénéficiera de l’accès aux mesures d’échographie et d’IRM que nous fournirons, et de faire évaluer l’efficacité de son appareil lors d’un essai clinique.

Voir la description complète du projet
Superviseur de la faculté :

Maryse Fortin ; Geoffrey Dover ; Mathieu Boily

Etudiant :

Daniel Wolfe

Partenaire :

StimaFit

Discipline :

Kinésiologie

Secteur :

Services professionnels, scientifiques et techniques

Université :

Programme :

Accélération

Analyse prédictive de la chaîne d’approvisionnement de la vente au détail

Le projet vise à prédire la demande des clients pour les petites et moyennes entreprises. Des modèles de prévision seront élaborés pour analyser les données historiques afin de comprendre les tendances et les corrélations. L’apprentissage automatique sera appliqué pour déterminer comment la précision peut être améliorée par rapport aux méthodes statistiques existantes, telles que l’analyse de régression de Fourier qui est couramment utilisée dans la gestion de la chaîne de demande de détail. Le modèle de prévision de la demande examinera le comportement des clients et le contexte entourant ce comportement, y compris les vacances à venir, la météo ou un événement récent tel que COVID-19. Le principal avantage du projet est d’aider les entreprises à mieux relever de nombreux défis en raison de l’incertitude de la demande. En particulier, il aidera les entreprises à élaborer des stratégies efficaces pour améliorer la gestion des ressources.

Voir la description complète du projet
Superviseur de la faculté :

Michael Zhang

Etudiant :

Nikhil Bhatia

Partenaire :

Technologies d’analyse

Discipline :

Informatique

Secteur :

Autre

Université :

Université Saint Mary’s

Programme :

Accélération

Améliorer la portée et la pénétration de l’industrie mondiale de la pomme de terre à l’aide de stratégies multicanaux axées sur les données

Food Innovation Online Corp (FIO) est une entreprise du Nouveau-Brunswick (N.-B.) qui exploite un site Web ciblant l’industrie mondiale de la pomme de terre. Ce site Web – PotatoPro.com – est le site Web n ° 1 dans le secteur de la pomme de terre dans le monde entier. En conséquence, l’entreprise a accès à une grande quantité de données sur les intérêts et les besoins d’information de ce secteur.

Pour amener cela au niveau supérieur, l’entreprise a décidé de passer à un modèle de décision plus formel axé sur les données. Pour ce faire, les données provenant de diverses sources seront rassemblées dans une seule base de données et analysées à l’aide d’un logiciel d’intelligence d’affaires et utilisées pour des décisions stratégiques ainsi que pour la personnalisation et l’automatisation du marketing.

PotatoPro a toujours soutenu divers événements en personne dans l’industrie de la pomme de terre. La crise actuelle de la COVID-19 a brusquement mis fin à ces contacts en personne, provoquant une augmentation soudaine du besoin de commercialisation en ligne des produits dans le secteur de la pomme de terre. FIO essaie d’utiliser sa position forte dans le secteur pour répondre à cette demande. Pour bénéficier de la situation actuelle, l’entreprise a lancé son nouveau site Web tôt et accélère le développement des capacités d’analyse et de marketing.

Voir la description complète du projet
Superviseur de la faculté :

Dinesh Gajurel ; Bharat Bhushan Verma

Etudiant :

Haridas Patel

Partenaire :

Food Innovation Online Corp

Discipline :

Gestion des ressources et de l’environnement

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université du Nouveau-Brunswick

Programme :

Accélération

Tester la capacité de biofiltration d’un système de parois vertes hydroponiques pour les COV en suspension dans l’air

La pollution de l’air est liée à 7 millions de décès dans le monde, ce qui fait de la qualité de l’air l’une des dix principales causes de décès dans le monde. Quatre-vingts pour cent des Canadiens vivent dans des villes, et de plus en plus de données probantes suggèrent que l’air intérieur dans l’environnement bâti a des effets importants sur la santé. Notre recherche évaluera les capacités d’élimination des contaminants d’un biofiltre actif « mur vivant » conçu par une entreprise canadienne pour un usage résidentiel. Nous effectuerons une séquence d’expériences, y compris des expériences à court et à long terme pour déterminer les différences entre l’entrée et l’écoulement d’air qui a traversé le mur vivant hydroponique après avoir été exposé à des niveaux représentatifs de contaminants organiques volatils dans l’air intérieur. New Earth Solutions recevra des résultats sur la performance de base de leur unité ainsi que sur les contributions relatives des composants de l’unité (par exemple, la capacité d’élimination des contaminants du substrat synthétique poreux ; l’eau d’irrigation hydroponique fertilisée, les plantes, etc.).

Voir la description complète du projet
Superviseur de la faculté :

Stéphanie Melles

Etudiant :

Corbin Sparks

Partenaire :

Nouvelles solutions terrestres

Discipline :

Biologie

Secteur :

Fabrication

Université :

Université métropolitaine de Toronto

Programme :

Accélération

Un cadre d’évaluation de l’impact climatique fondé sur l’IA pour les infrastructures dans le Nord du Canada

Le dégel du pergélisol, en raison des changements climatiques ou des modifications du bilan énergétique de la surface du sol, pose des menaces importantes pour les infrastructures et les collectivités du Nord du Canada. Une étape principale vers la conception d’infrastructures résilientes consiste à évaluer la menace climatique (exposition) et à prédire la réponse de l’infrastructure (vulnérabilité). La stabilité du pergélisol est corrélée aux changements dans les températures de surface du sol. Cependant, les projections de haute qualité de la température de surface - une entité importante dans les simulations d’ingénierie - ne sont pas souvent disponibles.
Dans le cadre de ce projet, un cadre géomécanique fondé sur l’IA sera élaboré afin de prévoir et d’évaluer l’intégrité des infrastructures nordiques touchées par la dégradation du pergélisol. De plus, des analyses du cycle de vie seront effectuées pour comparer les avantages et les inconvénients des solutions d’atténuation populaires contre le dégel du pergélisol.
Les résultats seront traités sous plusieurs formes, telles que des ensembles de données standard, des couches d’information géospatiales, des cartes interactives et une API de service Web à la demande, qui seront utilisées par un large éventail d’intervenants dans diverses applications, y compris la conception technique et la maintenance, l’agriculture, l’hydrologie, l’élaboration de politiques et la gestion des risques.

Voir la description complète du projet
Superviseur de la faculté :

Pooneh Maghoul ; Ahmed Shalaby

Etudiant :

Ali Fatolahzadeh Gheysari

Partenaire :

Discipline :

Ingénierie - civil

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université du Manitoba

Programme :

Accélération

Prédiction des mouvements du conducteur à l’aide de classifications du comportement des véhicules

Une partie importante de la prise de décision, de la planification des trajectoires et des algorithmes de navigation pour les véhicules autonomes (AV) reposent fortement sur une estimation précise de l’emplacement actuel ainsi que des trajectoires futures des usagers de la route environnants. Il existe différents types de conducteurs dans les environnements urbains, et un conducteur humain expert identifiera les conducteurs dangereux et les évitera en conséquence. Cependant, les systèmes de conduite autonome existants traitent souvent tous les véhicules voisins de la même manière et ne prennent pas de mesures pour éviter les conducteurs dangereux.
Pour la sécurité active et les temps de réaction réduits, les véhicules autonomes de Gatik doivent prédire avec précision les comportements des agents environnants pour être en mesure de prendre des décisions complexes sûres et fiables telles que la fusion, les virages à gauche non protégés, le changement de voie,
etc.
L’objectif de ce projet de recherche est de développer de nouvelles techniques pour permettre un comportement précis et fiable du conducteur
pour assurer des réactions plus sûres en évitant les conducteurs, les piétons et les cyclistes dangereux voisins ;
navigation efficace autour de conducteurs prudents.

Voir la description complète du projet
Superviseur de la faculté :

Krzysztof Czarnecki

Etudiant :

Prarthana Bhattacharyya

Partenaire :

Gatik Inc. (en)

Discipline :

Ingénierie - informatique / électrique

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université de Waterloo

Programme :

Accélération

Annotation automatique du score cardiaque vertébral et de l’angle du plateau tibial dans les images radiographiques

Les travaux proposés combinent l’intelligence artificielle et la médecine diagnostique. À l’aide d’images radiographiques, les radiologistes et les vétérinaires peuvent effectuer un éventail de mesures pour évaluer la santé des patients. Dans un cadre vétérinaire, des mesures et des annotations standard sont effectuées sur des images radiographiques pour évaluer la santé du cœur et du genou chez les canines, à savoir le score cardiaque vertébral (VHS) et l’angle du plateau tibial (TPA). À condition d’une base de données d’images radiographiques connexes, le stagiaire choisi peut développer une méthode pour placer automatiquement des annotations et effectuer ces mesures grâce à des applications d’apprentissage automatique. Les méthodes mises au point dans le cadre de cette recherche s’appliqueront immédiatement à l’organisme partenaire ; ces outils seront intégrés au système d’imagerie par rayons X d’iMi pour une utilisation dans les cliniques vétérinaires. De plus, les méthodes développées permettront à iMi de mettre en œuvre rapidement de nouvelles modalités d’auto-annotation dans les cliniques humaines et vétérinaires.

Voir la description complète du projet
Superviseur de la faculté :

Youmin Zhang

Etudiant :

Masuda Akter Tonima

Partenaire :

Innotech Medical Industries Corp

Discipline :

Ingénierie - mécanique

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université Concordia

Programme :

Accélération

Évaluation adaptative alimentée par l’IA

Ce projet met l’accent sur le problème du temps et des ressources humaines impliquées dans la réalisation d’une évaluation sécurisée du pré-recrutement ou de la formation hors ligne / en ligne. Nous proposons une plate-forme sécurisée en ligne alimentée par l’intelligence artificielle et l’apprentissage automatique pour des évaluations en ligne sûres et fluides, bénéficiant d’un processus de reporting avancé et automatisé pour gagner du temps et garantir que les bonnes décisions sont prises concernant le rendement des employés.

Voir la description complète du projet
Superviseur de la faculté :

Jonathan Anderson

Etudiant :

Chukwuebuka Jude Amaefula

Partenaire :

Owlya

Discipline :

Informatique

Secteur :

Services professionnels, scientifiques et techniques

Université :

Université Memorial de Terre-Neuve

Programme :

Plateforme de sélection et d’évaluation des candidats de nouvelle génération présentant un profilage psychologique par ludification

Ce projet est la première étape pour fournir la plate-forme de recrutement d’écureuils pourpres de Thinking North pour aller au-delà de l’appariement traditionnel avec un nouveau processus de jumelage de candidats holistique soutenu par des données. Afin de fournir un système robuste, Thinking North collabore avec l’École de conception de logiciels et de science des données de Seneca pour utiliser des techniques avancées d’intelligence artificielle et de ludification pour combiner la « psychologie » et la « ludification », connues sous le nom de « psychification », afin d’améliorer l’aspect de sélection pour un processus de recrutement. Psychification s’appuie sur les données de Thinking North pour créer un moyen gamifié et interactif d’évaluer la motivation des candidats pour des postes vacants dans certaines industries technologiques. Cette plate-forme de psychification et de dépistage profitera aux entreprises qui sont confrontées au besoin de rapidité et de précision dans le recrutement. Plus précisément, nous nous attaquons à l’économie émergente à la demande, où la dotation en personnel pour les projets et les engagements plus courts exige un processus encore plus efficace que ce que nous avons vu auparavant.

Voir la description complète du projet
Superviseur de la faculté :

Mark Buchner

Etudiant :

Ylva Birgersdotter ; Ruiqi Yu ; Mahshid Farrahinia

Partenaire :

Penser le Nord

Discipline :

Conception

Secteur :

Finance, assurance et affaires

Université :

Collège Seneca

Programme :

Accélération

Cadre de retour sur investissement des loisirs de plein air basés sur la nature

Le projet permettra d’élaborer un cadre conceptuel pour quantifier la valeur des loisirs axés sur la nature. L’outil mettra l’accent sur l’amélioration de la santé physique, l’amélioration de la santé mentale et les avantages pour la santé associés à une meilleure protection de l’écosystème. L’outil fournira aux organismes provinciaux, municipaux et communautaires un mécanisme pour appuyer les décisions éclairées en matière de programmes, de politiques et de planification et aidera les utilisateurs à mieux comprendre et communiquer la valeur des investissements dans les loisirs de plein air axés sur la nature.

Voir la description complète du projet
Superviseur de la faculté :

Jeffrey Wilson

Etudiant :

David Billedeau

Partenaire :

E2INNpact

Discipline :

Sciences de l’environnement

Secteur :

Autre

Université :

Université de Waterloo

Programme :

Accélération

Identification d’étiquettes de poissons acoustiques périodiques à haute fréquence avec apprentissage profond

Innovasea produit des étiquettes de poissons et des récepteurs pour suivre la présence et le mouvement des poissons et des mammifères marins sous l’eau. Le suivi des poissons (télémétrie acoustique) est utilisé par les chercheurs du monde entier pour déterminer l’abondance et les habitudes de la vie marine, prendre des décisions sur les saisons de pêche et les prises autorisées, et aider à protéger les mammifères marins. Innovasea a développé une nouvelle technologie d’étiquette à haute fréquence qui convient aux très petits poissons et génère des trajectoires plus précises. Cependant, les nouvelles étiquettes de poissons plus petites n’envoient aucune information d’identification explicite, de sorte que les signaux d’une étiquette de poisson spécifique sont isolés du bruit de fond et d’autres étiquettes de poisson en fonction de la période et / ou du modèle des signaux. Pour obtenir des trajectoires de suivi des poissons utiles, Innovasea applique actuellement un traitement manuel qui nécessite des connaissances spécialisées.
Dans ce projet, nous appliquerons des techniques avancées d’apprentissage profond aux grands ensembles de formation traités manuellement fournis par Innovasea pour éliminer les étapes de prétraitement manuel. Le projet est délimité par une phase initiale pour tester la faisabilité du concept et les phases suivantes pour le développement dans le but éventuel de faire passer le système prototype le plus performant à un système entièrement réalisé pour filtrer les données Innovasea.

Voir la description complète du projet
Superviseur de la faculté :

Stan Matwin

Etudiant :

Santosh Kumar Medisetty ; Oliver Kirsebom

Partenaire :

InnovaSea Marine Systems Canada Inc. (En)

Discipline :

Informatique

Secteur :

Fabrication

Université :

Université Dalhousie

Programme :

Accélération

Diagnostic automatisé de la fibrose et de la stéatose hépatiques à l’aide d’algorithmes d’apprentissage profond appliqués à l’échographie hépatique conventionnelle

La stéatose hépatique non alcoolique (NAFLD) est l’un des troubles du foie les plus courants dans le monde. Nafld pourrait mener à l’affection hépatique de phase finale et considéré comme l’une des causes les plus communes de la transplantation de foie. De plus, un grand nombre de receveurs d’une greffe du foie développent une NAFLD après la transplantation en raison des effets secondaires des médicaments qu’ils doivent utiliser pour garder leur nouveau foie en bonne santé. Bien que la biopsie du foie ait été utilisée pendant une longue période pour évaluer l’état du foie, elle est associée à un risque de saignement et d’autres effets secondaires. Par conséquent, nous visons à améliorer la méthode d’échographie hépatique simple en ajoutant des algorithmes d’intelligence artificielle aux images obtenues à partir de cette méthode pour diagnostiquer la NAFLD et d’autres troubles hépatiques après la transplantation. Ce faisant, les cliniciens seront en mesure d’effectuer une échographie hépatique en temps réel sans avoir besoin de diriger les patients vers un radiologiste pour la procédure.

Voir la description complète du projet
Superviseur de la faculté :

Mamatha Bhat

Etudiant :

Amirhossein Azhie

Partenaire :

MEDO.ai

Discipline :

Médecine

Secteur :

Université :

Université de Toronto

Programme :

Accélération