Présentation de la société : PELLENC ST

Pellenc ST conçoit et fabrique des machines de tri intelligent, destinées à l'industrie du recyclage. Engagés dans un monde en pleine évolution, nos ambitions se tournent aujourd'hui vers les nouvelles technologies telles que l'intelligence artificielle ou encore l'industrie 4.0 et les machines connectées.

Fort de plus de 2800 machines à travers le monde, nous oeuvrons et contribuons chaque jour, à la valorisation de nos déchets ainsi qu'à un environnement plus sain et durable pour demain. C'est dans ce contexte d'évolution et de passion que nous recherchons de nouveaux talents qui partagent nos ambitions, et qui souhaitent soutenir avec nous l'économie circulaire.

Missions

En pleine expansion, notre entreprise innovante et dynamique recherche un(e) :
Stagiaire Ingénieur R&D / Intelligence artificielle - Vision par ordinateur (H/F)
Poste basé à Pertuis (84) .

Sujet du stage:
Dans le cadre de nos travaux R&D, le stage portera sur l'étude et l'implémentation de modèles de fondation open-source (ex. DINOv2, DINOv3, etc.) appliqués à la segmentation par instance.

A minima, deux architectures seront développées et évaluées sous PyTorch :

• ViTAdapter + Mask R-CNN
• RTMDet

L'objectif est de comparer et d'adapter ces modèles pour améliorer la précision et la robustesse des machines de tri PELLENC ST, afin de renforcer leur performance industrielle.

Missions principales :

• Étudier l'état de l'art des modèles de fondation appliqués à la segmentation par instance.
• Implémenter et adapter deux architectures en PyTorch à partir de frameworks existants (MMdet) .
• Réaliser des expérimentations comparatives (datasets internes) .
• Évaluer les gains en termes de précision, rapidité et robustesse.
• Documenter les résultats et proposer des recommandations pour une intégration industrielle.

Profil recherché

• Étudiant(e) en Master 2 ou école d'ingénieurs, spécialisation en IA, vision par ordinateur ou deeplearning.
• Compétences solides en PyTorch, architectures CNN/Transformers, segmentation et détection.
• Bonne maîtrise de Python et des frameworks associés (Torchvision, MMDetection, etc.) .
• Intérêt pour la recherche appliquée et l'optimisation de systèmes temps réel.
• Esprit analytique, autonomie et rigueur scientifique.

Informations pratiques :

• Durée : 5 à 6 mois
• Lieu : Pertuis (84) à 15mn d'Aix-en-Provence, siège de PELLENC ST
• Encadrement : Référent recherche
• Gratification : selon profil et conventions en vigueur.
• Perspectives : possibilité de poursuivre sur une thèse CIFRE en lien direct avec les travaux réalisés.