Analyse par camera hyperspectrale de polymères et textiles à recycler

IFP Energies nouvelles (IFPEN) est un acteur majeur de la recherche et de la formation dans les domaines de l’énergie, du transport et de l’environnement. De la recherche à l’industrie, l’innovation technologique est au cœur de son action, articulée autour de quatre priorités stratégiques : Mobilité Durable, Energies Nouvelles, Climat / Environnement / Economie circulaire et Hydrocarbures Responsables.

Dans le cadre de la mission d’intérêt général confiée par les pouvoirs publics, IFPEN concentre ses efforts sur :

• l’apport de solutions aux défis sociétaux de l’énergie et du climat, en favorisant la transition vers une mobilité durable et l’émergence d’un mix énergétique plus diversifié ;
• la création de richesse et d’emplois, en soutenant l’activité économique française et européenne et la compétitivité des filières industrielles associées.

Partie intégrante d’IFPEN, l’école d’ingénieurs IFP School prépare les générations futures à relever ces défis.

Analyse par camera hyperspectral de polymères et textiles à recycler

La gestion des plastiques et textiles en fin de vie est un enjeu sociétal majeur. Le recyclage chimique est en passe d'émerger comme une technologie complémentaire au recyclage mécanique car il est capable de traiter des charges plus complexes. L'ajustement des conditions de recyclage nécessite de connaitre la composition des plastiques ou textiles post consommation. Ces matériaux peuvent inclure plusieurs types de polymères en mélange, ainsi que des additifs à des teneurs allant de quelques centaines de ppm à quelques pourcents.

L'imagerie hyperspectrale (dite HSI : hyperspectral Imaging) repose sur l'acquisition de données dans un spectre de longueurs d'ondes étendu (Visible et Proche Infrarouge). Elle permet une caractérisation rapide et précise des matériaux par l'identification non-destructive de signatures chimiques.

L’exploitation de l’empreinte spectrale nécessite un traitement des données grâce à des outils de chimiométrie/machine learning (ACP et PLS) mais certaines limitations de ces outils linéaires nous obligent à explorer des algorithmes non linéaires.

Le stage consistera à consolider une base de données pré-existante et s'attachera à enrichir les modèles de classification et de quantification.

Objectifs du stage :

Liste des tâches :

• Tâche 1 : S’approprier la caméra et le logiciel de traitement des données associés. Afin d’acquérir des images HSI pour la base de données (avec l'aide du personnel de laboratoire qualifié)
• Tâche 2 : optimisation du traitement des signaux et de la base de données ; étalonnage et validation des modèles à l'aide d'algorithmes de ML (Machine Learning) pour les travaux exploratoires et quantitatifs.
• Tâche 3 : rapport et présentations orales

Le travail comprendra également une étude bibliographique sur le traitement des données de HSI, en mettant l'accent sur les approches récentes d'apprentissage profond.

L'ensemble des travaux se fera en lien avec des équipes de recherches impliquées dans le recyclage des plastiques à IFPEN

Profil recherché :

Langue Française ou Anglaise, curiosité, autonomie, intérêt pour le terrain et les défis

• Solides connaissances en traitement des données et caractérisation chimique
• Des connaissances en polymères seront un plus.

============================================

Hyperspectral Camera Analysis of Polymers and Textiles for Recycling

Context :

The management of end-of-life plastics and textiles is a major societal challenge. Chemical recycling is on the verge of emerging as a complementary technology to mechanical recycling, as it is capable of handling more complex materials. Optimizing recycling conditions requires knowledge of the composition of post-consumer plastics or textiles. These materials may include several types of mixed polymers, as well as additives in concentrations ranging from a few hundred ppm to a few percent.

Hyperspectral imaging (referred to as HSI: Hyperspectral Imaging) is based on the acquisition of data across a wide wavelength spectrum (Visible and Near Infrared). It enables rapid and precise material characterization through the non-destructive identification of chemical signatures.

The exploitation of spectral fingerprints requires data processing using chemometric/machine learning tools (PCA and PLS), but certain limitations of these linear tools compel us to explore non-linear algorithms.

The internship will focus on consolidating a pre-existing database and will aim to enhance classification and quantification models.

Description :

List of tasks:

• Task 1: Familiarize yourself with the camera and associated data processing software to further acquire HSI images for the database (with the assistance of qualified laboratory staff).
• Task 2: Optimize signal processing and the database quality; calibrate and validate models using ML algorithms for exploratory and quantitative studies.
• Task 3: Write reports and deliver oral presentations.

The work will also include a bibliographic study on HSI data processing, focusing on recent deep learning approaches.

All work will be carried out in collaboration with research teams involved in plastic recycling at IFPEN.

Required profile :

Fluency in French or English, curiosity, autonomy, interest in fieldwork and challenges.

• Strong knowledge in data processing and chemical characterization.
• Knowledge in polymers would be a plus