Sharpen NORDEND lot 01: corrigé, écart 1 (à reprendre)

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
maximeandClaude Opus 5.5 committed 2026-10-26 14:44:00 +01:00
1 parent 0f71042d7d
commit 5e9af75d8c
25 files changed
+428

No files matched your search

@@ -0,0 +1,40 @@
# Corrigé : lot 01, NORDEND, 2026-09-05T00:00Z → 2026-09-09T00:00Z (UTC)
Station : 22 capteurs, un pas de 15 min. 3 références globales (CTR02, CTR03, CTR04), 1 référence locale (`ref`, CTR01), 18 cibles (PR01 à PR18). Seuil de rejet 0,4 pour tous. Niveaux habituels (médiane d'`error_value`) : 0,03 à 0,06 pour les cibles et références globales, 0,13 pour CTR01. `sigma0` ≈ 0,0015.
## Moments
| Début | Fin | Capteurs | Colonnes | Ce que je vois | Images |
|---|---|---|---|---|---|
| 05/09 01:30 (dernière mesure avant) | 05/09 02:15 | les 22 | toutes (aucune ligne) | Trou nocturne : pas de mesure à 01:45 et 02:00. | image 02:15 présente, rien à 01:00 → 02:15 |
| 06/09 01:15 | 06/09 02:00 | les 22 | aucune ligne | Trou : 01:30 et 01:45 manquent. | — |
| 07/09 01:00 | 07/09 01:30 | les 22 | aucune ligne | Trou : 01:15 manque. | — |
| 08/09 00:45 | 08/09 01:15 | les 22 | aucune ligne | Trou : 01:00 manque. Quatre petits trous, tous la nuit entre 00:45 et 02:15, un par nuit (le 04/09 aussi, hors lot). | — |
| chaque jour ~06:30 | ~17:00 | les 22, références comprises | `x`, `y` | Cycle de jour en mode commun : `y` brut monte de 2 à 3 px à partir de 06:30-07:00 (marche de +1,4 px à 06:45 le 06/09, +2,2 px en deux pas à 06:45-07:00 le 07/09 ; plus progressif les 05/09 et 08/09, de 07:00 à 10:00), puis redescend toute la journée ; `x` brut baisse d'environ 0,5 px jusqu'à ~15:00 puis remonte. Tous les capteurs ensemble, même forme. | vue d'ensemble : carrière, cibles petites sur la paroi |
| 06/09 06:45 | ~16:00 | surtout PR18, PR16, PR14, PR17, PR12 (côté droit de l'image) ; corr_y : la plupart | `corr_x`, `corr_y` | Résidu de la compensation au moment de la montée du matin : `corr_x` baisse de 0,12 (PR18), 0,06 (PR16), 0,04 (PR14, PR17), 0,03 (PR12), presque rien sur PR01/PR05/PR09 ; `corr_y` baisse de 0,03 à 0,04 sur la plupart, monte de +0,05 sur PR18 et +0,025 sur CTR03. Retour progressif l'après-midi. | — |
| 07/09 06:45 | ~16:00 | mêmes capteurs | `corr_x`, `corr_y` | Même forme, un peu plus faible en x (PR18 −0,09, PR16 −0,05). Sur 05/09 : résidu en x seulement (PR18 −0,06, PR14 −0,04), pas en y ; 08/09 : presque aucun (PR18 −0,02). Le résidu suit la brutalité de la montée de `y` brut. | — |
| 05/09 12:15 | fin du lot (reste) | PR17 seule | `corr_y`, `y`/`relative_y`, `error_value` | Saut durable de `corr_y` de +0,14 (≈ −0,05 → +0,09) en un seul pas ; `y` brut de PR17 +0,12 px par rapport aux autres capteurs (−0,21 contre −0,35 pour tous les autres, qui ne bougent pas) ; `corr_x` inchangé. Pas de retour jusqu'au 09/09. `error_value` de PR17 : montée lente de 0,025 à ~0,05 dans la nuit du 05/09 (avant le saut), puis plateau 0,06-0,07 jour et nuit après le saut, avec moins de différence jour/nuit ; sans jamais passer le seuil (corrigé après lecture de la lecture 1). | gros plan PR17 : la tache est visible, un peu plus petite à 13:00 qu'à 11:00 (peu net) |
| 06/09 09:15 (premiers rejets), net à ~10:00 | 08/09 ~11:00 | PR04 seule | `error_value`, `corr_x`, `corr_y`, `x`, `y` | `error_value` de 0,07-0,14 à 0,4-1,0 (médiane horaire 0,8 à 0,9 de 11:00 à 15:00 le 06/09), nuits comprises (0,4 à 0,6, pas de retour la nuit), oscillant autour du seuil : rejet presque continu (≈ 90 % des pas sur 49 h), `corr` vides ; les points acceptés sont dispersés (±0,1 sur `corr_x`, contre ±0,02 avant) et `corr_x` moyen baisse de 0,10 à 0,07 ; `x`, `y` bruts avec des pics isolés jusqu'à 15 px. Retour net à `error_value` ≈ 0,05-0,15 à 08/09 ~11:00 (un rejet à 17:15). Les autres cibles n'en sont pas affectées. | PR04 : tache déformée, irrégulière et moins nette de jour (06/09 10:00, 14:00 ; 07/09 12:00 ; 08/09 10:00), petite et irrégulière la nuit (07/09 03:00), de nouveau nette le 08/09 14:00 |
| 08/09 05:45 | 08/09 08:15 | PR07 seule | `corr_x` | Palier bas : de 0,056 à ~0,006-0,013 de 06:30 à 07:45 (écart −0,05, ≈ −8 fois le bruit), retour à 0,06 à 08:30 ; PR08 voisin stable. (Ajouté après lecture de la lecture 1, vérifié sur les données.) | — |
| 05/09 00:00 | ~05/09 06:00 | PR09 (et PR11, moins) | `corr_x` | Début de lot : PR09 à −0,046 qui remonte à −0,025 vers 05:00 ; PR11 de 0,042 à 0,06. (Ajouté après lecture de la lecture 1.) | — |
| 08/09 02:00 (et 17:15) | 08/09 02:15 (17:15) | PR07 seule | `error_value` | Pics isolés : 08/09 02:00 (0,97) et 02:15 (0,99), de nuit, rejetés, 02:30 0,16 encore haut ; 08/09 17:15 0,54. Les autres capteurs normaux (PR04 déjà rejeté). | — |
| 05/09 14:30 | 05/09 16:15 | CTR01 (référence locale) | `error_value` | Montée journalière propre à CTR01 : chaque jour de ~05:00 (0,10) à ~15:30-16:30 (0,2 à 0,44), chute brutale à ~16:30 vers 0,10. Seul le 05/09 dépasse le seuil (0,44, rejets 14:30 → 16:15) ; 06, 07 et 08/09 culminent à 0,38-0,39, juste sous le seuil. Les autres capteurs n'ont pas cette forme. | — |
| 08/09 12:45 | 08/09 12:45 | tous les capteurs | `error_value` | Pic d'un seul pas : ×3,6 la médiane propre de chaque capteur (maximum 0,28, sous le seuil), retour au pas suivant. | — |
| 08/09 19:45 | 08/09 19:45 | tous les capteurs | `error_value`, `sigma0` | Même forme : ×4 (maximum 0,28) ; 19:30 déjà ×1,9, `sigma0` monte à 0,0019. | — |
| 08/09 12:30 | 08/09 ~21:00 | tous | `error_value` | Après le premier pic, `error_value` des cibles reste 1,3 à 1,7 fois son niveau jusqu'à ~16:00, avec d'autres pics isolés (14:30, 15:30, 18:45, 21:00 à ×1,7-1,9). Plus agité que les trois jours précédents. | — |
| 05/09 13:15 | 05/09 13:15 | tous | `error_value` | Petit pic d'un pas, ×1,9 (maximum ×3,3 sur un capteur). | — |
| 08/09 07:00 | 08/09 ~19:00 (et 09:15-10:00 le 05/09, 06/09 09:00-12:30) | tous | `y` brut médian | Agitation de `y` en mode commun : sauts de ±0,5 à 1 px d'un pas à l'autre, de 07:00 à 12:00 surtout, jusqu'à 17:30 le 08/09 ; compensée (pas de trace dans `corr` au-delà du résidu ci-dessus) ; `error_value` ordinaire. | — |
## Scripts
- charge.py : lit les exports « advanced » des jours demandés.
- trous_erreurs.py : pas manquants (écart > 16 min), nombre de capteurs par pas, mesures rejetées par pas.
- resume_capteurs.py : par capteur et par jour, médiane et maximum d'`error_value`, médiane de `corr_x` / `corr_y`.
- fig_vue_ensemble.py : 22 capteurs côte à côte, pour `corr_x`, `corr_y`, `x`, `y`, `error_value` (ensemble_*.png).
- sauts.py : plus grands pas de PR17, détail 06:00-12:00 le 05/09.
- mode_commun.py : médiane inter-capteurs de `x`, `y`, `corr_x`, `corr_y`, pas à pas.
- fig_jours.py : un jour par colonne : `y` et `x` bruts médians, `corr_y`, `corr_x` de capteurs choisis, `error_value` (jours.png).
- erreurs_detail.py : `error_value` de chaque capteur relativement à sa médiane propre ; PR04 par heure ; pics de PR07.
- residu_matin.py : baisse de `corr` entre 05:00-06:30 et 08:00-10:00 par jour et par capteur.
- gros_plans.py, pr04_serie.py : découpes des images (PR04, PR17), luminosite.py : essai de mesure de luminosité (peu fiable : fond bruité, résultat non retenu).
## Sources lues
`docs/domaine/colonnes-des-deplacements.md`, `docs/domaine/pieges-des-donnees.md`, `docs/displacement/domaine/carte-des-evenements.md`, `out/pompage/NORDEND/displacement/NORDEND_advanced_2026090{4..9}.csv` (par mes scripts ; 01 à 03 pour les niveaux de PR17), images de `out/pompage/NORDEND/images/` (par Read et mes découpes). Le contexte `vues-deplacements/CLAUDE.md` m'a été fourni par l'environnement : non ouvert par moi, non utilisé. Aucun outil de `agents/diagnostic/outils/`, ni skill, ni détecteur.
@@ -0,0 +1,13 @@
import csv, glob, datetime as dt, statistics as st
D='out/pompage/NORDEND/displacement/NORDEND_advanced_%s.csv'
def f(v):
return float(v) if v not in ('',None) else None
def load(days=('20260904','20260905','20260906','20260907','20260908','20260909')):
rows=[]
for d in days:
for r in csv.DictReader(open(D%d)):
r['t']=dt.datetime.fromisoformat(r['time_utc'])
for k in ('x','y','error_value','error_threshold','relative_x','relative_y','corr_x','corr_y','reproj_err','inlier','sigma0'):
r[k]=f(r[k])
rows.append(r)
return rows
Binary file not shown.

After

Width:  |  Height:  |  Size: 476 KiB

Binary file not shown.

After

Width:  |  Height:  |  Size: 442 KiB

Binary file not shown.

After

Width:  |  Height:  |  Size: 274 KiB

Binary file not shown.

After

Width:  |  Height:  |  Size: 328 KiB

Binary file not shown.

After

Width:  |  Height:  |  Size: 327 KiB

@@ -0,0 +1,28 @@
import sys,os; sys.path.insert(0,os.path.dirname(__file__))
from charge import *
import collections
rows=load()
by=collections.defaultdict(dict)
for r in rows: by[r['sensor_name']][r['t'].replace(second=0,microsecond=0)]=r
S=[s for s in by if s not in('PR04','CTR01')]
ts=sorted(by['PR01'])
# mediane d'erreur inter-capteurs vs sa mediane propre par heure
med={s:st.median([r['error_value'] for r in by[s].values()]) for s in by}
print('pas où la mediane (error/mediane propre) > 1.6')
for t in ts:
if not (dt.datetime(2026,9,5,tzinfo=dt.timezone.utc)<=t<dt.datetime(2026,9,9,tzinfo=dt.timezone.utc)): continue
q=[by[s][t]['error_value']/med[s] for s in S if t in by[s]]
m=st.median(q)
if m>1.6: print(t.strftime('%d %H:%M'),round(m,2),'max',round(max(q),1))
print('PR04 error par heure (médiane), taux de rejet')
for d in range(5,9):
line=[]
for h in range(24):
v=[by['PR04'][t]['error_value'] for t in ts if t.day==d and t.hour==h and t in by['PR04']]
line.append('%.2f'%st.median(v) if v else ' - ')
print(d,' '.join(line))
print('PR07 pics')
for t in ts:
r=by['PR07'][t] if t in by['PR07'] else None
if r and r['error_value']>0.15 and dt.datetime(2026,9,5,tzinfo=dt.timezone.utc)<=t<dt.datetime(2026,9,9,tzinfo=dt.timezone.utc):
print(t, 'PR07',round(r['error_value'],2),'y',r['y'],'corr_y',r['corr_y'],'mediane autres e',round(st.median([by[s][t]['error_value'] for s in S if s!='PR07']),3))
@@ -0,0 +1,32 @@
import sys,os; sys.path.insert(0,os.path.dirname(__file__))
from charge import *
import collections, matplotlib; matplotlib.use('Agg')
import matplotlib.pyplot as plt
OUT=os.path.dirname(__file__)
rows=load()
by=collections.defaultdict(dict)
for r in rows: by[r['sensor_name']][r['t'].replace(second=0,microsecond=0)]=r
S=[s for s in by if s not in('PR04','PR07')]
def cm(col,t):
v=[by[s][t][col] for s in S if t in by[s] and by[s][t][col] is not None]
return st.median(v) if v else None
ts=sorted(by['PR01'])
fig,axs=plt.subplots(5,4,figsize=(28,18))
for j,d in enumerate((5,6,7,8)):
tt=[t for t in ts if t.day==d]
h=[t.hour+t.minute/60 for t in tt]
ax=axs[0][j]; ax.plot(h,[cm('y',t) for t in tt],'.-',lw=.5,ms=3); ax.set_title('%d/09 y brut médian'%d)
ax=axs[1][j]; ax.plot(h,[cm('x',t) for t in tt],'.-',lw=.5,ms=3); ax.set_title('x brut médian')
ax=axs[2][j]
for s in ('PR02','PR12','PR16','PR17','PR18','CTR02'):
ax.plot([t.hour+t.minute/60 for t in tt if t in by[s]],[by[s][t]['corr_y'] for t in tt if t in by[s]],lw=.7,label=s)
ax.legend(fontsize=7); ax.set_title('corr_y')
ax=axs[3][j]
for s in ('PR02','PR12','PR16','PR17','PR18','CTR02'):
ax.plot([t.hour+t.minute/60 for t in tt if t in by[s]],[by[s][t]['corr_x'] for t in tt if t in by[s]],lw=.7,label=s)
ax.set_title('corr_x')
ax=axs[4][j]
for s in ('PR04','PR07','CTR01','PR02','CTR04'):
ax.plot([t.hour+t.minute/60 for t in tt if t in by[s]],[by[s][t]['error_value'] for t in tt if t in by[s]],lw=.7,label=s)
ax.legend(fontsize=7); ax.set_title('error_value'); ax.axhline(.4,color='r',lw=.4)
fig.tight_layout(); fig.savefig(OUT+'/jours.png',dpi=50)
@@ -0,0 +1,20 @@
import sys,os; sys.path.insert(0,os.path.dirname(__file__))
from charge import *
import collections, matplotlib; matplotlib.use('Agg')
import matplotlib.pyplot as plt
OUT=os.path.dirname(__file__)
rows=load()
by=collections.defaultdict(list)
for r in rows: by[r['sensor_name']].append(r)
t0=dt.datetime(2026,9,5,tzinfo=dt.timezone.utc); t1=dt.datetime(2026,9,9,tzinfo=dt.timezone.utc)
def win(l): return [r for r in l if t0<=r['t']<t1]
def med(l): return st.median(l)
for col in ('corr_x','corr_y','x','y','error_value'):
fig,axs=plt.subplots(6,4,figsize=(26,22),sharex=True)
for ax,(s,l) in zip(axs.flat,sorted(by.items())):
w=win(l); w=[r for r in w if r[col] is not None]
m=med([r[col] for r in w])
ax.plot([r['t'] for r in w],[r[col]-(0 if col=='error_value' else m) for r in w],lw=.6)
ax.set_title('%s %s (med %.3f)'%(s,l[0]['pattern_type'],m),fontsize=9)
ax.axhline(0.4 if col=='error_value' else 0,color='r',lw=.4)
fig.suptitle(col); fig.tight_layout(); fig.savefig(OUT+'/ensemble_%s.png'%col,dpi=55); plt.close(fig)
@@ -0,0 +1,21 @@
import sys,os,glob
from PIL import Image
OUT=os.path.dirname(__file__)
IM='out/pompage/NORDEND/images/'
def crop(stamp,box,name,scale=1):
f=glob.glob(IM+stamp+'*.jpg')[0]
im=Image.open(f).crop(box)
return im.resize((im.width*scale,im.height*scale))
def montage(stamps,box,name,scale=1):
ims=[crop(s,box,name,scale) for s in stamps]
W=sum(i.width for i in ims); H=max(i.height for i in ims)
m=Image.new('RGB',(W,H)); x=0
for i in ims: m.paste(i,(x,0)); x+=i.width
m.save(os.path.join(OUT,name))
if __name__=='__main__':
# PR04: avant, début, nuit, fin
montage(['20260906T0800Z','20260906T1200Z','20260907T0300Z','20260908T1200Z'],(1900,1280,2150,1480),'pr04.png',2)
# PR17 avant / après le saut
montage(['20260905T1100Z','20260905T1300Z'],(1900,880,2100,1060),'pr17.png',3)
# vue d'ensemble
Image.open(glob.glob(IM+'20260905T1200Z*')[0]).resize((1030,688)).save(os.path.join(OUT,'vue.png'))
Binary file not shown.

After

Width:  |  Height:  |  Size: 338 KiB

@@ -0,0 +1,15 @@
import glob,os,sys
from PIL import Image
import numpy as np
IM='out/pompage/NORDEND/images/'
P={'PR04':(2019,1378),'PR17':(1992,973),'PR03':(1954,1344),'PR05':(2086,1386),'PR02':(1890,1339),'PR18':(2231,860),'PR16':(2430,1340)}
def pk(a,x,y,r=6):
w=a[y-r:y+r+1,x-r:x+r+1].astype(float)
bg=np.median(a[y-25:y+26,x-25:x+26])
return w.max()-bg, bg
out=[]
print('stamp',*P)
for f in sorted(glob.glob(IM+'2026090[5-8]T*.jpg')):
a=np.array(Image.open(f).convert('L'))
st=os.path.basename(f)[:13]
print(st,*['%d/%d'%pk(a,x,y) for x,y in P.values()])
@@ -0,0 +1,97 @@
stamp PR04 PR17 PR03 PR05 PR02 PR18 PR16
20260905T0000 196/59 187/68 187/68 184/71 190/65 187/68 179/76
20260905T0100 185/70 175/80 174/81 171/84 179/76 174/81 163/92
20260905T0215 200/55 194/61 192/63 190/65 195/60 193/62 185/70
20260905T0300 206/49 199/56 199/56 198/57 202/53 199/56 194/61
20260905T0400 169/86 158/97 158/97 156/99 164/91 158/97 148/107
20260905T0500 73/1 253/2 254/1 253/2 254/1 253/2 253/2
20260905T0600 19/1 147/2 114/1 229/1 85/1 241/2 254/1
20260905T0700 23/2 166/3 167/2 251/3 115/2 251/4 247/3
20260905T0800 28/4 228/5 206/3 250/5 159/2 249/6 250/5
20260905T0900 47/10 243/12 246/9 242/13 225/8 242/13 244/11
20260905T1000 65/14 242/13 242/13 238/17 245/10 241/14 243/12
20260905T1100 124/8 243/12 247/8 245/10 248/7 241/14 246/9
20260905T1200 45/25 235/20 227/23 227/28 234/21 237/18 240/15
20260905T1300 22/23 236/19 232/23 230/25 232/23 241/14 244/11
20260905T1400 179/18 230/25 237/18 236/19 236/19 234/21 239/16
20260905T1500 46/18 206/49 235/20 237/18 226/29 219/36 224/31
20260905T1600 133/67 167/88 184/71 193/62 169/86 194/61 204/51
20260905T1700 107/5 244/11 250/5 250/5 250/5 209/46 251/4
20260905T1800 238/17 226/29 237/18 236/19 237/18 229/26 235/20
20260905T1900 169/86 144/111 158/97 154/101 158/97 155/100 148/107
20260905T2000 194/61 178/77 186/69 183/72 187/68 184/71 177/78
20260905T2100 196/59 179/76 188/67 185/70 189/66 185/70 179/76
20260905T2200 232/23 225/30 228/27 228/27 229/26 228/27 225/30
20260905T2300 173/82 150/105 162/93 159/96 164/91 159/96 150/105
20260906T0000 174/81 151/104 162/93 159/96 165/90 159/96 151/104
20260906T0100 174/81 151/104 164/91 160/95 166/89 159/96 151/104
20260906T0200 177/78 154/101 166/89 163/92 169/86 162/93 152/103
20260906T0300 174/81 152/103 162/93 158/97 164/91 157/98 147/108
20260906T0400 172/83 149/106 162/93 157/98 162/93 156/99 146/109
20260906T0500 252/3 251/4 252/3 252/3 252/3 251/4 252/3
20260906T0600 38/2 247/2 253/2 253/2 252/1 253/2 253/2
20260906T0700 17/1 99/4 109/1 197/1 84/1 239/3 253/2
20260906T0800 50/6 245/10 250/5 248/7 251/4 246/9 247/8
20260906T0900 34/4 249/5 234/3 251/4 202/3 251/4 252/3
20260906T1000 11/15 238/17 241/14 237/18 244/11 240/15 241/14
20260906T1100 6/18 241/14 238/17 234/21 241/14 243/12 243/12
20260906T1200 5/23 237/18 233/22 230/25 235/20 241/14 243/12
20260906T1300 21/25 225/30 230/25 228/27 230/25 231/24 236/19
20260906T1400 19/29 222/33 226/29 225/30 224/31 230/25 236/19
20260906T1500 50/20 203/52 233/22 235/20 226/29 220/35 228/27
20260906T1600 108/65 169/86 187/68 194/61 172/83 195/60 205/50
20260906T1700 45/29 204/51 225/30 224/31 224/31 210/45 227/28
20260906T1800 199/55 168/87 189/66 184/71 192/63 178/77 182/73
20260906T1900 167/88 132/123 148/107 143/112 150/105 144/111 136/119
20260906T2000 167/88 133/122 148/107 145/110 152/103 147/108 137/118
20260906T2100 164/91 134/121 147/108 145/110 149/106 145/110 136/119
20260906T2200 169/86 136/119 150/105 146/109 152/103 146/109 137/118
20260906T2300 165/90 134/121 147/108 145/110 149/106 144/111 137/118
20260907T0000 170/85 138/117 153/102 149/106 155/100 149/106 139/116
20260907T0100 167/88 138/117 150/105 147/108 151/104 147/108 138/117
20260907T0200 163/92 133/122 144/111 143/112 148/107 140/115 134/121
20260907T0300 169/86 141/114 154/101 150/105 153/102 150/105 141/114
20260907T0400 167/88 138/117 150/105 146/109 151/104 144/111 137/118
20260907T0500 25/2 252/3 253/2 253/2 253/2 252/3 252/3
20260907T0600 0/1 115/2 118/1 206/1 101/1 243/2 254/1
20260907T0700 0/1 135/4 120/1 230/1 110/1 252/3 253/2
20260907T0800 3/6 245/10 250/5 247/8 251/4 245/10 247/8
20260907T0900 10/10 242/13 245/10 242/13 248/7 242/13 244/11
20260907T1000 8/14 239/16 242/13 238/17 244/11 240/15 242/13
20260907T1100 7/18 240/15 238/17 234/21 241/14 242/13 243/12
20260907T1200 24/26 233/22 230/25 226/29 232/23 238/17 240/15
20260907T1300 43/24 239/16 231/24 229/26 232/23 244/11 245/10
20260907T1400 15/26 228/27 229/26 228/27 227/28 236/19 241/14
20260907T1500 40/23 197/58 230/25 232/23 223/32 217/38 227/28
20260907T1600 92/61 171/84 192/63 198/57 178/77 195/60 209/46
20260907T1700 15/14 229/26 241/14 241/14 240/15 224/31 242/13
20260907T1800 112/12 235/20 240/15 239/16 240/15 238/17 239/16
20260907T1900 127/15 236/19 238/17 238/17 238/17 238/17 237/18
20260907T2000 234/14 237/18 239/16 239/16 239/16 239/16 238/17
20260907T2100 78/13 238/17 240/15 240/15 240/15 240/15 239/16
20260907T2200 169/86 136/119 149/106 151/104 150/105 148/107 137/118
20260907T2300 167/88 137/118 146/109 145/110 148/107 146/109 135/120
20260908T0000 172/83 141/114 153/102 152/103 155/100 152/103 142/113
20260908T0100 169/86 139/116 148/107 146/109 151/104 148/107 140/115
20260908T0200 165/90 143/112 151/104 148/107 151/104 149/106 151/104
20260908T0300 174/81 148/107 156/99 155/100 158/97 158/97 148/107
20260908T0400 177/78 149/106 157/98 158/97 161/94 158/97 148/107
20260908T0500 206/49 184/71 197/58 194/61 200/55 195/60 194/61
20260908T0600 28/23 227/28 232/23 228/27 233/22 232/23 236/19
20260908T0700 7/7 247/8 248/7 247/8 249/6 248/7 250/5
20260908T0800 44/40 209/46 218/37 210/45 220/35 219/36 221/34
20260908T0900 6/2 252/3 253/2 252/3 253/2 252/3 253/2
20260908T1000 7/4 250/5 251/4 250/5 245/3 250/5 251/4
20260908T1100 163/13 238/17 242/13 240/15 243/12 239/16 243/12
20260908T1200 56/29 229/26 228/27 223/32 230/25 233/22 235/20
20260908T1300 226/24 238/17 231/24 229/26 232/23 244/11 245/10
20260908T1400 64/14 240/15 239/14 241/14 240/15 246/9 248/7
20260908T1500 203/52 183/72 204/51 200/55 202/53 192/63 206/49
20260908T1600 25/11 240/15 244/11 242/13 244/11 241/14 244/11
20260908T1700 101/28 217/38 227/28 223/32 229/26 220/35 226/29
20260908T1800 231/24 221/34 232/23 229/26 232/23 228/27 235/20
20260908T1900 135/120 137/118 149/106 133/122 150/105 149/106 140/115
20260908T2000 153/102 144/111 155/100 143/112 157/98 155/100 145/110
20260908T2100 153/102 148/107 159/96 145/110 160/95 157/98 147/108
20260908T2200 157/98 152/103 161/94 147/108 163/92 160/95 151/104
20260908T2300 150/105 143/112 153/102 141/114 155/100 151/104 142/113
@@ -0,0 +1,29 @@
import sys,os; sys.path.insert(0,os.path.dirname(__file__))
from charge import *
import collections
rows=load()
by=collections.defaultdict(dict)
for r in rows: by[r['sensor_name']][r['t'].replace(second=0,microsecond=0)]=r
S=[s for s in by if s not in('PR04','PR07')]
ts=sorted(by['PR01'])
def cm(col,t):
v=[by[s][t][col] for s in S if t in by[s] and by[s][t][col] is not None]
return st.median(v) if v else None
print('Sauts de mode commun (y brut) > 0.5 px entre pas successifs; puis dx')
prev=None
for t in ts:
y=cm('y',t); x=cm('x',t)
if prev and y is not None:
dy=y-prev[1]; dx=x-prev[2]
if abs(dy)>0.4 or abs(dx)>0.4: print(t, 'pas',(t-prev[0]).seconds//60,'min dy=%.2f dx=%.2f'%(dy,dx))
prev=(t,y,x)
# corr: mediane corr_x/corr_y des capteurs, sauts
print('corr médiane inter-capteurs: plus grands pas')
res=[]
prev=None
for t in ts:
cx=cm('corr_x',t); cy=cm('corr_y',t)
if prev and cx is not None and prev[1] is not None:
res.append((t,cx-prev[1],cy-prev[2]))
prev=(t,cx,cy)
for t,a,b in sorted(res,key=lambda z:-max(abs(z[1]),abs(z[2])))[:12]: print(t,round(a,3),round(b,3))
Binary file not shown.

After

Width:  |  Height:  |  Size: 390 KiB

Binary file not shown.

After

Width:  |  Height:  |  Size: 220 KiB

@@ -0,0 +1,18 @@
import glob,os
from PIL import Image, ImageDraw
IM='out/pompage/NORDEND/images/'
stamps=['20260905T0300Z','20260905T1000Z','20260905T1400Z','20260906T1000Z','20260906T1400Z','20260907T0300Z','20260907T1200Z','20260908T0300Z','20260908T1000Z','20260908T1400Z']
W=100; sc=3
m=Image.new('RGB',(len(stamps)*W*sc,2*W*sc))
for i,s in enumerate(stamps):
f=glob.glob(IM+s+'*.jpg')[0]
im=Image.open(f).convert('L')
for j,(x,y) in enumerate(((2019,1378),(1992,973))):
c=im.crop((x-W//2,y-W//2,x+W//2,y+W//2)).resize((W*sc,W*sc),Image.NEAREST)
# étirer le contraste
lo,hi=c.getextrema(); c=c.point(lambda v:int(255*(v-lo)/max(hi-lo,1)))
d=ImageDraw.Draw(c.convert('RGB')) if False else None
m.paste(c.convert('RGB'),(i*W*sc,j*W*sc))
d=ImageDraw.Draw(m)
for i,s in enumerate(stamps): d.text((i*W*sc+4,4),s[4:],fill=(255,255,0))
m.save(os.path.join(os.path.dirname(__file__),'pr04_pr17_serie.png'))
Binary file not shown.

After

Width:  |  Height:  |  Size: 56 KiB

@@ -0,0 +1,15 @@
import sys,os; sys.path.insert(0,os.path.dirname(__file__))
from charge import *
rows=load()
def m(s,d,h0,h1,k):
v=[r[k] for r in rows if r['sensor_name']==s and r['t'].day==d and h0<=r['t'].hour+r['t'].minute/60<h1 and r[k] is not None]
return st.mean(v)
print('Baisse de corr entre 05:00-06:30 et 08:00-10:00 (UTC), par jour')
for k in ('corr_x','corr_y'):
print(k)
for s in ('CTR02','CTR03','CTR04','PR01','PR05','PR09','PR12','PR14','PR16','PR17','PR18'):
print(' ',s,*['%d:%+.3f'%(d,m(s,d,8,10,k)-m(s,d,5,6.5,k)) for d in (5,6,7,8)])
print('amplitude y brut médian (max-min) par jour, px')
for d in (5,6,7,8):
v=[st.median([r['y']-st.median([q['y'] for q in rows if q['sensor_name']==s]) for s in ('PR01','PR02','PR09')]) for r in rows if r['sensor_name']=='PR01' and r['t'].day==d]
print(d)
@@ -0,0 +1,14 @@
import sys,os; sys.path.insert(0,os.path.dirname(__file__))
from charge import *
import collections
rows=load(days=('20260901','20260902','20260903','20260904','20260905','20260906','20260907','20260908','20260909'))
by=collections.defaultdict(list)
for r in rows: by[r['sensor_name']].append(r)
def med(l): l=[x for x in l if x is not None]; return st.median(l) if l else float('nan')
print('capteur | err med jour(5..8) ; err max ; corr_x med/day ; corr_y med/day')
for s,l in sorted(by.items()):
out=[]
for d in range(4,10):
ll=[r for r in l if r['t'].day==d]
out.append('%02d: e=%.3f/%.3f cx=%.3f cy=%.3f'%(d,med([r['error_value'] for r in ll]),max(r['error_value'] for r in ll),med([r['corr_x'] for r in ll]),med([r['corr_y'] for r in ll])))
print(s,l[0]['pattern_type']); print(' '+'\n '.join(out))
@@ -0,0 +1,15 @@
import sys,os; sys.path.insert(0,os.path.dirname(__file__))
from charge import *
import collections
rows=load()
by=collections.defaultdict(dict)
for r in rows:
by[r['sensor_name']][r['t'].replace(second=0,microsecond=0)]=r
# PR17 corr_y jump
s=by['PR17']; ts=sorted(s)
d=[(b, s[b]['corr_y']-s[a]['corr_y'], s[b]['relative_y']-s[a]['relative_y']) for a,b in zip(ts,ts[1:]) if s[a]['corr_y'] is not None and s[b]['corr_y'] is not None]
print('PR17 plus gros sauts corr_y');
for b,dc,dr in sorted(d,key=lambda z:-abs(z[1]))[:5]: print(b,round(dc,3),round(dr,3))
for t in ts:
if dt.datetime(2026,9,5,6,tzinfo=dt.timezone.utc)<=t<=dt.datetime(2026,9,5,12,tzinfo=dt.timezone.utc):
r=s[t]; print(t.strftime('%H:%M'),r['corr_y'],r['relative_y'],r['y'],r['error_value'])
@@ -0,0 +1,19 @@
import sys,os; sys.path.insert(0,os.path.dirname(__file__))
from charge import *
import collections
rows=load()
ts=sorted({r['t'].replace(second=0,microsecond=0) for r in rows})
print('timestamps',len(ts))
for a,b in zip(ts,ts[1:]):
if b-a>dt.timedelta(minutes=16): print('trou',a,b)
# sensors per timestamp
c=collections.Counter(r['t'].replace(second=0,microsecond=0) for r in rows)
for t,n in sorted(c.items()):
if n!=22: print('n capteurs',t,n)
# error_value vs threshold: counts rejected per timestamp
rej=collections.defaultdict(list)
for r in rows:
if r['error_value'] is not None and r['error_value']>r['error_threshold']:
rej[r['t'].replace(second=0,microsecond=0)].append(r['sensor_name'])
if r['error_value'] is None: rej[r['t'].replace(second=0,microsecond=0)].append(r['sensor_name']+'(nan)')
for t,l in sorted(rej.items()): print('rej',t,len(l),l)
Binary file not shown.

After

Width:  |  Height:  |  Size: 681 KiB

@@ -0,0 +1,52 @@
# Écart 1 : lot 01, NORDEND, 2026-09-05T00:00Z → 2026-09-09T00:00Z (UTC)
**Verdict** : à reprendre
La lecture est bonne : tous les moments importants du corrigé sont trouvés, avec des bornes justes et des chiffres vérifiés. Elle a vu trois choses que mon corrigé avait omises (PR07 `corr_x` le 08/09, début de lot de PR09/PR11, montée de `error_value` de PR17 avant son saut) ; je les ai vérifiées sur les données et ajoutées au corrigé. Reste deux défauts : la résolution horaire par défaut atténue et décale les événements courts, et les vignettes ne rendent pas lisible une tache faible (PR04).
## Moments
| Moment (corrigé ou lecture) | Jugement | Faute | Pourquoi |
|---|---|---|---|
| 4 trous nocturnes (05/09 01:30-02:15, 06/09 01:15-02:00, 07/09 01:00-01:30, 08/09 00:45-01:15), 22 capteurs | trouvé | — | Bornes exactes, donnés en en-tête, sans ligne de moment ; suffisant. |
| Cycle de jour en mode commun (`y` +2 à +3 px dès ~06:30, `x` −0,5 px l'après-midi) | trouvé | — | Lignes 9 à 13 : dates, amplitudes et différence du 08/09 justes. Départ du matin daté 15 min plus tôt que ma marche à 06:45 (06/09), sans conséquence. |
| Résidu de compensation du matin (06/09, 07/09 fort ; 05/09 faible en x ; 08/09 nul), PR18 > PR16 > PR14/PR17 | trouvé | — | Lignes 10 et 11, avec le rapport au bruit propre. Pas de ligne pour 05/09 et 08/09 (résidu faible ou nul), le lecteur le dit pour y. |
| PR17 saut de `corr_y` +0,14 à 05/09 12:15, durable | trouvé | — | Heure, ampleur, absence de réaction des autres capteurs : exacts. Image : « rien de propre à PR17 », ce que je vois aussi. |
| PR04, `error_value` 06/09 09:15 → 08/09 ~11:00, nuits comprises, `corr` dispersé | trouvé | — | Bornes, niveaux, retour net, bruit de `corr` : tous justes. |
| PR04, ce que montre l'image | de travers | outil | La lecture dit « point à peine visible, invisible à 10:00 » ; avec un contraste étiré, la tache est visible mais déformée, irrégulière et moins nette de jour pendant l'épisode, nette de nouveau le 08/09 14:00. Le lecteur l'écrit lui-même (« pixels non retouchés rendent un point faible invisible »). |
| PR07 pics de nuit 08/09 02:00-02:15 (0,97 / 0,99) et 17:15 | trouvé | — | Exact, avec le rejet. |
| CTR01 (référence locale) : bosse quotidienne de `error_value`, rejets seulement le 05/09 14:30-16:15 | trouvé, ampleur sous-estimée | mode d'emploi | Bornes et forme justes, mais maxima donnés à 0,376 / 0,32 / 0,32 pour les 06, 07 et 08/09 ; en pas de 15 min ils sont à 0,39 / 0,39 / 0,38 (ils frôlent le seuil). Valeurs d'un pas horaire. La conclusion (sous le seuil) reste vraie. |
| Pics d'un pas sur tous les capteurs : 08/09 12:45 et 19:45 (×3,6 / ×4), petit pic 05/09 13:15 | trouvé | — | Ligne 18 et 19, les trois instants. |
| 08/09 12:30 → 21:00 : `error_value` 1,3 à 1,7× le niveau, pics isolés, `sigma0` en hausse | trouvé | — | Ligne 19, avec `x`, `y` agités. |
| Agitation de `y` brut en mode commun, pas de ±0,5 à 1 px, 07:00-12:00 les 05, 06, 08/09 | manqué en partie | mode d'emploi | Seule celle du 08/09 est dite (ligne 19, « agités »). Les 05/09 09:15-10:00 et 06/09 09:00-12:30 ne sont pas lues : à un pas de 60 min, la médiane lisse ces pas de 15 min. Le lecteur écrit avoir lu le tableau en 60 min par défaut et relancé en 15 min seulement sur de courtes fenêtres. |
| Lecture : PR07 `corr_x` palier bas 08/09 05:45-08:15 | trouvé (absent de mon corrigé) | — | Vérifié : 0,056 → 0,006-0,013 de 06:30 à 07:45, PR08 stable. Ajouté au corrigé. |
| Lecture : PR09, PR11 `corr_x` début de lot | trouvé (absent de mon corrigé) | — | Vérifié : PR09 −0,046 → −0,025 vers 05:00, PR11 0,042 → 0,06. Ajouté au corrigé. |
| Lecture : PR17 `error_value` montée lente 05/09 00:00 → ~08:00 | trouvé (corrige mon corrigé) | — | Vérifié : 0,025 → 0,05 ; mon « 0,03 → 0,06 de nuit » mélangeait des médianes de jours. Corrigé. |
| Lecture : images de ciel nuageux le 08/09 13:00 | trouvé | — | Cohérent avec l'agitation de l'après-midi, sans conclusion hasardeuse. |
| En trop | aucun | — | Chaque ligne de la lecture correspond à quelque chose dans les données. |
## Défauts à corriger
### D1 : résolution horaire par défaut, qui atténue et décale les événements courts
- **Défaut** : le skill laisse lire d'abord en tableaux à pas d'une heure (médiane commune, `resume.py`). À ce pas, les événements de un à quatre pas de 15 min sont aplatis ou décalés : un maximum horaire est plus bas que le pic réel, une agitation de `y` en mode commun disparaît, un départ est daté à l'heure. Rien n'impose, pour chaque moment trouvé, de le relire aux 15 min natives, ni de lister les pics à un pas à toute résolution.
- **Exemple** : CTR01 les 06, 07 et 08/09 vers 15:00-16:30 : pics 0,39 / 0,39 / 0,38 en réel contre 0,376 / 0,32 / 0,32 lus ; agitation de `y` brut du 05/09 09:15-10:00 et du 06/09 09:00-12:30, non lue ; la lecture note en « Ce qui m'a manqué » qu'il faut relancer à `--pas 15min` pour dater.
- **Ce qu'il faudrait** : que la première vue de tous les capteurs soit au pas natif (ou à défaut, que le skill exige de redonner, pour chaque moment retenu, ses bornes et son maximum au pas natif), avec un tableau des instants où un seul capteur sort de son niveau (pas seulement les instants à plusieurs capteurs) et un tableau du mode commun de `x` et `y` aux 15 min sur les fenêtres où il s'agite.
### D2 : les images d'une cible faible ne montrent rien d'exploitable
- **Défaut** : une vignette à l'échelle de gris brute ne rend pas une tache faible ou déformée ; la lecture conclut « à peine visible, invisible » au lieu de décrire la forme. Aucun étirement de contraste commun, aucun profil chiffré (pic, fond) de la tache dans les images à l'heure de l'événement, avant, pendant et après.
- **Exemple** : PR04, 06/09 10:00 → 08/09 11:00 : la tache est visible mais déformée et moins nette (de jour comme de nuit) pendant l'épisode ; elle redevient nette le 08/09 14:00. La lecture n'a pu dire que « faible ». Le lecteur écrit aussi qu'il ne peut pas dire si le point de PR07 à 02:00 le 08/09 existe encore.
- **Ce qu'il faudrait** : une vignette qui étire le contraste de la même façon pour toutes les images d'une planche (ou donne le pic et le fond de la tache), avec un grossissement suffisant pour juger la forme, et un moyen de comparer avant, pendant et après un épisode sur une cible.
## Nouveautés
- PR17, 05/09 : le saut de +0,14 de `corr_y` (≈ 8 mm selon le facteur de `docs/domaine/colonnes-des-deplacements.md`) tombe 12 h après une montée lente de son `error_value` et s'accompagne d'un `y` brut +0,12 px par rapport aux autres capteurs, sans image qui le montre : « Une cible a sauté et reste décalée » ou « Cible heurtée », non tranché ; la carte le décrit déjà.
- PR04 : épisode de 49 h dont `error_value` ne revient pas à la normale la nuit, cible dont la tache est déformée sur les images : pas un rejet jour/nuit ni la buée de la carte (une partie des capteurs, quelques heures) ; c'est plutôt « Feuilles, plante » ou « Cible sale », mais sur 49 h nuits comprises, aucune ligne ne le décrit tel quel.
- CTR01 (référence locale) : bosse de `error_value` de 0,10 à 0,40 chaque après-midi, retombée brutale vers 16:30, sans répercussion sur les autres capteurs : proche de « Éclairage, voisin trop brillant » mais sur une référence ; non décrit pour une `ref`.
## Difficultés
- `vues-deplacements/aiguiser/2026-10-26T1334Z_NORDEND/lot-01/lecture-1.md` et le dossier `lecture-1/` existaient déjà quand j'ai commencé : l'ordre « corrigé d'abord » ne repose que sur ma discipline (je ne les ai pas ouverts avant d'avoir écrit `corrige.md`).
- L'environnement m'a fourni le contenu de `vues-deplacements/CLAUDE.md` sans que je l'ouvre ; non utilisé.
- Le corrigé d'origine a dû être corrigé après coup (trois ajouts / modifications), comme le prévoit la consigne ; rien d'autre.
- `awk`, `ls`, `PIL` et `numpy` étaient présents dans le `.venv` ; aucune commande n'a échoué.
## Sources lues
- Avant le corrigé : `docs/domaine/colonnes-des-deplacements.md`, `docs/domaine/pieges-des-donnees.md`, `docs/displacement/domaine/carte-des-evenements.md`, exports « advanced » de `out/pompage/NORDEND/displacement/` (04 au 09/09, 01 à 03 pour PR17), images de `out/pompage/NORDEND/images/` par Read et mes découpes ; `vues-deplacements/CLAUDE.md` fourni par l'environnement, non ouvert, non utilisé.
- Après le corrigé : `vues-deplacements/aiguiser/2026-10-26T1334Z_NORDEND/lot-01/lecture-1.md` (pas ses figures ni son dossier `lecture-1/`).
- Aucun outil de `agents/diagnostic/outils/`, ni skill, ni détecteur, ni base de cas.