Offre d'emploi Stage de M2 : Voir et identifier les pollens autrement grâce au focus stacking intelligent et au deep learning

Type de contrat : Stage Niveau de diplôme exigé : Bac + 4 ou équivalent Fonction : Stagiaire de la recherche A propos du centre ou de la direction fonctionnelle L’Inria est l’Institut national de recherche en sciences du numérique, dont le centre Inria d’Université Côte d’Azur fait partie.

Avec une forte expertise en informatique et mathématiques appliquées, les projets de recherche du centre Inria d’Université Côte d’Azur touchent toutes les dimensions des sciences et technologies du numérique, et génèrent de l’innovation.

Implanté principalement à Sophia Antipolis, mais également à Nice ou Montpellier, il regroupe 47 équipes de recherche et neuf services d’appui.

Il est présent dans les domaines de l’intelligence artificielle, la science des données, la sécurité des systèmes informatiques, la robotique, l’ingénierie de réseaux, la prévention des risques naturels, la transition écologique, la biologie numérique, les neurosciences computationnelles, les données de santé… Le Centre Inria d’Université Côte d’Azur est un acteur majeur en termes d'excellence scientifique par les résultats obtenus et les collaborations tant au niveau européen qu'international. Contexte et atouts du poste Durée : 6 mois Rémunération : gratification de stage Période possible pour le stage : entre début février 2026 et fin octobre 2026 Localisation principale du stage : campus Saint-Priest de Montpellier dans l’équipe Iroko Candidature : Merci de déposer votre CV et une lettre de motivation (<400 mots) avant le 24 novembre 2025 Encadrants : Benjamin Bourel, Chargé de Recherche à l’Inria dans l’équipe Iroko Agnès Mignot, Professeure à l’ISEM dans l’équipe EvoDemo Céline Devaux, Maître de conférence à l’ISEM dans l’équipe EvoDemo Betty Gimenez, Docteure au French Institute of Pondicherry Contexte et motivation : L’identification automatique des pollens permet l’étude rapide et efficace de la biodiversité et la reconstitution des paléoenvironnements.

En s’appuyant sur des réseaux de neurones convolutifs (CNN), Gimenez et al.

(2024) ont proposé un pipeline robuste de détection et de classification des pollens de dizaines d’espèces Méditerranéennes à partir d’images acquises automatiquement au microscope.

Pour éviter d’acquérir des images floues des pollens en utilisant un seul cliché à une mises au point donnée (Fig.

1.A), les auteurs ont utilisé le focus stacking, une méthode d’empilement de plusieurs plan de mises au point.

Le focus stacking sélectionne et fusionne pixel par pixel les zones les plus nettes de plusieurs plans de mise au point afin de produire une unique image sans zones floues.

Cette méthode est courante et rapide, mais elle limite la performance des intelligences artificielles (IA) de classification, notamment pour des espèces courantes (e.g.

Quercus dans Gimenez, 2024).

En effet, la semi-transparence des pollens laisse apparaître leur face arrière dans les plans (Fig.

1.A), face qui est alors fusionnée avec la face avant, générant des artéfacts : contours doublés, flous, etc...

(Fig.

1.B).

Le stage propose de résoudre ce problème en utilisant une méthode de focus stacking plus sophistiquée, qui doit éviter la production de ces artéfacts (Fig.

1.C). Figure 1 : Images au microscope d’un pollen.

L’image (C) a été faite en «semi-manuelle». Objectifs du stage : Le stage vise à faire progresser les sciences de la vision par ordinateur pour l’étude des pollens, dont la compréhension morphologique au travers des sciences biologiques est indispensable à la bonne configuration des algorithmes.

Plus concrètement, il s’agit de modifier le pipeline de Gimenez et al.

(2024) pour y tester plusieurs stratégies de contraintes de cohérence à l’étape du focus stacking (Zafar et al., 2020), puis d’en évaluer leurs performances lors de la détection/classification par IA.

Les stratégies testées pour limiter les artéfacts liés à la fusion de la face avant et arrière du pollen lors du focus stacking seront par exemple : (1) la détection des inversions de gradients d’intensités pour différencier l’avant et l’arrière ; (2) la pénalisation des fusions de pixels voisins issus de plans trop distants.

Ces stratégies devraient produire des images de pollens à la morphologie plus justes et améliorer grandement la détection/classification des pollens par IA (Fig.

1.C). Références : Gimenez, B., Joannin, S., Pasquet, J., [...] Devaux, C* & Peyron, O*.

(2024).

A user‐friendly method to get automated pollen analysis from environmental samples.

New Phytologist, 243(2), 797-810.

doi.org/10.1111/nph.19857 Gimenez, B.

(2024).

Studying variations in pollen signals from the Mediterranean vegetation and its key taxa: contribution of automated pollen analysis.

(Thesis , Université de Montpellier).

theses.hal.science/tel-05273726 Zafar, R., Farid, M.

S., & Khan, M.

H.

(2020).

Multi-focus image fusion: algorithms, evaluation, and a library.

Journal of Imaging, 6(7), 60.

doi.org/10.3390/jimaging6070060 Mission confiée Plan de travail : 1.

Reproduire le pipeline de Gimenez et al.

(2024) pour l’utiliser comme référence
- 1 mois 2.

Implémenter différentes stratégies de contraintes de cohérence à ce pipeline de référence
- 3.5 mois 3.

Mesurer l’impact de ces stratégies la détection et la classification automatique des pollens
- 1.5 mois Compétences Compétences obligatoires : maitrise de Linux bonne maitrise de Python solides bases en deep learning (PyTorch, TensorFlow ou équivalant) bonne connaissance de la computer vision et des approches de segmentation d’images maitrise de l’anglais pour la rédaction et la lecture d’articles scientifiques Les plus : connaissance en botanique ou en palynologie intérêt marqué pour l’interdisciplinarité notions en analyse morphologique exécution de scripts sur serveurs distants utilisation du terminal sous Linux Avantages Restauration subventionnée Transports publics remboursés partiellement Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement) Possibilité de télétravail (après 6 mois d'ancienneté) et aménagement du temps de travail Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.) Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria) Accès à la formation professionnelle Sécurité sociale Rémunération Gratification selon temps de présence / Traineeship grant depending on attendance hours Informations générales Thème/Domaine : Sciences de la planète, de l'environnement et de l'énergie Biologie et santé, Sciences de la vie et de la terre (BAP A) Ville : MONTPELLIER Centre Inria : Centre Inria d'Université Côte d'Azur Date de prise de fonction souhaitée : 2026-02-01 Durée de contrat : 6 mois Date limite pour postuler : 2025-12-06 Attention: Les candidatures doivent être déposées en ligne sur le site Inria.

Le traitement des candidatures adressées par d'autres canaux n'est pas garanti. Consignes pour postuler Les candidatures doivent être déposées en ligne sur le site Inria.

Le traitement des candidatures adressées par d'autres canaux n'est pas garanti. Sécurité défense : Ce poste est susceptible d’être affecté dans une zone à régime restrictif (ZRR), telle que définie dans le décret n°2011-1425 relatif à la protection du potentiel scientifique et technique de la nation (PPST).

L’autorisation d’accès à une zone est délivrée par le chef d’établissement, après avis ministériel favorable, tel que défini dans l’arrêté du 03 juillet 2012, relatif à la PPST.

Un avis ministériel défavorable pour un poste affecté dans une ZRR aurait pour conséquence l’annulation du recrutement. Politique de recrutement : Dans le cadre de sa politique diversité, tous les postes Inria sont accessibles aux personnes en situation de handicap. Contacts Équipe Inria : IROKO Recruteur : Bourel Benjamin / benjamin.bourel@inria.fr A propos d'Inria Inria est l’institut national de recherche dédié aux sciences et technologies du numérique.

Il emploie 2600 personnes.

Ses 215 équipes-projets agiles, en général communes avec des partenaires académiques, impliquent plus de 3900 scientifiques pour relever les défis du numérique, souvent à l’interface d’autres disciplines.

L’institut fait appel à de nombreux talents dans plus d’une quarantaine de métiers différents.

900 personnels d’appui à la recherche et à l’innovation contribuent à faire émerger et grandir des projets scientifiques ou entrepreneuriaux qui impactent le monde.

Inria travaille avec de nombreuses entreprises et a accompagné la création de plus de 200 start-up.

L'institut s'efforce ainsi de répondre aux enjeux de la transformation numérique de la science, de la société et de l'économie. Avantages:
• Prise en charge du transport quotidien
• RTT
• Programme de formation