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

Infrastructures de suivi intelligentes à l’aide de réseaux sans fil avec des capacités de surveillance vision-audio

Les technologies sans fil offrent de nouvelles possibilités dans le domaine des télécommunications et des réseaux informatiques. Les réseaux de capteurs sans fil sont une nouvelle technologie qui a émergé après les grands progrès technologiques dans le développement de capteurs intelligents et de processeurs puissants. La ville de Trois-Rivières est présentement au cœur d’un projet de développement d’un système d’éclairage public intelligent soumis à détection de mouvement. Le système sera équipé de capacités de vision-audio pour la sécurité publique. Les principaux objectifs de ce projet de recherche sont d’améliorer l’efficacité massive de l’analyse des données et d’améliorer la sécurité de l’information grâce à une conception optimisée pour le réseau de capteurs multimédias sans fil. Le développement et la validation de principe d’un tel système permettront à l’organisation partenaire d’avoir une veille technologique sur la sécurité et la surveillance à l’aide de la technologie maillée et de développer de nouveaux produits mobiles. La dernière en date étendra son marché à d’autres régions et éventuellement au niveau international.

Voir la description complète du projet
Superviseur de la faculté :

Adel Omar Dahmane

Etudiant :

Ghassene Gadhoum & Ahmed Refaey Hussein

Partenaire :

Centre collégial de transfert de technologie en télécommunications

Discipline :

Ingénierie - informatique / électrique

Secteur :

Technologies de l’information et des communications

Université :

Université du Québec à Trois-Rivières

Programme :

Accélération

Dispositif de test génétique au point de service basé sur la fibre optique

Les tests d’ADN au point de service ont pris de l’importance au cours des dernières années. L’incorporation de dispositifs chez l’hospitalisé à côté du traitement nécessite des délais d’attente rapides pour obtenir des résultats ainsi que la faisabilité économique. Spartan Bioscience, une société de biotechnologie locale, a développé une technologie qui peut détecter des anomalies dans l’ADN d’une personne. Dans le but de développer la technologie de prochaine génération, Spartan Bioscience a collaboré avec plusieurs facultés de l’Université Carleton pour développer une plate-forme qui aura amélioré le rendement. L’appareil utilise la technologie de base et les techniques de fibre optique de Spartan lancées à l’Université Carleton. Les équipes conjointes fabriqueront un dispositif de validation de principe qui, espérons-le, mènera à un développement de produit complet.

Voir la description complète du projet
Superviseur de la faculté :

Drs Jacques Albert et William Willmore

Etudiant :

Hubert Jean-Ruel et Jason Koppert

Partenaire :

Spartan Bioscience

Discipline :

Ingénierie - biomédicale

Secteur :

Sciences de la vie

Université :

Université Carleton

Programme :

Accélération

Conception mécanique et améliorations de l’entraînement électrique pour le prototype à une seule place de Moovee

Un concept émergent dans les systèmes de transport urbain est l’utilisation de petits véhicules électriques qui répondent à la demande de mobilité personnelle fermée. Ces types de véhicules sont généralement petits et légers, mais nécessitent beaucoup moins d’espace que les véhicules plus conventionnels tels que la voiture intelligente. De plus, le véhicule est entièrement électrique à batterie. Les développements récents ont utilisé des moteurs électriques innovants dans les roues montés sur des plates-formes en fibre de carbone. Dans de tels systèmes, chaque unité de roue contient un moteur d’entraînement activé avec le freinage par récupération, la direction et la suspension, le tout contrôlé numériquement par un ordinateur. Le concept de moteur dans la roue permet des manœuvres telles que la rotation sur le propre axe de la roue, le déplacement latéral dans des espaces de stationnement parallèles et les changements de voie tout en faisant face à la ligne droite. De plus, le véhicule est pliable, ce qui réduit les besoins en espace lorsqu’il est stationné. Le mécanisme de pliage permet également la sécurité dans les scénarios de collision. Les caractéristiques ci-dessus rendent le véhicule idéal pour les villes surpeuplées avec des espaces limités. L’activité proposée comprend des améliorations à l’entraînement électrique et à la conception des mécanismes du véhicule Insectra de Moovee et leur démonstration de validation de principe.

Voir la description complète du projet
Superviseur de la faculté :

Drs Mehrdad Moallem et Farid Golnaraghi

Etudiant :

Chen-yu Hsieh & Amir Maravandi

Partenaire :

Moovee Innovation Inc.

Discipline :

Génie

Secteur :

Automobile et transport

Université :

Université Simon Fraser

Programme :

Accélération

Détection d’objets 3D en temps réel et estimation de la pose à partir de plusieurs caméras

Le projet vise à construire un système de détection d’objets 3D en utilisant un certain nombre d’images de plusieurs caméras. Le système s’entraînera sur les instances d’objets pour détecter d’autres instances du même objet. Cela signifie que si, par exemple, nous voulons détecter une sphère, nous ferons en sorte que le système apprenne à quoi ressemble une sphère en donnant quelques exemples d’images. Maintenant, lorsque le système rencontre un nouvel objet qui ressemble aux images d’exemple, le système détectera le nouvel objet comme une sphère. De même, le système s’entraînera pour la détection d’objets plus complexes. Un autre composant du système est la détection de pose qui détectera l’orientation de l’objet infecté. Cela signifie que si l’objet détecté est un cylindre, le système détectera si le cylindre est debout, couché horizontalement ou placé dans une autre orientation.

Voir la description complète du projet
Superviseur de la faculté :

Dr Sven Dickinson

Etudiant :

Amanjot Kaur

Partenaire :

Epson Canada Ltée

Discipline :

Informatique

Secteur :

Biens de consommation

Université :

Université de Toronto

Programme :

Accélération

Recherche sur la conception de l’interface utilisateur du logiciel 3D

Comment définir les besoins de l’utilisateur avec précision et concevoir l’interface utilisateur de manière appropriée ont été un domaine de recherche très actif concerné par l’interaction homme-ordinateur et la conception graphique. En raison de l’échelle et de la complexité des logiciels d’animation tridimensionnels (3D), prendre des décisions de conception correctes devient plus difficile. Houdini est un logiciel d’animation 3D ainsi que le principal produit des effets secondaires. L’utilisation d’un logiciel d’animation 3D est toujours très difficile pour les utilisateurs. Cela nécessite des courbes d’apprentissage plus longues ainsi que des connaissances interdisciplinaires. Avec l’augmentation du temps d’utilisation, les utilisateurs se familiarisent avec les fonctions et la mise en page de Houdini et ils s’avèrent être des utilisateurs experts. D’autre part, les apprentis utilisateurs peuvent avoir de l’expérience d’autres logiciels d’animation 3D ou n’avoir aucune expérience avec un logiciel similaire. Les conflits entre les utilisateurs experts et les utilisateurs apprentis découlent des différentes exigences et attentes de Houdini. Ce projet de recherche aidera Houdini à mettre en place un processus de conception standard, y compris la collecte de données, l’extraction des besoins des utilisateurs et la prise de décisions de conception.

Voir la description complète du projet
Superviseur de la faculté :

Dr Eugene Fiume

Etudiant :

Shuyuan Ma

Partenaire :

Logiciel d’effets secondaires

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Université de Toronto

Programme :

Accélération

Au-delà du livre

Le but ultime de ce projet est de concevoir et de développer des méthodes et des outils pour classer les attributs des livres tels que le genre, le style, le ton et la probabilité d’être populaire. À cette fin, nous utiliserons divers types d’informations disponibles sur les livres et les utilisateurs du catalogue Kobo, y compris le texte, les métadonnées associées au texte et les fonctionnalités utilisateur associées aux lecteurs du texte. Il s’agit d’une entreprise de grande envergure. Dans un premier temps, le stagiaire et l’équipe de recherche s’attaqueront au problème de la classification des genres, tout en gardant à l’esprit que la tâche fait partie d’une collection d’outils de marquage automatique souhaités pour les livres. Grâce à l’utilisation de techniques de PNL et d’apprentissage automatique, les livres peuvent être catégorisés et renvoyés aux lecteurs via les intérêts qu’ils ont exprimés. Ce projet est susceptible de fournir des informations précieuses sur les livres et les lecteurs, permettant à Kobo de fournir aux utilisateurs des recommandations de meilleure qualité, des listes de lecture intéressantes et une compréhension plus approfondie des livres et des utilisateurs.

Voir la description complète du projet
Superviseur de la faculté :

Dr Brendan Frey

Etudiant :

Sagun Bajracharya

Partenaire :

Kobo Inc.

Discipline :

Ingénierie - informatique / électrique

Secteur :

Médias numériques

Université :

Université de Toronto

Programme :

Accélération

Traitement et analyse des mégadonnées

Addictive Mobility est l’une des principales entreprises de publicité en ligne au Canada. Le succès des campagnes publicitaires génère la majorité des revenus de l’entreprise. L’exploration de techniques avancées d’apprentissage automatique pour contrôler efficacement les performances d’une publicité est cruciale pour la stratégie de l’entreprise. L’objectif du projet proposé est d’optimiser le système d’appel d’offres en temps réel en ce sens que la livraison a été effectuée en temps réel et dans un intervalle de temps de 100 ms. Comme nous l’avons mentionné, ce problème est très complexe et nous pouvons le diviser en plusieurs sous-problèmes dont chacun peut être un domaine majeur de l’apprentissage automatique.

Voir la description complète du projet
Superviseur de la faculté :

Dr Anthony Bonner

Etudiant :

Guilherme Trein

Partenaire :

Mobilité addictive

Discipline :

Informatique

Secteur :

Médias numériques

Université :

Université de Toronto

Programme :

Accélération

Génération de profil utilisateur pour le ciblage publicitaire mobile

Le ciblage publicitaire personnalisé est l’une des caractéristiques les plus importantes pour assurer le succès d’une campagne publicitaire - par exemple, les camionnettes Ford F-150 sont mieux montrées aux travailleurs de la construction que les adolescentes. Un autre aspect important de la personnalisation des publicités est le plafonnement de la fréquence des annonces. Par exemple, afficher la même annonce 100 fois pour 1 utilisateur entraînera l’exclusion d’un budget pour les autres, ce qui peut faire ou défaire une campagne publicitaire. Pour généraliser la stratégie de ciblage entre les utilisateurs qui n’ont pas été observés dans le passé, soit en raison d’un manque de données, soit en raison de nouveaux utilisateurs, nous visons à développer des méthodes de clustering basées sur une mesure de similarité qui reçoit les fonctionnalités utilisateur en entrée, puis à affecter le nouvel utilisateur à un groupe d’utilisateurs.

Voir la description complète du projet
Superviseur de la faculté :

Dr Anthony Bonner

Etudiant :

Megha Lakshmi Narayanan

Partenaire :

Mobilité addictive

Discipline :

Informatique

Secteur :

Médias numériques

Université :

Université de Toronto

Programme :

Accélération

Toits verts comme outil de gestion des eaux pluviales

Le stagiaire entreprendra un projet qui analysera plusieurs structures de drainage d’un toit vert expérimental tout en développant un modèle numérique pour imiter les résultats obtenus expérimentalement. De plus, le stagiaire participera également à l’élaboration d’un plan de gestion intégrée des eaux pluviales et de méthodes de développement à faible impact. L’organisation partenaire bénéficiera de l’élaboration d’une conception plus efficace du drainage du toit vert ainsi que d’un modèle numérique créé pour simuler les changements de conception.

Voir la description complète du projet
Superviseur de la faculté :

Dre Loretta Li

Etudiant :

Calvin Kemm

Partenaire :

Kerr Wood Leidal Associates Ltd.

Discipline :

Ingénierie - civil

Secteur :

Construction et infrastructure

Université :

Université de la Colombie-Britannique

Programme :

Accélération

Visualisation des données intégrant la collaboration sociale pour la gestion des actifs

Dans le cadre de ce projet de recherche, le stagiaire étudiera le potentiel de la visualisation des données intégrant un élément de collaboration sociale lié aux types de données typiques dans la gestion des actifs. L’organisation partenaire Riva Modeling Systems bénéficiera de la recherche proposée en fournissant à ses clients un outil de gestion des actifs amélioré qui permet à divers groupes ou individus au sein de l’organisation cliente de collaborer dans diverses vues de données et de voir leurs enregistrements d’interaction sur le tableau de bord central avec des données visualisées. L’impact de cette amélioration comprendrait qu’elle distinguerait l’entreprise de ses concurrents avec cette nouvelle fonctionnalité de collaboration et qu’elle permettrait aux organisations clientes de s’engager dans une collaboration plus efficace et d’obtenir des résultats plus optimaux dans la gestion des actifs.

Voir la description complète du projet
Superviseur de la faculté :

Dr Eugene Fiume

Etudiant :

Qi Wang

Partenaire :

Systèmes de modélisation Riva

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Université de Toronto

Programme :

Accélération

Gestion des actifs à l’aide de techniques d’apprentissage automatique

Effectuer une recherche exploratoire pour étudier le potentiel d’extraction de connaissances en agrégeant des données historiques entre les clients de l’entreprise et en leur appliquant des techniques d’apprentissage automatique. L’objectif est de mettre en forme des modèles de prédiction qui peuvent prévoir l’état de certains événements (tels que la durée de vie des pipelines) à l’aide d’une analyse statistique. Riva Modeling ( organisation partenaire) bénéficiera des résultats de la recherche en étant en mesure de tirer des inférences plus significatives de la grande quantité de données historiques disponibles auprès des clients. Le plus grand avantage de la recherche va aux clients de Riva, qui comprend plus de 15 municipalités canadiennes et d’autres villes et services publics aux États-Unis, en Australie et en Nouvelle-Zélande. La recherche permettrait de réaliser d’importantes économies dans les dépenses d’entretien de leurs actifs.

Voir la description complète du projet
Superviseur de la faculté :

Dr Eugene Fiume

Etudiant :

Sreekumar Rajan

Partenaire :

Systèmes de modélisation Riva

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Université de Toronto

Programme :

Accélération

Analyse des mégadonnées pour la gestion de flotte GPS

Le projet développera une stratégie d’exploration de données sur la façon d’utiliser efficacement les données de Geotab provenant de plusieurs sources pour isoler les journaux de connectivité réseau dans les données de Geotab, interpoler les coordonnées GPS associées aux journaux réseau, acquérir des taux de consommation de carburant et des opportunités connexes. Il impliquera une étude de la littérature des algorithmes existants pour obtenir des informations précieuses. Il comprendra également un élément de recherche important pour analyser, comprendre et développer les tendances à l’aide des données disponibles pour comparer et corelater les résultats. Les stagiaires doivent s’efforcer d’enrichir les fichiers de données au besoin, de comparer le rendement des fournisseurs de sources de mégadonnées, de télécharger les données vers la source de mégadonnées et d’utiliser les outils de visualisation des données appropriés pour la productivité et la sécurité de la flotte.

Voir la description complète du projet
Superviseur de la faculté :

Dr Mariano Consens

Etudiant :

Vandana Saini et Fiona (Yi) Zhao

Partenaire :

Géotab

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Université de Toronto

Programme :

Accélération

Précédent
1...653654655656657658659...1,106
Suivant

Joignez-vous à un écosystème d’innovation florissant.

Abonnez-vous à notre infolettre dès maintenant!

S’inscrire