Jathusan

Participation aux Olympiades FANUC, le 1er concours national dédié à la robotique industrielle et à la commande numérique.

L’objectif de cette compétition est de mettre en avant les compétences techniques et la créativité des jeunes ingénieurs et techniciens dans la conception, la programmation et l’intégration de systèmes automatisés.

Au cours de l’épreuve, j’ai :
- Réalisé une simulation complète ROBOGUIDE d’une cellule robotisée de dépalettisation
- Étudié les temps de cycle, la trajectoire du robot et la prévention des collisions
- Défini et justifié le système de préhension et la cinématique du convoyeur
- Présenté une solution technique documentée et argumentée devant un jury professionnel

Dans le cadre d’un projet de Machine Learning, nous avons conçu et développé TrashNet, une application de vision par ordinateur capable de classifier automatiquement des déchets à partir d’un flux webcam en temps réel.
L’objectif était de proposer une solution combinant performance technique et utilité concrète, afin d’améliorer les processus de tri, aussi bien pour des applications industrielles que domestiques.

Démarche technique:
Nous avons structuré le projet en plusieurs étapes :
- Développement d’un baseline avec descripteurs HOG + LBP et classifieur SVM
- Intégration de descripteurs deep learning via Vision Transformer (ViT) et ResNet
- Réduction de dimension par PCA (256 composantes)
- Classification finale via Histogram Gradient Boosting
- Validation par cross-validation stratifiée
- Déploiement du modèle optimisé en .joblib pour une utilisation temps réel

Résultats:
- Dataset étendu à ~10 000 images pour améliorer la généralisation
- Accuracy proche de 69% sur le jeu de test
- Interface temps réel affichant la prédiction et le score de confiance

Conception et réalisation d’un système automatisé de tri de pommes de terre intégrant mécanique, électronique et intelligence artificielle.

Le projet a consisté à développer l’ensemble du système, depuis la conception et la fabrication d’un convoyeur motorisé jusqu’à l’implémentation d’un algorithme de vision par ordinateur. L’objectif était d’automatiser le tri des pommes de terre selon différents critères tels que la taille, la couleur ou la qualité visuelle, à l’aide d’une caméra et d’un modèle d’intelligence artificielle entraîné sur des images réelles.

Technologies et compétences mobilisées :
- Conception mécanique et motorisation du convoyeur
- Intégration d’un microcontrôleur pour le pilotage du système
- Vision par ordinateur (OpenCV, TensorFlow)
- Développement d’une interface de commande et d’outils de calibration

Ce projet a permis de mettre en pratique des compétences en ingénierie système en développant une solution complète combinant intelligence artificielle, robotique et automatisation industrielle, tout en abordant des problématiques concrètes d’intégration, de prototypage et de traitement d’images.