Contexte
L’éolien offshore s’est imposé comme l’une des technologies les plus dynamiques du mix énergétique et connaît une expansion rapide. Les parcs éoliens offshores peuvent avoir des impacts sur la mégafaune marine, impacts qui doivent être estimés et réduits dans le contexte des politiques environnementales. Des plateformes équipées de multiples capteurs peuvent être installées sur les sites éoliens pendant tout leur cycle de vie pour suivre divers paramètres environnementaux ainsi que la mégafaune marine.
Le.la post-doctorant.e travaillera dans le cadre du programme sur l’intégration environnementale des EMR et contribuera au projet OWFSOMM, qui vise à standardiser les outils de suivi de la mégafaune marine à l’échelle des parcs éoliens offshores. L’un des volets de ce projet consiste à développer des outils d’apprentissage profond pour la détection automatique de la mégafaune à partir de données multimodales, dans le but d’estimer des indicateurs écologiques. Parmi les différentes sources de données, les vidéos à 360° apparaissent comme une source complémentaire précieuse aux autres instruments pour observer les mammifères marins et les oiseaux de mer. Pourtant, leur exploitation dans un cadre de détection automatique reste un défi.
Ces vidéos 360°, représentent une quantité massive de données compte tenu des vues multiples enregistrées en continu pendant des jours à une fréquence d’acquisition élevée. Par conséquent, il est nécessaire de concevoir et développer des solutions de d’analyses d’images efficaces. La nature optique du capteur rend la tâche de détection d’objets très sensible à de nombreux artefacts, tels que les conditions météorologiques, l’état de la mer, qui changent tous au cours de la journée. Enfin, la nature très rare des observations (seuls quelques cas de mégafaune marine sont visibles sur des heures de vidéo) pose le problème de l’apprentissage et de la reconnaissance de signaux très faibles.
L’objectif de la mission est donc d’évaluer les réseaux profonds actuels pour la détection/suivi d’objets dans le contexte de la surveillance de la mégafaune marine à partir de données vidéo à 360°, ainsi que de concevoir de nouvelles solutions qui répondent aux problèmes spécifiques des données massives, de la haute variabilité et de la faible fréquence d’observation des objets à surveiller.
Description du poste
Afin d’atteindre les objectifs ci-avant, le programme de travail provisoire suivant est présenté :
- Etude bibliographique des méthodes basées sur l’apprentissage profond pour la détection et la classification des mammifères marins à partir de spectrogrammes de données acoustiques
- Évaluation et benchmarking des méthodes permettant de réaliser l’état de l’art
- Amélioration/adaptation de solutions existantes et/ou développement de nouveaux modèles pour le suivi de la mégafaune marine à partie de de vidéos 360°.
- Diffusion : rapport de recommandation à la filière EMR, publication, codes sources.
