POLLEN Metrology est une deeptech de près de 40 collaborateurs, fondée en septembre 2014 et basée à Moirans. Elle développe une plateforme logicielle analysant rapidement les images et données extraites de procédés industriels complexes. Dédiée aux matériaux hautes performances, cette plateforme utilise depuis sa création les techniques d’Intelligence Artificielle, et permet ainsi d'accélérer l’extraction automatique de mesures, et leur corrélation avec les paramètres du procédé. Cette technologie révolutionnaire dans le domaine des matériaux permet d’augmenter le ramp-up puis le rendement des procédés matériaux. Les clients de POLLEN Metrology se répartissent aujourd’hui entre les Etats-Unis, l’Europe et l’Asie.

La détection et la mesure grâce à l’Intelligence Artificielle

La plateforme de métrologie nommée Platypus™ est destinée à la métrologie des micro et nanostructures (composants intégrés, particules, matériaux structurés, ...). Platypus™ permet aux industriels d’effectuer automatiquement des mesures précises pendant les différentes phases d’élaboration de leurs produits jusqu’à la production finale.

Par l’usage intensif de Machine-Learning, et plus particulièrement des techniques de Deep-Learning,  les données et images à traiter peuvent être analysées sans intervention humaine.
Concrètement, afin de mesurer avec précision des géométries sur des micros et nanostructures, il s’agit de détecter d’abord dans l’image les structures d'intérêt, et d’y poser ensuite les outils de mesure sur les contours discernables.

Au-delà des images parfaites, détecter et classifier des défauts

Un besoin récurrent des industriels de ce secteur est d’analyser des images pour ce qui n’y est pas nominal, en l’occurrence les anomalies qui peuvent venir dégrader les rendements de production. Les désordres recherchés peuvent être connus ou inconnus, de natures et de dimensions différentes, ce qui donne à leur détection une complexité majeure, non résolue actuellement par des méthodes algorithmiques classiques Une approche utilisant une ou plusieurs techniques de Machine-Learning permettra de franchir cet obstacle.

Grenoble-Clermont : un partenariat en bonne intelligence

Les évolutions actuelles autour du Machine-Learning offrent un large panel de solutions possibles. Or le domaine d’application de POLLEN Metrology est multiple, tout comme devra l’être la ou les solution(s) à retenir. C’est pourquoi, nous avons cherché à fédérer autour de ce projet plusieurs laboratoires ayant des expertises larges et complémentaires. A l’Université de Clermont-Auvergne, nous avons identifié le LIMOS et le LMBP, respectivement spécialistes dans les domaines du logiciel et des mathématiques appliquées.

Rassemblés autour du projet DeepSmart, (projet labellisé Easytech, par Minalogic),  ce partenariat inédit ajoutera des briques nouvelles à la chaîne de métrologie Platypus™ pour détecter l’inconnu : les anomalies (brique défectivité), et ensuite classer celles-ci par “familles” de défauts (brique classification).

Ces deux aspects seront traités conjointement par POLLEN Metrology et le LIMOS (Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes) et le LMBP (Laboratoire de Mathématiques Blaise Pascal) de l’Université Clermont-Auvergne.

“Cette nouvelle collaboration avec l’UCA va permettre à POLLEN Metrology de développer un nouveau composant logiciel qui viendra se brancher sur notre plateforme logicielle Platypus^TM afin de proposer à nos clients de nouvelles fonctionnalités pour augmenter les rendements de productions de leurs procédés à forte valeur ajoutée” précise Johann Foucher, CEO et fondateur de POLLEN Metrology.