Ce projet vise à développer une station d’analyse, destinée à localiser et quantifier automatiquement les fuites sur les masques de type N95 en utilisant à la fois l’imagerie infrarouge et des modèles d’intelligence artificielle. Actuellement, les méthodes disponibles pour évaluer l’ajustement des masques N95 sont assez limitées, car elles ne permettent ni la localisation, ni la quantification, ni même la visualisation des fuites. La crise du COVID-19 a mis en lumière certaines problématiques tel que la faible fiabilité du fit check (ou test d’étanchéité). En effet, ce test qui est censé être réalisé par chaque porteur d’un masque N95 avant son utilisation permet de vérifier l’ajustement de celui-ci. Cependant, plusieurs études remettent en cause la fiabilité de ce test et montre également que ce test n’est pas réalisé de manière adéquate par un grand nombre de personnes.

Ainsi, il est impératif de trouver des méthodes alternatives pour détecter les fuites efficacement. Bien que certaines études aient démontré la capacité de l’imagerie infrarouge à localiser les fuites sur les masques N95, aucune n’a encore réussi à automatiser à la fois la localisation et la quantification de ces fuites grâce à cette technologie. Notre projet vise donc à combler cette lacune en développant une méthode permettant une détection automatique par l’intelligence artificielle.

Dans cette perspective, nous étudions trois systèmes différents (plan, mannequin et sujets humains), en augmentant progressivement le niveau de complexité de l’étude. Nous avons constitué une base de données pour chaque système dans le but de développer une méthode de détection en environnement contrôlé (plan et mannequin) ainsi qu’en environnement non contrôlé (sujets humains). Cette méthode sera intégrée à la station d’analyse portable et sera testé sur le terrain (hôpitaux, laboratoires…).