Gérer les risques
Aujourd'hui et demain

Risques industriels et environnementaux

Environnement : une plateforme de nanométrologie basée sur le deep learning

Pour optimiser les processus de métrologie des particules, LNE a développé une plateforme basée sur l’intelligence artificielle. Grâce à cette technologie, il est désormais beaucoup plus facile et rapide d’évaluer la taille des nanoparticules qui impact la santé et l'environnement.

Alors que l’industrie se tourne de plus en plus vers les nanoparticules, leur caractérisation devient cruciale sur le plan environnemental. Il s’agit de déterminer leur taille afin d’en évaluer l’impact sur la santé et l’écologie. Pour y parvenir, le Laboratoire national de métrologie et d’essai (LNE) a mis au point une plateforme, NanoMetrologIA, capable de mesurer précisément les propriétés dimensionnelles des nanoparticules à l’aide de l’intelligence artificielle. Une innovation présentée à l’occasion de la journée mondiale de la métrologie qui, cette année, a pour thème « La métrologie à l’ère du numérique ».

la-plateforme-caracterise-les-nanoparticules

En quelques secondes, la plateforme caractérise la taille des nanoparticules, même en forme d’agglomérat. © LNE

Des nanoparticules industrielles

LNE vise les nano-objets, et plus particulièrement les nanoparticules utilisées à des fins industrielles. Contraints par un cadre réglementaire spécifique, les industriels doivent se livrer à une caractérisation des nanomatériaux qu’ils utilisent pour déterminer s’ils répondent aux exigences de santé publique et environnementale. 

Microscopie électronique

Concrètement, ce procédé consiste à mesurer la taille des nanoparticules sur la base de multiples clichés obtenus par microscopie électronique. Ce qui permet d’obtenir une distribution statistique des diamètres des nanoparticules. Or il faut savoir que la plupart des méthodes classiques se réalisent manuellement. 

la-plateforme-repose-sur-un-alogirhtme-de-deep-learning

La plateforme repose sur une base de données d’entraînement des algorithmes regroupant de nombreuses particules et compositions chimiques différentes. © Alexander Antropov / Pixabay

Les agrégats exclus des méthodes classiques

Outre les nombreuses heures de traitement nécessaires, elles ne s’appliquent qu’aux particules dont la totalité du contour est visible à l’image. Par conséquent, il est donc impossible de discerner les particules se présentant sous forme d’agrégats ou d’agglomérats susceptibles d’être partiellement masqués. 

Un algorithme basé sur le deep learning

Pour y remédier, LNE a développé une plateforme regroupant de nombreuses nanoparticules et compositions chimiques différentes. Ensuite, son algorithme basé sur le deep learning identifie de façon automatique l’ensemble des particules isolées, agrégées ou agglomérées pour reconstituer le contour de chaque particule. De quoi optimiser l’analyse et réduire le temps de traitement des images à quelques secondes seulement. 

Identifier l’additif E171

Dans le champ des applications possibles, la plateforme sert actuellement à l’identification de nanoparticules de dioxyde de titane TiO2, et notamment de l’additif E171 qui s’avère interdit dans le domaine agroalimentaire. Pour l’heure, LNE poursuit ses recherches pour étoffer sa base de données d’entraînement des algorithmes en y ajoutant des images de particules dotées de composition chimique différente : SiO2, NaCl, Fe, Au, Ag. 

Ségolène Kahn

Commentez

Participez à la discussion