Contexte et objectifs :

• Développer un système de détection d'incendies basé sur vision et multi-capteurs en s'appuyant sur une caméra thermique MLX90640 32×24 pixels pilotée par ESP32.
• Créer et optimiser un modèle CNN/YOLO capable de détecter fumée et flammes en fusionnant données RGB et thermique.
• Stage de niveau Bac+5, durée proposée 5 à 6 mois, orienté Computer Vision, IoT et sécurité incendie.

Missions principales :

• Intégration matériel : interfacer la caméra MLX90640 avec ESP32, acquisition et prétraitement des images thermiques et RGB.
• Développement logiciel : implémentation du pipeline de traitement d'image (OpenCV, Python), entraînement et optimisation de modèles (TensorFlow / YOLO) pour détection temps réel.
• Systèmes et connectivité : prototypage de la communication IoT (LoRaWAN, Firebase) et développement d'interfaces (Flutter pour mobile, React/Laravel pour web/backend) si nécessaire.

Technologies et compétences requises :

• Technologies citées : ESP32, MLX90640, Python, TensorFlow / YOLO, OpenCV, Flutter, Laravel, React, LoRaWAN, Firebase.
• Compétences attendues : vision par ordinateur, apprentissage profond (CNN/YOLO), développement embarqué, traitement et fusion de capteurs thermiques/RGB, optimisation pour contrainte embarquée.

Livrables et résultats attendus :

• Prototype fonctionnel (ESP32 + caméra thermique) capable de détecter fumée et flammes avec mesures de performance (précision, recall, latence).
• Modèle optimisé et documenté, jeu de données annoté (RGB + thermique), code source et guide d'intégration/déploiement.
• Rapport de stage et démonstration du système intégré (communication IoT et interface minimale).

Encadrement et niveau :

• Niveau recherché : Bac+5 (master, école d'ingénieurs) avec appétence pour R&D en vision et IoT.
• Durée : 5 à 6 mois (4-6 months).