Stage - Traçabilité des plastiques recyclés par approche multi-analytiques et machine learning H/F

Contexte L'utilisation de plastiques recyclés dans des applications sensibles (contact alimentaire, cosmétique, détergents) est amenée à se développer fortement, sous l'effet des exigences réglementaires et environnementales croissantes. Cela pose un enjeu majeur de traçabilité : pouvoir vérifier, de façon fiable et rapide, l'origine, la filière de tri et le type de recyclage d'un lot de plastiques recyclés. Les techniques de spectroscopies (Raman, FTIR et UV-visible) couplées à des approches chimiométriques, constituent des pistes prometteuses pour répondre à cet enjeu : ce sont des techniques rapides, non destructives, et bien adaptées à un usage en contrôle qualité industriel. La calorimétrie différentielle à balayage (DSC) présente, elle aussi, un fort intérêt pour caractériser l'état physique, la cristallinité et le vieillissement du polymère. Leur potentiel pour cette problématique spécifique d'authentification reste néanmoins encore peu exploré et documentée dans la littérature. Ce stage de 6 mois a pour objectif de construire des modèles d'authentification robustes en combinant ces différentes techniques, et d'évaluer l'apport de stratégies de fusion de données hétérogènes (spectroscopiques et thermiques). Il se déroulera au LNE (Laboratoire national de métrologie et d'essais) à Trappes, avec des déplacements fréquents à prévoir sur le campus d’AgroParisTech à Palaiseau. Missions Vos Missions Seront Les Suivantes
• Acquisition expérimentale : réalisation de mesures en spectroscopie (UV-visible, Raman et FTIR) et analyse thermique (DSC) sur un corpus d'échantillons de PET recyclés déjà caractérisés (origine, filière de tri, type de recyclage connus) ;
• Mise en place et évaluation de prétraitements adaptés aux données spectrales (correction de ligne de base, normalisation, dérivées, SNV, lissage) ;
• Benchmark de méthodes de classification chimiométriques (PLS-DA, SVM, Random Forest) sur les données, et comparaison de leurs performances respectives ;
• Test de stratégies de fusion de données (bas et moyen niveau) et comparaison des performances de prédiction à l'utilisation de chaque technique séparément. Profil Vous souhaitez réaliser un stage dans le cadre de votre dernière année d’école d’ingénieur ou de votre Master 2, spécialisé en chimie analytique, des polymères, science des données, machine learning ou équivalent. Vous manifestez un fort intérêt pour l’analyse physico-chimique et/ou chimiométrie (PCA, PLS, arbres de décision, etc.), et vous avez des connaissances de base en programmation (Python apprécié). Vous êtes reconnu(e) pour votre rigueur scientifique, votre sens de l’organisation et votre autonomie en laboratoire. Vous êtes également curieux(se), vous avez l’esprit d’équipe, et vous savez être force de proposition.