Le document présente le catalogue 2017-2018 des projets de fin d'études au sein des Telnet Innovation Labs, détaillant plusieurs sujets divers tels que le suivi d'objets en temps réel, la reconnaissance de caractères par deep learning, et l'inspection de conformité des cartes électroniques. Chaque projet inclut des compétences requises et décrit des technologies spécifiques utilisées, comme MATLAB, C++, et OpenCV. L'accent est mis sur des solutions innovantes dans les domaines de la vision par ordinateur et de l'automatisation des tests.

1. CATALOGUE PFE
W W W. G R O U P E - T E L N E T. N E T
2017-2018
TELNET INNOVATION LABS

2. CATALOGUE PFE
2017-2018
TELNET INNOVATION LABS
LISTE DES SUJETS
1 | SUIVI DE PLUSIEURS PERSONNES DANS UN RÉSEAU DE CAMÉRAS................................................................................................................................................... PAGE 3
2 | RECONNAISSANCE DE CARACTÈRES BASÉE SUR LE DEEP LEARNING .................................................................................................................................................. PAGE 4
3 | INSPECTION DE CONFRORMITÉ DES CARTES ÉLECTRONIQUES BASÉES SUR LA VISION INDUSTRELLE ......................................................................................... PAGE 5
4 | RECONNAISSANCE ET VÉRIFICATION DE SIGNATURES DYNAMIQUES .................................................................................................................................................. PAGE 6
5 | AUTOMATISATION DE LA PHASE DU TEST DES MODÈLES MATLAB/SIMULINK DISCRETS .................................................................................................................. PAGE 7
6 | VÉRIFICATION DES EXIGENCES DES MODÈLES MATLAB/SIMULINK TRANSFORMÉS EN LANGAGE LUSTRE..................................................................................... PAGE 8
7 | SYSTÈME DE MANAGEMENT DE L’INNOVATION............................................................................................................................................................................................ PAGE 9
S T A G E S @ T E L N E T - I N N O V A T I O N - L A B S . N E T
E N V O Y E Z V O S C V À

3. L’objectif de ce stage est de proposer et développer une approche
robuste de suivi de multiple objets en temps réel dans un flux
vidéo capturé à partir d’un réseau de caméras superposées.
C/C++
OpenCV
TRAITEMENT D’IMAGES
SUIVI DE PLUSIEURS PERSONNES
DANS UN RÉSEAU DE CAMÉRAS1
COMPÉTENCES REQUISES
RÉF: TIL_17_1
Dans le cadre de notre travail de recherche appliquée au sein
de Telnet Innovation Labs, nous nous intéressons au problème
du suivi de plusieurs objets dans la vidéosurveillance.
TRAITEMENT D’IMAGES

4. Ce système sera basé sur un mécanisme de traitement de régions
pour la détection de texte et les réseaux de neurones convolutionnels
profonds pour la reconnaissance de texte.
MATLAB
C++
OpenCV
TRAITEMENT D’IMAGES
MACHINE LEARNING
DEEP LEARNING
RECONNAISSANCE DE CARACTÈRES
BASÉE SUR LE DEEP LEARNING2
RÉF: TIL_17_2
TRAITEMENT D’IMAGES
Ce travail développera un système de bout en bout pour la détection,
localisation et reconnaissance de texte dans différents types d’images
en temps réel.
COMPÉTENCES REQUISES

5. Une interface Homme/Machine sera mise en place pour faciliter
l’interaction avec le système.
C++/QT
OpenCV
SQL
INSPECTIONDECONFORMITÉDESCARTESÉLECTRONIQUES
BASÉES SUR LA VISION INDUSTRIELLE3
RÉF: TIL_17_3
TRAITEMENT D’IMAGES
Conception et mise en œuvre de processus d’imagerie industrielle
permettant l’inspection de conformité de cartes électroniques basées sur
la détection et reconnaissance de contours, de formes et de caractères.
TRAITEMENT D’IMAGES
BASE DE DONNÉES
COMPÉTENCES REQUISES

6. Les réseaux de neurones seront utilisés pour alimenter la base
de données dans la phase d’apprentissage.
MATLAB
C++
OpenCV
RECONNAISSANCE ET VÉRIFICATION
DE SIGNATURES DYNAMIQUES4
RÉF: TIL_17_4
SÉCURITÉ | TRAITEMENT D’IMAGES
Ce stage proposera un processus de reconnaissance et de
vérification de signature dans le but de réduire la falsification
et les risques de dysfonctionnements.
TRAITEMENT D’IMAGES
MACHINE LEARNING
COMPÉTENCES REQUISES

7. L’outil prend en entrée le modèle Matlab/Simulink discret et génère en sortie
un ensemble des scénarios de test.
MATLAB/SIMULINK
JAVA
AUTOMATISATIONDELAPHASEDUTESTDES
MODÈLES MATLAB/SIMULINK DISCRETS5
RÉF: TIL_17_5
AUTOMATISATION DE TESTS
L’objectif est de générer un outil qui permet d’automatiser la phase de
test unitaire des systèmes automobiles et aéronautiques modélisés avec
Matlab/Simulink.
THÉORIE DE LANGAGE ET COMPILATION
TEST LOGICIEL
VÉRIFICATION ET VALIDATION DES SYSTÈMES
COMPÉTENCES REQUISES

8. L’approche proposée de vérification des propriétés est basée sur le ”Model
Checking”. Cette approche exploite la capacité du ”Model checker” de générer
des contre-exemples relatifs à la violation des propriétés qui ne sont pas vérifiées
par le modèle.
VÉRIFICATIONDESEXIGENCESDESMODÈLESMATLAB/SIMULINK
TRANSFORMÉS EN LANGAGE LUSTRE6
RÉF: TIL_17_6
AUTOMATISATION DE TESTS
L’objectif de ce projet est de vérifier des propriétés fonctionnelles
et non fonctionnelles sur les modèles MATLAB/Simulink en utilisant
une approche formelle.
MATLAB/SIMULINK
JAVATHÉORIE DE LANGAGE ET COMPILATION
TEST LOGICIEL
VÉRIFICATION ET VALIDATION DES SYSTÈMES
COMPÉTENCES REQUISES

9. L’ UI / UX de l’application sera également repensée afin d’améliorer la collaboration entre les équipes et le
partage d’idées avec des interfaces et des interactions intuitives.
HTML5/CSS3/JS
ANGULAR.JS
PHP/MYSQL
SYSTÈME DE MANAGEMENT
DE L’INNOVATION7
RÉF: TIL_17_7
SYSTÈME DE GESTION DE CONTENU
Ce projet vise à développer et intégrer de nouvelles fonctionnalités dans le système de gestion de l’innovation
de l’entreprise, tout en maintenant les fonctionnalités actuelles et en résolvant les problèmes d’intégration
potentiels.
WEB DEVELOPMENT
BASE DE DONNÉES
SYSTÈME DE GESTION DE CONTENU
COMPÉTENCES REQUISES