Présentation de Guillaume Labbé-Morissette dans le cadre du Web à Québec 2021. Piste innovation.

1. WAQ 2021
20,000 terabytes sous les mers
La technologie au service de la protection des océans

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.

4. TABLE DES MATIÈRES
Robotique marine
Objets connectés
Véhicules autonomes
Inspection d’infrastructures
Intelligence Artificielle
Détection d’épaves
Pêche Fantôme
Classification des habitats

5. Robotique marine
Objets connectés
Véhicules autonomes

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.

10. Des nains debout sur les épaules de géants

11. Prototypes
01 | ASV EchoBoat
02 | LiDAR Velodyne
03 | R2Sonic 2020
Applications
Numérisation de structures
Lévés bathymétriques
Cartographie autonome

12. Prototypes
01 | ASV SeaTrack
02 | R2 Sonic 2020
03 | Starfish 990F
Applications
Surveillance de canaux navigables
Détection d’objets submergés
Missions de longue durée (>mois)

13. Prototypes
01 | BlueROV ROV
02 | Photogrammetric camera
Applications
Vérité terrain
Photogrammétrie sous-marine

14. Prototypes
01 | Catarob TS-3
02 | Treuil de profilage
Applications
Profilage de la colonne d’eau
Analyses physico-chimiques

15. Prototypes
01 | IVER-3 sous-marin
02 | Sonar à balayage latéral EdgeTech
Applications
Imagerie sous-marine
Couverture étendue

16. Robotique marine
Inspection d’infrastructures

17. Partenaires
Ports, industrie, et science

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

20. Intelligence
Artificielle
Détection d’épaves

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.

24. Intelligence
Artificielle
Pêche Fantôme

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

32. Les recherches continuent...

33. Intelligence
Artificielle
Détection d’épaves

34. IA
Apprentissage supervisé
Apprentissage
non-supervisé
Détection de cibles connues
(ATR)
Détection de cibles
inconnues
(régions d’intérêt)
Détection d’objets avec
grande variabilité
Paradigmes d’IA
Réseaux neuronaux
convolutifs
Vision par ordinateur

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)

36. Phase 1: Synthèse d’image
Correction “Slant-range” Correction d’histogramme d’intensité

37. Phase 2: Recherche de micro-caractéristiques

38. Phase 3: 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

40. Archéologie sous-marine (suite)
Chaudières du Germanicus, Le Bic, QC

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

43. Intelligence
Artificielle
Classification des habitats marins

44. 90% des fonds marins nous
sont inconnus

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

46. Survol
Vincent Lecours, 2016, “A review of marine geomorphometry, the quantitative study of the seafloor”

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

51. Résultats
Algorithme Précision moyenne
K Nearest-Neighbors 91% (Danger: Overfitting)
Gradient Boosting 90%
Support Vector Machines 83%
Naive Bayes 31%

52. Results
Baie-des-Anglais

53. Results
Baie-des-Anglais

54. Results
Franquelin

55. Results
Franquelin

56. Mot de la fin
Les océans demeurent remplis
de mystères et d’inconnus...

57. ...mais nous sommes plus près
que jamais de les comprendre.

58. Grâce à la créativité, la
passion, la collaboration
...et un peu de technologie.

59. Merci