2. À propos
CIDCO
Le Centre Interdisciplinaire de Développement en
Cartographie des Océans est un centre de recherche à
but non-lucratif dédié au développement et à la mise en
valeur des technologies et connaissances de pointe
pour l’acquisition, la gestion et la représentation de
données spatiales maritimes à l’échelle internationale.
3. À propos
Guillaume Morissette - Directeur R&D
● Plus de 15 ans d'expérience en gestion et
développement de solutions logicielles.
● Spécialisé en recherche opérationnelle pour les
secteurs médicaux, logistiques, manufacturiers,
commerciaux et scientifiques.
● Intérêts de recherche: génie logiciel, intelligence
artificielle, systèmes embarqués, la cybersécurité.
6. Le défi Concevoir une plateforme modulaire pour
l'exécution de travaux hydrographiques.
7. Objectifs
01 Réduire les coûts en faisant appel aux logiciels libres et architectures libres.
02 Permettre l’ajout facile de capteurs supplémentaires avec un minimum de code.
03
Permettre à des non-programmeurs d’étendre les capacités du système avec des modules
de traitement de données avec des langages faciles d’accès (Ex: Python).
04 Permettre à des designers d’étendre l’interface homme-machine sans avoir à toucher la
logique métier.
8. Objectif #1:
Hériter du hardware Open Source
Coeur basé sur Raspberry Pi
Micro-ordinateur linux pour moins de
50$ avec support réseau, USB, UART,
SPI, I2C, et HDMI.
Facile à se procurer, et très populaire
Hardware libre, sous la gouvernance
d’un OBNL
9. Objectifs #2 et #3:
Hériter de logiciels libres
Système d’exploitation ROS
Roule sous Linux
Une des deux grandes plateformes
pour le développement de solutions
robotiques, avec des milliers de
contributeurs et de modules.
Permet de développer des modules
sur mesure en C++, Python,
JavaScript, LISP, etc.
18. Objectif du projet
Créer une plateforme autonome capable d’inspecter les quais à
bas coût afin de surveiller leur usure et évaluer efficacement les
risques.
19. Le Jumeau Numérique
- Scan 3D haute résolution
- Sert à reconstruire les
surfaces et à effectuer des
analyses géométriques
- Plus précis que des
plongeurs avec une règle
- Couvre plus de terrain
rapidement et s’actualise
facilement
- Détection d’anomalies
rapide pour escalader des
procédures d’alerte
21. 1 - Numérisation Simultanée
Partie émergée:
LiDAR
Partie submergée:
Sonar
Multifaisceau
22. 2 - Analyse de dégradation de surface
Analyse de rugosité sur
des nuages de points à
haute résolution donne
un portrait clair et
rapide des zones à
risque
23. 3 - Analyse des défauts de verticalité
La vue continue
LiDAR/Sonar permet
d’identifier rapidement
les zones d’affaissement
et de mettre en
évidence
l’affouillement.
25. Le problème de la pêche fantôme
Chaque année, des millions de tonnes d’équipements de pêche
commerciale sont perdus en mer. Sans supervision, ces engins
de pêche continuent leur mission de pêcher, tuer ou mutiler la
faune aquatique sans supervision.
Ils représentent aussi un grand danger d’empêtrement pour
de nombreuses espèces en voie de disparition, par exemple la
baleine noire.
26. Solution proposée
Dans le cadre d’un chantier multisectoriel financé par le
Ministère des pêches et océans, un processus en 4 étapes
a été conçu pour optimiser les démarches de dépollution:
01 | Prédire les zones propices aux empêtrements
02 | Détecter les engins perdus au fond
03 | Récupérer les engins perdus
04 | Recycler les matières premières
27. Équipements
1
Échosondeur multifaisceaux: Reson 7125
2 Échosondeur interférométrique: Ping DSP
3DSS-DX-450
3
Sonar à balayage latéral: Edgetech 272TD
4 Sonar à balayage latéral: Klein 3000
28. Données
Les campagnes terrain ont permis d’acquérir plusieurs
types de données permettant de dériver des signatures
acoustiques.
01 | Imagerie (sonar à balayage latéral)
02 | Bathymétrie (sonar multi-faisceaux)
03 | Rétrodiffusion (sonar multi-faisceaux)
29. Imagerie
Sonar à balayage latéral
Le sonar à balayage latéral est l’appareil par excellence pour
couvrir une surface maximale en un temps minimal. Il doit
cependant être tracté par un opérateur qualifié et n’offre que
des images 2D.
Traitement :
Nous avons développé un algorithme de détection
non-supervisé permettant de générer une carte des objets
détectés. Ce dernier a été soumis pour publication au Journal
Of Ocean Technology. Il a aussi été intégré dans une solution
logicielle de traitement de données sonar open-source à
lancer sous peu.
30. Imagerie
Sonar à balayage latéral
L’algorithme permet de répertorier les cibles détectées et de
géolocaliser celles-ci sur une carte interactive de type KML
en guise de PoC.
Celles-ci comportent cependant un fort taux de faux positifs.
- Options et forme du rapport à discuter
- Besoin d’une 2e passe à discuter
31. Résultats
Intérimaires
Le sonar à balayage latéral permet de faire une première passe couvrant une
très grande surface afin de déterminer des zones d’intérêt. Il permet de
détecter avec précision de gros objets, mais possède un taux de faux positifs
élevé (25%) pour de petits objets.
Rappel (Modes A et B)
100%
Taux de détection si un objet
est présent
Précision (Mode A: Gros objets > 25m)
100%
Probabilité qu’un objet soit
présent s’il y a détection
Précision (Mode B: Petits objets < 3m )
73%
Probabilité qu’un objet soit
présent s’il y a détection
35. Algorithme
1. Synthèse d’images
2. Recherche de
micro-caractéristiques
1. F.A.S.T. (coins très abrupts)
2. M.S.E.R. (blobs)
3. Trouver les zones de plus haute
densité (clustering)
39. Application 1: Archéologie sous-marine
● Fonctionne majoritairement par
inférence indirecte d’existence
○ Débris
○ Traces
● La maximisation de la couverture
terrain est un facteur déterminant
de succès.
Épave du Scotsman et débris, Le Bic, QC, Canada
41. Application 2: Gestion des déchets de pêche
● Le problème de la pêche fantôme
affecte près de 80% des baleines
noires (Knowlton & Al. 2012)
● On estime à plusieurs dizaines de
millions de tonnes le volume de
pollution par les équipements de
pêche perdus ou abandonnés.
● La variété de déchets de pêche est
trop grande pour une détection
directe. Casier de pêche au crabe et cordage, Rimouski, QC
42. Gestion des déchets de pêche (suite)
● L’algorithme permet de générer en
temps réel une carte géoréférencée
des objets détectés.
● Une revue manuelle de la liste des
objets détectés prend quelques
minutes afin d’identifier les zones
contenant des déchets à retirer, un
gain de plusieurs heures très
significatif.
Filières d’aquaculture abandonnées, Paspébiac, QC
45. Pourquoi cartographier les fonds marins ?
Meilleure connaissance des
interactions complexes des
milieux océaniques.
Savoir
Saine
Gestion
Profit
durable
Meilleure gestion des
ressources grâce à des
politiques basées sur des
données scientifiques
probantes.
Meilleure rentabilité via un
développement durable de
nouveaux marchés
47. Processus
L’apprentissage supervisé
rend possible la
caractérisation des milieux
marins grâce à des
signatures dérivées de la
géométrie 3D du fond marin.
1) Levé hydrographique
2) Échantillonnage de vérité
terrain
3) Modèle IA
48. 1) Levés
hydrographiques
Le CIDCO a cartographié 3 grandes
zones de la Côte-Nord:
- Godbout
- Franquelin
- Pointe-Aux-Anglais
Un modèle numérique de terrain de
1m x 1m a été dérivé
49. 2) Échantillonnage de vérité terrain
1000 stations du Ministère des Pêches et Océans
50. 3) Modèle IA
On projette nos données 3D
sur un espace à 16
dimensions basées sur des
variables
géomorphométriques.
Un apprentissage supervisé
sur les stations du MPO
permet de calculer des
signatures pour chaque type
de fond.
Hackel, 2016