Présentation du projet

• MEGA QUALITY est un système intelligent de détection de défauts produits par vision artificielle et IA visant l’automatisation complète (100%) de l’inspection visuelle industrielle.
• Objectifs : détection en temps réel des rayures, fissures, anomalies dimensionnelles et défauts d’assemblage avec une précision annoncée supérieure à 99%, réduction des coûts de non-qualité et amélioration de la productivité.

Missions et responsabilités du stagiaire

• Participer à la collecte et à l’annotation des données d’image (mise en place de protocoles d’acquisition avec caméras haute performance, nettoyage et labellisation des jeux de données).
• Concevoir, entraîner et optimiser des modèles de deep learning pour la détection et la classification des défauts (architecture, augmentation, évaluation des métriques : précision, rappel, F1).
• Intégrer le modèle dans une solution industrielle : développement d’API backend (SpringBoot) et d’une interface frontend (React) pour l’affichage des alertes et des données actionnables.
• Mettre en place des tests en temps réel, pipeline de déploiement (Docker/CI possible) et optimiser la latence et la robustesse du système en production.

Environnement technique et livrables attendus

• Technologies mentionnées : React pour le frontend, SpringBoot pour le backend, et frameworks IA (PyTorch/TensorFlow) pour le deep learning ; utilisation d’OpenCV pour le prétraitement d’images et caméras haute performance pour l’acquisition.
• Livrables : jeu de données annoté, modèle(s) entraîné(s) et évalué(s), API backend fonctionnelle, dashboard React montrant détections en temps réel et rapports qualité, documentation technique et manuel d’exploitation.

Profil recherché et compétences

• Niveau requis : BAC +5. Recherche de 2 stagiaires capables de travailler en équipe pluridisciplinaire (data/IA + dev full-stack).
• Compétences souhaitées : machine learning / deep learning, traitement d’image (OpenCV), expérience pratique avec PyTorch ou TensorFlow, développement en Java/SpringBoot et React, notions de déploiement (Docker), rigueur sur l’évaluation des performances et optimisation.

Impact et bénéfices du projet

• Impact industriel : réduction des coûts liés aux défauts, amélioration du rendement et fourniture de données actionnables pour l’amélioration continue des processus de fabrication.
• Opportunités : exposition à une chaîne complète de R&D et déploiement industriel, travail sur systèmes temps réel et possibilité de valorisation des travaux en PFE.

Conditions complémentaires

• Nombre de stagiaires : 2.
• Durée : 6 mois.
• Niveau : BAC +5.

📧 Pour postuler: contact@mega-pixel.tn