Contexte

Le développement des énergies marines renouvelables (EMR) connaît un essor considérable en France. Entre 2011 et 2017, le gouvernement a ainsi lancé 5 appels d’offres et à manifestations d’intérêt pour un total de 7 parcs éoliens posés, 4 fermes pilotes éoliennes et 2 fermes pilotes hydroliennes. Durant les 5 ans à venir, 5 appels d’offres supplémentaires sont programmés, lesquels pourraient doubler la puissance installée en mer. Selon le Code de l’environnement, les porteurs de projets doivent produire des études d’impact sur l’environnement, en particulier sur la mégafaune marine (oiseaux, mammifères, tortues, grands poissons…).

L’analyse des impacts d’un projet EMR nécessite généralement des observations aériennes de la mégafaune marine afin de mieux caractériser la fréquentation des espèces dans les zones proposées. Cela inclut un suivi pendant les phases de construction, d’exploitation et de démantèlement, soit au total environ 30 ans.

Ces observations sont classiquement basées sur des survols aériens embarquant des observateurs naturalistes spécialisés. Cependant, à l’ère du big data, les récents développements scientifiques et technologiques offrent des perspectives nouvelles pour améliorer radicalement le rapport coût/efficacité de ces suivis.

Objectif

Démontrer la pertinence des solutions logicielles de traitement et d’analyse des photographies aériennes pour assurer le recensement automatisé de la mégafaune marine.

Contenu scientifique et technique

• Réalisation d’une campagne d’observation aérienne de la mégafaune (méthode visuelle standardisée et système d’acquisition d’images digitales à très haute résolution) intégrant la variabilité saisonnière des espèces et des conditions environnementales.
• Développement et qualification de 2 types d’algorithmes de traitement automatisé des images aériennes, pour l’identification et la classification des animaux :
  • Détection par réseau de neurones profonds dits end-to-end, allant de l’image globale aux boîtes englobantes de façon directe,
  • Détection d’anomalies par apprentissage profond non supervisé.
• Évaluation des performances de chacune des méthodes de détection testées à partir d’indicateurs déclinés par espèces ou groupes d’espèces, ainsi que selon les conditions environnementales..

Ressources

Fiche projet (PDF)

Partenaires et financement

Ce projet est coordonné par l’UMR IRISA – Université Bretagne Sud.

Le budget total du projet est de 600 k€.

Ce projet bénéficie d’une subvention de l’ADEME au titre de l’appel à projets de recherche «Energies durables » (2018-2019).

Crédit photo : Anette Mageau / Pixabay