ENSTA Bretagne : technologies aérospatial

Equipe Observations Signal & Environnement (OSE)

A l'ENSTA Bretagne, les chercheurs impliqués dans l'équipe "Observations Signal & Environnement" (OSE) du Lab-STICC concentrent leurs expertises en traitement du signal et IA appliqués à l'environnement marin afin de développer et extraire les données utiles aux actions de protection de l'environnement marin.

Axes de recherche pour la protection de l'environnement marin

Pour répondre aux défis environnementaux et accompagner les acteurs (ONG, décideurs politiques, société civile, secteur privé) dans leurs actions pour limiter l’impact des activités humaines sur l’environnement marin, des efforts considérables sont consentis depuis plusieurs décennies pour accroître l’observation de l’environnement marin. Ainsi, au niveau mondial, plus de 90% des données environnementales ont été générées au cours des trois dernières années (signaux, images et séries temporelles).

Dans ce contexte, les techniques d’intelligence artificielle (IA), en particulier les sciences de la donnée (« data science ») et l’apprentissage automatique (ou « machine learning ») ont un rôle majeur à jouer pour l’analyse et l’exploitation des données utiles aux actions de protection de l’environnement marin.

L’équipe de recherche « OSE » se positionne sur ces recherches méthodologiques en traitement du signal et IA appliquées à l’environnement marin, en mettant l’accent sur la télédétection multimodale :

  • télédétection océanique (images satellitaires),
  • monitoring de l’environnement marin (images aériennes, données GNSS, ARGOS, AIS, etc.)
  • et monitoring sous-marin (acoustique passive, images vidéo sous-marines).

Une des préoccupations de l’équipe concerne l’amélioration de la performance des algorithmes d’IA par la prise en compte approfondie de la nature des phénomènes dont on cherche à extraire de l’information.

Trois aspects de l’interface entre IA et monitoring de l’environnement marin sont adressés IA & physique, IA & robustesse et IA & problèmes inverses. Ce dernier par exemple concerne l’utilisation des stratégies d’IA, à partir de grands jeux de données, pour la résolution de problèmes inverses environnementaux (interpolation de données, reconnaissance de cibles, inversion de signaux géophysiques, réduction d'information, etc.). 

Exemples d'applications

  • Dynamiques géophysiques à la surface de l'océan : par apprentissage de solvers et modèles variationnels pour l'assimilation de données.
  • Reconnaissance d'espèces de poissons dans des images vidéo sous-marines.
  • Projet CETIROISE de suivi des mammifères marins

Collaborations

  • Entreprises : Thales, NavalGroup, CLS, Eodyn, Actimar, Hytech-imaging.
  • Institutions : CNES, DGA, IFREMER, IUEM, INRIA, Météo France, Mercator Ocean, IRISPACE, EUR ISblue, SHOM, FEM.
  • Académiques : GIPSA, Marbec, Sorbonne Univ, UCLA (Computational and Applied Mathematics group), Univ. of Washington (Applied Phys. Lab., Applied Math. Dept), Australian Antarctic Division, Barcelona Supercomputer Center, NERSC, Univ. of Dalhousie (Institute of Big Data Analytics), IMEDEA (Espagne), Univ. Laval (Canada), ETH Zurich, Univ. Buenos Aires (CIMA, Argentine).
  • et GDR ISIS (CNRS)

OSmOSE, un dispositif collaboratif d’analyse des données

Pour l’analyse des enregistrements sous-marins, les chercheurs s’appuient aussi sur les outils de traitement de données développés en open source par le groupe de recherche OSmOSE (Open Science meets the Ocean Sound Explorers. Projet subventionné par l’OFB). Lancé par ENSTA Bretagne en 2018, son objectif est de standardiser et partager les méthodes et résultats de leur communauté de recherche afin de faciliter la collaboration entre équipes de recherche dans le domaine de l’acoustique sous-marine. 

Pour l’instant, le projet a permis le développement d’une plateforme de stockage et de traitement des données ainsi qu’une application web utilisée pour l’annotation des sons.« L’étape d’annotation est essentielle pour l’apprentissage des sons par l’algorithme et leur reconnaissance automatique par la suite », explique Dorian Cazau enseignant-chercheur et coordinateur du groupe. Les deux outils sont hébergés à l’Ifremer.

Pour annoter un son, et donc le caractériser dans l’algorithme, celui-ci doit d’abord être reconnu. Pour cela, il est isolé des autres sons et représenté visuellement sous forme de spectrogramme (représentation 2D de l’intensité d’un son en fonction de la fréquence et du temps). L’analyse des spectrogrammes mobilise les sciences participatives en mettant à contribution des amateurs. «L’analyse des écarts entre les résultats des amateurs et ceux des experts nous permet de caractériser la difficulté de nos tâches d’annotation et ainsi d’adapter le développement de nos outils en fonction.» 

En effet, le groupe souhaite proposer à terme des outils facilement utilisables et pouvant servir à la formation, entre autres, d’agents du Parc naturel marin d’Iroise et de l’OFB. 
Ainsi, OSmOSE favorisera une meilleure interaction entre les besoins des praticiens de l'écologie et les progrès de la recherche.

contact

Dorian CAZAU
Enseignant chercheur en acoustique sous-marine
Département STIC
Laboratoire Lab-STICC / Pôle IA&Océan / Equipe OSE

contact

Flore Samaran
Enseignante-chercheuse
Responsable "Signal, image et systèmes d’observation" - Département STIC
Laboratoire Lab-STICC / Pôle IA&Océan / Equipe M3