Développement d’un modèle d’Inversion des données du radar à pénétration du sol en vue d’une détection précise d’objets enfouis

Abstract

Le radar à pénétration de sol (Ground Penetrating Radar GPR) est une technique géophysique non destructive qui exploite la propagation d'ondes électromagnétiques pour la détection d'objets enfouis. L'interprétation des signaux réfléchis permet de caractériser ces objets en fonction de leurs propriétés électromagnétiques. Ce travail vise à améliorer la détection des pipelines en combinant simulation numérique (GprMax, méthode FDTD) et apprentissage profond (CNN). Un réseau de neurones est entraîné sur des données simulées pour estimer la profondeur et la permittivité du sol. Cette approche améliore la précision de l'interprétation des données GPR pour une meilleure gestion des infrastructures souterraines.