Jesús BRITO CARCANO : Imagerie avancée avec réseaux de neurones artificiels en microscopie numérique holographique

Résumé : Cette thèse, réalisée dans le cadre du projet HOLO-CONTROL, étudie l’intégration de l’holographie numérique et de l’apprentissage profond pour la métrologie tridimensionnelle quantitative à l’échelle micrométrique. L’objectif principal est de démontrer qu’un hologramme unique contient suffisamment d’informations physiques pour permettre l’estimation directe et précise de la position tridimensionnelle d’un objet micro-structuré, sans recourir à la reconstruction numérique conventionnelle. 

Le travail établit d’abord les fondements physiques nécessaires, en reliant la théorie scalaire de la diffraction aux représentations neuronales modernes. Le Modèle du Spectre Angulaire est utilisé comme outil de propagation optique pour simuler et analyser des hologrammes cohérents dans des configurations contrôlées. Un motif pseudo-périodique, fabriqué au sein du FEMTO-ST, sert de référence métrologique et permet d’obtenir simultanément une localisation absolue dans le plan et une sensibilité axiale sub-micrométrique. 

Sur le plan algorithmique, la thèse évalue plusieurs architectures d’apprentissage profond adaptées à l’imagerie cohérente. Les réseaux convolutifs, les Vision Transformers et les variantes inspirées du GedankenNet démontrent leur capacité à exploiter les structures de franges holographiques pour extraire directement des paramètres physiques, avec une précision inférieure au micromètre et des temps d’inférence compatibles avec des fréquences vidéo. L’intégration, partielle ou complète, de modèles physiques dans l’entraînement ouvre la voie à des approches auto-supervisées, robustes face aux variations expérimentales. 

Les validations expérimentales, réalisées avec un microscope holographique numérique en configuration hors-axis et une platine hexapode à six degrés de liberté, confirment la pertinence de cette approche. Les trajectoires tridimensionnelles du motif pseudo-périodique sont reconstruites en temps réel avec une précision métrologique comparable aux méthodes classiques, mais sans itérations de mise au point ni reconstruction intermédiaire. 

Cette thèse apporte ainsi une contribution méthodologique majeure, en montrant que l’apprentissage profond, lorsqu’il est guidé par une modélisation cohérente de la physique optique, permet de dépasser les limites traditionnelles de l’holographie numérique. Ce travail ouvre la voie à une génération d’instruments intégrant vision holographique et intelligence artificielle, destinés aux applications de micro-robotique, de métrologie de précision et d’imagerie avancée.

Composition du jury : 

Maxime JACQUOT           Professeur           Université Marie et Louis Pasteur           Directeur de thèse
Miguel A. ALONSO           Professeur           Ecole Centrale Méditerranée de Marseille           Rapporteur
Nicolas VERRIER           Maître de conférences           Université de Haute-Alsace           Rapporteur
Bernadette  DORIZZI           Professeure des universités           Telecom SudParis           Examinateur
François COURVOISIER           Directeur de recherche           Université Marie et Louis Pasteur           Examinateur

Localisation : Salle Prestige