Ingénieure en Informatique Industrielle

Stage en vision par ordinateur et IA industrielle chez Hutchinson Tunisie pour concevoir des pipelines de données et de vision.

• Développement de pipelines de données et de vision par ordinateur basés sur Python utilisant OpenCV et YOLO pour la sécurité des travailleurs, la détection de personnes, l'analyse de posture, la surveillance des EPI et le suivi industriel.
• Collecte, traitement, validation et analyse de données multi-caméras sous des contraintes industrielles en temps réel.
• Implémentation de flux de mesure et de calibrage basés sur l'image en utilisant des marqueurs ArUco pour le paramétrage des machines.
• Déploiement d'une inférence d'IA sur NVIDIA Jetson Orin Nano en utilisant TensorRT et travail avec de multiples flux de caméras fixes.
• Intégration des sorties d'IA traitées avec des systèmes automates Siemens via Snap7 et évaluation du comportement du système sous des contraintes industrielles pratiques.

Contribution au développement d'un système avancé de détection de fraude documentaire chez Revo.

• Contribution à un système de détection avancée de fraude documentaire combinant des informations textuelles, visuelles et de métadonnées.
• Développement de flux de traitement de données en Python utilisant PyMuPDF, Pillow/EXIF, OCR et OpenCV pour extraire et valider des informations à partir de documents.
• Traitement de sorties hétérogènes provenant de l'OCR, de métadonnées, de LLMs et de VLMs et conversion des résultats en enregistrements JSON structurés.
• Conception d'une logique de validation et d'analyse pour identifier les contradictions sémantiques, les métadonnées suspectes, les incohérences visuelles et les altérations numériques.
• Création et évaluation d'un jeu de données de référence pour la validation du projet, atteignant approximativement 95.7% lors de l'évaluation du projet.

Participation au développement d'une solution IoT de surveillance médicale chez Général Équipements Médicaux.

• Développement de SmartMediFridge, un système de surveillance de santé basé sur l'IoT combinant des données de capteurs et la reconnaissance de médicaments.
• Collecte et traitement de données de température, d'humidité et d'état de porte provenant de capteurs connectés à un ESP32.
• Implémentation de la validation des données, de la détection d'anomalies et d'une logique d'alerte pour les conditions de surveillance de la chaîne du froid.
• Intégration des données de surveillance avec Firebase et prise en charge de l'exportation de données CSV pour l'analyse et le reporting.
• Utilisation d'une analyse basée sur des VLM pour identifier les médicaments et extraire leurs conditions de stockage requises.