Deep Red, une chaire au service des capteurs infrarouges

Entreprise, Recherche
le  23 février 2022
La Fondation Grenoble INP vient de lancer Deep Red, une nouvelle chaire d’excellence industrielle avec LYNRED, spécialiste français et leader mondial des capteurs infrarouges. Jocelyn Chanussot, chercheur au GIPSA-lab* et professeur à Grenoble INP – UGA, en est le titulaire.
Observation de l’environnement et du climat, détection d’incendies, de fuites de gaz, sécurité civile… Les applications potentielles de détecteurs infrarouges sont nombreuses. Malheureusement, tirer des informations claires et exploitables d’images infrarouges brutes n’est pas évident, car celles-ci contiennent un niveau de bruit parasite élevé. Pour faciliter l’exploitation des données issues de ces capteurs, LYNRED, leader mondial des capteurs infrarouges, mise sur les apports potentiels de l’intelligence artificielle (IA).

C’est dans cette optique que la société a approché la Fondation Grenoble INP, pour creuser par le biais d’une chaire les apports potentiels de l’IA à leurs problématiques. Et c’est Jocelyn Chanussot, chercheur au GIPSA-lab, qui a été désigné comme titulaire de la nouvelle chaire baptisée Deep Red. Le chercheur est spécialisé dans l’imagerie hyperspectrale, qui contrairement aux techniques classiques d'imagerie optique, produit toute une série d'images de la même scène, mais prises dans plusieurs centaines de longueurs d'onde différentes. Pour en tirer des informations exploitables, il développe des outils d’intelligence artificielle fondés sur des techniques d’apprentissage profond, qui sont transposables au domaine de fréquence des rayonnements infrarouges ciblés par LYNRED.

L’un des axes de travail de la chaire sera d’améliorer la qualité visuelle des images en éliminant le bruit parasite grâce à la mise en place de traitements adaptés. Un autre sera d’exploiter des observations complémentaires aux images infrarouges, comme des images optiques par exemple, qui ne fournissent pas les mêmes informations. L’idée est de combiner les deux types de prises de vue pour faire une image globale donnant une meilleure compréhension de la scène.


Et l’IA dans tout ça?


La botte secrète des chercheurs pour extraire les informations pertinentes de cette masse de données est l’intelligence artificielle, et plus précisément l’apprentissage profond. «Les méthodes d’apprentissage profond permettent de capitaliser sur l’expérience acquise, explique Jocelyn Chanussot. Elles sont en particulier utiles lorsque l’on dispose de beaucoup de données. Dans ce cas, les algorithmes apprennent à traiter une image à partir d’exemples. A l’opposé se trouvent les méthodes basées sur les modèles, notamment des modèles de capteurs qui permettent de comprendre l’origine du bruit à effacer.»
Publié le  23 février 2022
Mis à jour le  23 février 2022