Projets novateurs réalisés

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

13270 Projets achevés

1072
AB
2795
C.-B.
430
MB
106
NF
348
SK
4184
ON
2671
QC
43
PE
209
NB
474
NS

Projets par catégorie

10%
Informatique
9%
Génie
1%
Génie - biomédical
4%
Génie - chimique / biologique

Infrastructures intelligentes de suivi utilisant des réseaux sans fil avec capacités de surveillance vision-audio

Les technologies sans fil offrent de nouvelles opportunités 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 actuellement au cœur d’un projet visant à développer un système d’éclairage public intelligent soumis à la détection de mouvement. Le système sera équipé de capacités vision-audio pour la sécurité publique. Les principaux objectifs de ce projet de recherche sont d’améliorer l’efficacité de l’analyse massive 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 preuve de concept d’un tel système permettront à l’organisation partenaire d’assurer une surveillance technologique de la sécurité et de la surveillance grâce à la technologie maillée et de développer de nouveaux produits mobiles. La dernière extension étendra son marché à d’autres régions et, éventuellement, au niveau international.

Voir la description complète du projet
Superviseur du corps professoral :

Adel Omar Dahmane

Étudiant :

Ghassene Gadhoum et Ahmed Refaey Hussein

Partenaire :

Centre collégial de transfert de technologie en télécommunications

Discipline :

Génie - informatique / électricité

Secteur :

Technologies de l’information et des communications

Université :

Université du Québec à Trois-Rivières

Programme :

Accélération

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

Les tests ADN au point de soins ont pris de l’importance au cours des dernières années. L’intégration d’appareils dans le patient à côté du traitement nécessite des délais rapides pour les résultats ainsi qu’une viabilité économique. Spartan Bioscience, une entreprise locale de biotechnologie, a développé une technologie capable de détecter des anomalies dans l’ADN d’une personne. Dans le but de développer des technologies de nouvelle génération, Spartan Bioscience a collaboré avec plusieurs facultés de Carleton pour développer une plateforme qui offrira une meilleure performance. L’appareil utilise la technologie de base de Spartan et les techniques de fibre optique, pionnières à l’Université Carleton. Les équipes conjointes réaliseront un dispositif de preuve de concept qui, espérons-le, mènera à un développement complet du produit.

Voir la description complète du projet
Superviseur du corps professoral :

Drs Jacques Albert et William Willmore

Étudiant :

Hubert Jean-Ruel & Jason Koppert

Partenaire :

Bioscience Spartiate

Discipline :

Génie - biomédical

Secteur :

Sciences de la vie

Université :

Université Carleton

Programme :

Accélération

Conception mécanique et améliorations de la propulsion pour le prototype monoplace de Moovee

Un concept émergent dans les systèmes de transport urbain est l’utilisation de petits véhicules électriques qui répondent aux besoins de mobilité individuelle fermée. Ces types de véhicules sont généralement petits et légers, mais nécessitent beaucoup moins d’espace que les véhicules plus conventionnels comme la Smart Car. De plus, le véhicule est entièrement électrique à batterie. Les développements récents ont utilisé des moteurs électriques innovants montés sur des plateformes en fibre de carbone. Dans ces systèmes, chaque unité de roue contient un moteur d’entraînement équipé de freinage régénératif, de direction et de suspension, le tout contrôlé numériquement par ordinateur. Le concept de moteur intégré permet des manœuvres telles que tourner sur l’axe de la roue, se déplacer latéralement dans des places de stationnement parallèles et changer de voie en faisant face droit devant. De plus, le véhicule est pliable, ce qui réduit les besoins d’espace lorsqu’il est stationné. Le mécanisme de pliage permet aussi la sécurité en cas de collision. Les caractéristiques ci-dessus rendent le véhicule idéal pour les villes bondées avec des espaces limités. L’activité proposée comprend des améliorations dans la transmission et la conception des mécanismes du véhicule Insectra du Moovee ainsi que leur démonstration de preuve de concept.

Voir la description complète du projet
Superviseur du corps professoral :

Drs Mehrdad Moallem et Farid Golnaraghi

Étudiant :

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 provenant de plusieurs caméras. Le système s’entraînera sur des instances d’objets pour détecter d’autres instances du même objet. Cela signifie que, par exemple, si nous voulons détecter une sphère, nous ferons en sorte que le système apprenne à quoi ressemble une sphère en donnant des images d’exemple. Maintenant, lorsque le système rencontre un nouvel objet qui ressemble aux images d’exemple, il détectera que ce nouvel objet est une sphère. De même, le système s’entraîne à la détection d’objets plus complexes. Un autre composant du système est la détection de pose qui détecte l’orientation de l’objet défectueux. Cela signifie que si l’objet détecté est un cylindre, le système détectera si le cylindre est debout, allongé horizontalement ou placé dans une autre orientation.

Voir la description complète du projet
Superviseur du corps professoral :

Dr Sven Dickinson

Étudiant :

Amanjot Kaur

Partenaire :

Epson Canada Ltd

Discipline :

Informatique

Secteur :

Biens de consommation

Université :

Université de Toronto

Programme :

Accélération

Recherche sur la conception d’interfaces utilisateur logicielles 3D

Comment définir précisément les besoins des utilisateurs et concevoir l’interface utilisateur de manière appropriée ont été un domaine de recherche très actif portant sur l’interaction homme-machine et le design graphique. En raison de l’échelle et de la complexité des logiciels d’animation tridimensionnelle (3D), prendre les bonnes décisions de conception devient plus difficile. Houdini est un logiciel d’animation 3D ainsi que le produit principal de Side Effects. Utiliser un logiciel d’animation 3D est toujours un grand défi 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 s’avèrent être des utilisateurs experts. D’un autre côté, les apprentis utilisateurs peuvent avoir de l’expérience d’autres logiciels d’animation 3D ou ne pas avoir d’expérience avec des logiciels similaires. Les conflits entre les utilisateurs experts et les apprentis découlent des différentes exigences et attentes de Houdini. Ce projet de recherche aidera Houdini à mettre en place un processus de conception standardisé, incluant la collecte de données, l’extraction des besoins des utilisateurs et la prise de décisions de conception.

Voir la description complète du projet
Superviseur du corps professoral :

Dr Eugene Fiume

Étudiant :

Shuyuan Ma

Partenaire :

Logiciels d’effets secondaires

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Université de Toronto

Programme :

Accélération

Au-delà du livre

L’objectif ultime de ce projet est de concevoir et de développer des méthodes et des outils pour classifier les attributs des livres tels que le genre, le style, le ton et la probabilité de popularité. À cette fin, nous utiliserons divers types d’informations disponibles sur les livres et les utilisateurs du catalogue Kobo, incluant le texte, les métadonnées associées au texte et les fonctionnalités utilisateur associées aux lecteurs du texte. C’est une entreprise de grande envergure. Comme première étape, le stagiaire et l’équipe de recherche s’attaqueront au problème de la classification des genres, tout en gardant à l’esprit que cette tâche fait partie d’une collection d’outils d’étiquetage automatique souhaités pour les livres. Grâce à l’utilisation de la PNL et des techniques d’apprentissage automatique, les livres peuvent être catégorisés et référés aux lecteurs selon leurs intérêts exprimés. Ce projet devrait fournir des informations précieuses tant sur les livres que sur les lecteurs, permettant à Kobo d’offrir aux utilisateurs des recommandations de meilleure qualité, des listes de lectures intéressantes et une compréhension approfondie des livres et des utilisateurs.

Voir la description complète du projet
Superviseur du corps professoral :

Dr Brendan Frey

Étudiant :

Sagun Bajracharya

Partenaire :

Kobo Inc.

Discipline :

Génie - informatique / électricité

Secteur :

Médias numériques

Université :

Université de Toronto

Programme :

Accélération

Traitement et analyse des mégadonnées

Addictive Mobility est une entreprise de publicité en ligne de premier plan au Canada. Le succès des campagnes publicitaires génère la majorité des revenus de l’entreprise. Explorer des techniques avancées d’apprentissage automatique pour contrôler efficacement la performance d’une publicité est crucial pour la stratégie de l’entreprise. L’objectif du projet proposé est d’optimiser le système d’appel d’offres en temps réel dans le sens où 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, chacun pouvant représenter un domaine majeur en apprentissage automatique.

Voir la description complète du projet
Superviseur du corps professoral :

Dr Anthony Bonner

Étudiant :

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 personnalisé des publicités est l’une des caractéristiques les plus importantes pour assurer le succès d’une campagne publicitaire — par exemple, les camionnettes F-150 Ford sont mieux présentées aux ouvriers du bâtiment qu’aux adolescentes. Un autre aspect important de la personnalisation publicitaire est la limitation de la fréquence des publicités. Par exemple, afficher la même publicité 100 fois à un utilisateur signifie qu’il n’y aura plus de budget pour les autres, ce qui peut faire ou défaire une campagne publicitaire. Pour généraliser la stratégie de ciblage à des utilisateurs qui n’avaient pas été observés auparavant, soit par manque de données, soit par nouvel arrivée, nous visons à développer des méthodes de regroupement basées sur une mesure de similarité qui reçoit les caractéristiques de l’utilisateur en entrée, puis assigne le nouvel utilisateur à un groupe d’utilisateurs.

Voir la description complète du projet
Superviseur du corps professoral :

Dr Anthony Bonner

Étudiant :

Megha Lakshmi Narayanan

Partenaire :

Mobilité addictive

Discipline :

Informatique

Secteur :

Médias numériques

Université :

Université de Toronto

Programme :

Accélération

Les toits verts comme outil de gestion des eaux pluviales

Le stagiaire entreprendra un projet qui analyse 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 intégré de gestion des eaux pluviales et à des méthodes de développement à faible impact. L’organisation partenaire bénéficiera du développement d’un drainage de toit vert plus efficace ainsi que d’un modèle numérique créé pour simuler les changements de conception.

Voir la description complète du projet
Superviseur du corps professoral :

Dre Loretta Li

Étudiant :

Calvin Kemm

Partenaire :

Kerr Wood Leidal Associates Ltd.

Discipline :

Génie - civil

Secteur :

Construction et infrastructures

Université :

Université de la Colombie-Britannique

Programme :

Accélération

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

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

Voir la description complète du projet
Superviseur du corps professoral :

Dr Eugene Fiume

Étudiant :

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 utilisant des techniques d’apprentissage automatique

Effectuez une recherche exploratoire pour étudier le potentiel d’extraction de connaissances en agrégeant les données historiques des clients de l’entreprise et en appliquant des techniques d’apprentissage automatique sur eux. L’objectif est de créer des modèles de prédiction capables de prévoir l’état de certains événements (comme la durée de vie des pipelines) à l’aide d’analyses statistiques. Riva Modeling (organisation partenaire) bénéficiera des résultats de la recherche en pouvant tirer des inférences plus significatives à partir de la grande quantité de données historiques disponibles auprès des clients. Le plus grand bénéfice de la recherche revient aux clients de Riva, qui comprend plus de 15 municipalités canadiennes ainsi que d’autres villes et services publics aux États-Unis, en Australie et en Nouvelle-Zélande. La recherche entraînerait d’importantes économies dans les dépenses destinées à l’entretien de leurs actifs.

Voir la description complète du projet
Superviseur du corps professoral :

Dr Eugene Fiume

Étudiant :

Sreekumar Rajan

Partenaire :

Systèmes de modélisation Riva

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Université de Toronto

Programme :

Accélération

Analyse de Big Data pour la gestion de flotte GPS

Le projet développera une stratégie d’exploration de données pour utiliser efficacement les données de Geotab provenant de multiples sources afin d’isoler les journaux de connectivité réseau dans les données de Geotab, d’interpoler les coordonnées GPS associées aux journaux réseau, d’acquérir les taux de consommation de carburant et les opportunités connexes. Cela impliquera un aperçu de la littérature des algorithmes existants afin d’obtenir des informations précieuses. Il inclura également un important volet de recherche pour analyser, comprendre et développer des tendances en utilisant les données disponibles afin de comparer et de corelater les résultats. Les stagiaires travailleront à enrichir les fichiers de données selon les besoins, compareront la performance des fournisseurs de grandes sources de données, téléverseront les données vers cette source et utiliseront des outils de visualisation appropriés pour la productivité et la sécurité de la flotte.

Voir la description complète du projet
Superviseur du corps professoral :

Dr Mariano Consens

Étudiant :

Vandana Saini et Fiona (Yi) Zhao

Partenaire :

Geotab

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