Ingénieur de recherche/chercheur postdoctoral en apprentissage profond pour le suivi de la mégafaune marine à partir de données acoustiques (F/H) – Avertissement : veuillez nous adresser votre candidature directement et uniquement par mail à contactrh@france-energies-marines.org

  • Reference : FEM-SAS-2022-324
  • Type de poste : CDD
  • Durée : 12 mois
  • Localisation : Brest (29) France Energies Marines et ENSTA Bretagne, Vannes (56) Université de Bretagne Sud
  • Télécharger l'offre

Description de l'offre

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’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. Pour tout parc éolien offshore, le suivi de la mégafaune marine est donc crucial à chaque étape, de l’autorisation à la construction, puis à l’exploitation. 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. Chaque capteur a ses propres limites et les données sont généralement post-traitées à l’aide de catalogues de données utilisés pour étiqueter et identifier les espèces, le comportement, etc. Grâce aux avancées significatives des méthodes d’intelligence artificielle, en particulier avec les réseaux neuronaux profonds (par exemple, récurrents et/ou convolutifs), l’automatisation de ces processus de suivi est devenue un objectif réaliste et crucial pour traiter les enregistrements continus et les grands ensembles de données.

Cette proposition de R&D fait partie du projet OWFSOMM mené par plusieurs laboratoires de recherche académiques et partenaires industriels. 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 plusieurs sources de données, l’acoustique marine est l’une des méthodes les plus pertinentes pour détecter les mammifères marins et sera exploitée dans le cadre de la détection automatique.

Des travaux préliminaires ont été menés pour développer des réseaux profonds pour la détection des mammifères marins à partir de spectrogrammes générés à partir de données acoustiques. Les résultats actuels montrent que cette approche est prometteuse et nécessite une étude plus approfondie. Par conséquent, l’objectif de cette offre est de concevoir des modèles d’apprentissage profond efficaces qui pourraient améliorer la détection et la classification de la mégafaune marine. Dans ce contexte, des modèles profonds avancés basés sur l’apprentissage supervisé, semi-supervisé et auto-supervisé seront considérés pour adopter la meilleure solution.

Missions

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 des solutions existantes (y compris les méthodes actuelles développées en interne par l’équipe) et développement de nouveaux modèles basés sur des approches d’apprentissage supervisé/semi-supervisé
  • Diffusion : rapport de recommandation à la filière EMR, publication, codes sources.

La personne recrutée rejoindra l’équipe intégration environnementale des EMR de France Energies Marines à Brest, France. Elle sera supervisée conjointement par le Dr. Karine Heerah (Chercheur permanent à France Energies Marines, coordinateur du projet OWFSOMM), le Dr. Dorian Cazau (Professeur associs à l’ENSTA Bretagne) et le Dr. Minh-Tan Pham (Professeur associé à l’Université Bretagne-Sud/IRISA).

Compétences requises

Formation initiale
Doctorat/Master/Diplôme d’ingénieur en traitement du signal, informatique ou domaine connexe

Expérience professionnelle
Requise :
• Traitement du signal et des images, apprentissage automatique appliqué
• Données acoustiques, spectrogrammétrie
Souhaitée :
• Mégafaune marine

Connaissances spécifiques
Requises :
• Excellentes compétences en programmation Python (la connaissance de l’un des progiciels d’apprentissage profond, tels que PyTorch ou Tensorflow, est indispensable)
• Intérêt pour les questions environnementales appliquées
Souhaitée :
• Connaissance des enjeux environnementaux et de conservation dans le contexte de la directive cadre stratégie pour le milieu marin et de l’EMR

Qualités professionnelles
• Grande rigueur scientifique
• Esprit d’initiative et d’ouverture pluridisciplinaire
• Goût pour la recherche appliquée (recherche industrielle)
• Facilité d’expression, d’argumentation et de communication dans un contexte de partenariat
• Goût pour le travail en équipe, mais aussi capacité à travailler de manière autonome

Ce poste est ouvert aux personnes en situation de handicap.

Avertissement : en raison de problèmes sur le site, veuillez nous adresser votre candidature directement et uniquement par mail à contactrh@france-energies-marines.org

Candidater

EmploiIngénieur de recherche/chercheur postdoctoral en apprentissage profond pour le suivi de la mégafaune marine à partir de données acoustiques (F/H) – Avertissement : veuillez nous adresser votre candidature directement et uniquement par mail à contactrh@france-energies-marines.org

Reference : FEM-SAS-2022-324

    Écran en superposition fermé pour la recherche