Bentley – Approche semi-supervisée pour l’identification et la localisation des bris et défectuosités

Bentley fournit des logiciels spécialisés et adaptés à tout type de projet d’infrastructure au niveau mondial. Le projet proposé vise à développer un détecteur d’anomalies générique basé sur un autoencodeur adversarial, qui permet l’apprentissage automatique de la distribution des éléments normaux. Par la suite, tout élément s’écartant de cette distribution peut être qualifié d’anormal, même si le système n’a jamais vu de tel défaut lors de son entraînement.
Globalement, l’objectif est d’assister l’expert qui analyse les données pour lui permettre de se concentrer sur les éléments cruciaux (les données indiquant des anomalies) sachant que l’identification de >95% des données ne présente aucun problème. Le projet se concentrerait d’abord sur des données liées aux égouts et aux rails, mais pourrait ensuite s’appliquer à une panoplie de situations. Bentley envisage une utilisation future conjointe de multiples modalités (visuel, infrarouge, etc.) afin d’améliorer les performances et la polyvalence de la méthode.

Faculty Supervisor:

Christian Gagné

Student:

Partner:

Bentley Systems Canada

Discipline:

Computer science

Sector:

Information and Communications Technology; Technology

University:

Université Laval

Program: