SlideShare une entreprise Scribd logo
WAQ 2021
20,000 terabytes sous les mers
La technologie au service de la protection des océans
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.
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.
TABLE DES MATIÈRES
Robotique marine
Objets connectés
Véhicules autonomes
Inspection d’infrastructures
Intelligence Artificielle
Détection d’épaves
Pêche Fantôme
Classification des habitats
Robotique marine
Objets connectés
Véhicules autonomes
Le défi Concevoir une plateforme modulaire pour
l'exécution de travaux hydrographiques.
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.
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
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.
Des nains debout sur les épaules de géants
Prototypes
01 | ASV EchoBoat
02 | LiDAR Velodyne
03 | R2Sonic 2020
Applications
Numérisation de structures
Lévés bathymétriques
Cartographie autonome
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)
Prototypes
01 | BlueROV ROV
02 | Photogrammetric camera
Applications
Vérité terrain
Photogrammétrie sous-marine
Prototypes
01 | Catarob TS-3
02 | Treuil de profilage
Applications
Profilage de la colonne d’eau
Analyses physico-chimiques
Prototypes
01 | IVER-3 sous-marin
02 | Sonar à balayage latéral EdgeTech
Applications
Imagerie sous-marine
Couverture étendue
Robotique marine
Inspection d’infrastructures
Partenaires
Ports, industrie, et science
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.
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
Intelligence
Artificielle
Détection d’épaves
1 - Numérisation Simultanée
Partie émergée:
LiDAR
Partie submergée:
Sonar
Multifaisceau
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
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.
Intelligence
Artificielle
Pêche Fantôme
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.
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
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
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)
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.
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
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
Les recherches continuent...
Intelligence
Artificielle
Détection d’épaves
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
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)
Phase 1: Synthèse d’image
Correction “Slant-range” Correction d’histogramme d’intensité
Phase 2: Recherche de micro-caractéristiques
Phase 3: Clustering
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
Archéologie sous-marine (suite)
Chaudières du Germanicus, Le Bic, QC
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
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
Intelligence
Artificielle
Classification des habitats marins
90% des fonds marins nous
sont inconnus
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
Survol
Vincent Lecours, 2016, “A review of marine geomorphometry, the quantitative study of the seafloor”
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
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
2) Échantillonnage de vérité terrain
1000 stations du Ministère des Pêches et Océans
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
Résultats
Algorithme Précision moyenne
K Nearest-Neighbors 91% (Danger: Overfitting)
Gradient Boosting 90%
Support Vector Machines 83%
Naive Bayes 31%
Results
Baie-des-Anglais
Results
Baie-des-Anglais
Results
Franquelin
Results
Franquelin
Mot de la fin
Les océans demeurent remplis
de mystères et d’inconnus...
...mais nous sommes plus près
que jamais de les comprendre.
Grâce à la créativité, la
passion, la collaboration
...et un peu de technologie.
Merci

Contenu connexe

Similaire à Guillaume Labbé-Morissette

Presentation at College de Belgique
Presentation at College de BelgiquePresentation at College de Belgique
Presentation at College de Belgique
Bruno Danis
 
Utilisation proactive de la bathymétrie et des outils géomatiques pour une…
Utilisation proactive de la bathymétrie et des outils géomatiques pour une…Utilisation proactive de la bathymétrie et des outils géomatiques pour une…
Utilisation proactive de la bathymétrie et des outils géomatiques pour une…
VisionGÉOMATIQUE2012
 
Sierra Echo, conseil en géolocalisation
Sierra Echo, conseil en géolocalisationSierra Echo, conseil en géolocalisation
Sierra Echo, conseil en géolocalisation
SIERRA ECHO
 
Inspection d&rsquo;infrastructures portuaire (ponts et barrages) Le premier d...
Inspection d&rsquo;infrastructures portuaire (ponts et barrages) Le premier d...Inspection d&rsquo;infrastructures portuaire (ponts et barrages) Le premier d...
Inspection d&rsquo;infrastructures portuaire (ponts et barrages) Le premier d...
VisionGÉOMATIQUE2012
 
Rencontres datashom2016 GaelleNassif_Cerema
Rencontres datashom2016 GaelleNassif_CeremaRencontres datashom2016 GaelleNassif_Cerema
Rencontres datashom2016 GaelleNassif_Cerema
Fanny Lecuy
 
La SDIM, un référentiel de gestion optimisée de la mobilité
La SDIM, un référentiel de gestion optimisée de la mobilitéLa SDIM, un référentiel de gestion optimisée de la mobilité
La SDIM, un référentiel de gestion optimisée de la mobilité
ISSY MEDIA
 
Applications De La télédétection à l'océanographie
Applications De La télédétection à l'océanographieApplications De La télédétection à l'océanographie
Applications De La télédétection à l'océanographie
Ahmed EL ATARI
 
Défis du traitement et analyse des images télédétectées : suivre les technolo...
Défis du traitement et analyse des images télédétectées : suivre les technolo...Défis du traitement et analyse des images télédétectées : suivre les technolo...
Défis du traitement et analyse des images télédétectées : suivre les technolo...
VisionGEOMATIQUE2014
 
Troisième Oeil du Marin : Projet de collaboration transfrontalière intercluster
Troisième Oeil du Marin : Projet de collaboration transfrontalière interclusterTroisième Oeil du Marin : Projet de collaboration transfrontalière intercluster
Troisième Oeil du Marin : Projet de collaboration transfrontalière intercluster
BIHARTEAN
 
Cours Topographie haute résolution & lidar, M1 2021.pdf
Cours Topographie haute résolution & lidar, M1 2021.pdfCours Topographie haute résolution & lidar, M1 2021.pdf
Cours Topographie haute résolution & lidar, M1 2021.pdf
LaurentMasselin1
 
Protei by Cesar Harada @ ENSCI Paris 20121010
Protei by Cesar Harada @ ENSCI Paris 20121010Protei by Cesar Harada @ ENSCI Paris 20121010
Protei by Cesar Harada @ ENSCI Paris 20121010
Cesar Harada
 
AXIS ACIC protection perimetrique de sites sensibles
AXIS ACIC protection perimetrique de sites sensiblesAXIS ACIC protection perimetrique de sites sensibles
AXIS ACIC protection perimetrique de sites sensibles
ACIC
 
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtlVille de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
ACSG Section Montréal
 
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtlVille de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
ACSG - Section Montréal
 
La vidéo géolocalisée de type Full Motion Video (FMV) au services des inventa...
La vidéo géolocalisée de type Full Motion Video (FMV) au services des inventa...La vidéo géolocalisée de type Full Motion Video (FMV) au services des inventa...
La vidéo géolocalisée de type Full Motion Video (FMV) au services des inventa...
AissaSebbane1
 
Gestion des déchets radioactifs
Gestion des déchets radioactifsGestion des déchets radioactifs
Gestion des déchets radioactifs
Société Française d'Energie Nucléaire
 
CRNST ING : Procédure de l'alerte
CRNST ING : Procédure de l'alerteCRNST ING : Procédure de l'alerte
CRNST ING : Procédure de l'alerte
OECD Governance
 
Technoaware fr-v maghreb - leg
Technoaware fr-v maghreb - legTechnoaware fr-v maghreb - leg
Technoaware fr-v maghreb - leg
Roberto Technoaware
 
Ns jo bim2011 fr
Ns jo bim2011 frNs jo bim2011 fr
Ns jo bim2011 fr
Olivier Rovellotti
 
Act 00061 modélisation des plaines inondables des rivières des prairies et de...
Act 00061 modélisation des plaines inondables des rivières des prairies et de...Act 00061 modélisation des plaines inondables des rivières des prairies et de...
Act 00061 modélisation des plaines inondables des rivières des prairies et de...
ACSG - Section Montréal
 

Similaire à Guillaume Labbé-Morissette (20)

Presentation at College de Belgique
Presentation at College de BelgiquePresentation at College de Belgique
Presentation at College de Belgique
 
Utilisation proactive de la bathymétrie et des outils géomatiques pour une…
Utilisation proactive de la bathymétrie et des outils géomatiques pour une…Utilisation proactive de la bathymétrie et des outils géomatiques pour une…
Utilisation proactive de la bathymétrie et des outils géomatiques pour une…
 
Sierra Echo, conseil en géolocalisation
Sierra Echo, conseil en géolocalisationSierra Echo, conseil en géolocalisation
Sierra Echo, conseil en géolocalisation
 
Inspection d&rsquo;infrastructures portuaire (ponts et barrages) Le premier d...
Inspection d&rsquo;infrastructures portuaire (ponts et barrages) Le premier d...Inspection d&rsquo;infrastructures portuaire (ponts et barrages) Le premier d...
Inspection d&rsquo;infrastructures portuaire (ponts et barrages) Le premier d...
 
Rencontres datashom2016 GaelleNassif_Cerema
Rencontres datashom2016 GaelleNassif_CeremaRencontres datashom2016 GaelleNassif_Cerema
Rencontres datashom2016 GaelleNassif_Cerema
 
La SDIM, un référentiel de gestion optimisée de la mobilité
La SDIM, un référentiel de gestion optimisée de la mobilitéLa SDIM, un référentiel de gestion optimisée de la mobilité
La SDIM, un référentiel de gestion optimisée de la mobilité
 
Applications De La télédétection à l'océanographie
Applications De La télédétection à l'océanographieApplications De La télédétection à l'océanographie
Applications De La télédétection à l'océanographie
 
Défis du traitement et analyse des images télédétectées : suivre les technolo...
Défis du traitement et analyse des images télédétectées : suivre les technolo...Défis du traitement et analyse des images télédétectées : suivre les technolo...
Défis du traitement et analyse des images télédétectées : suivre les technolo...
 
Troisième Oeil du Marin : Projet de collaboration transfrontalière intercluster
Troisième Oeil du Marin : Projet de collaboration transfrontalière interclusterTroisième Oeil du Marin : Projet de collaboration transfrontalière intercluster
Troisième Oeil du Marin : Projet de collaboration transfrontalière intercluster
 
Cours Topographie haute résolution & lidar, M1 2021.pdf
Cours Topographie haute résolution & lidar, M1 2021.pdfCours Topographie haute résolution & lidar, M1 2021.pdf
Cours Topographie haute résolution & lidar, M1 2021.pdf
 
Protei by Cesar Harada @ ENSCI Paris 20121010
Protei by Cesar Harada @ ENSCI Paris 20121010Protei by Cesar Harada @ ENSCI Paris 20121010
Protei by Cesar Harada @ ENSCI Paris 20121010
 
AXIS ACIC protection perimetrique de sites sensibles
AXIS ACIC protection perimetrique de sites sensiblesAXIS ACIC protection perimetrique de sites sensibles
AXIS ACIC protection perimetrique de sites sensibles
 
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtlVille de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
 
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtlVille de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
Ville de Montréal - Dendrometrie arbres 3d ville montreal_geomtl
 
La vidéo géolocalisée de type Full Motion Video (FMV) au services des inventa...
La vidéo géolocalisée de type Full Motion Video (FMV) au services des inventa...La vidéo géolocalisée de type Full Motion Video (FMV) au services des inventa...
La vidéo géolocalisée de type Full Motion Video (FMV) au services des inventa...
 
Gestion des déchets radioactifs
Gestion des déchets radioactifsGestion des déchets radioactifs
Gestion des déchets radioactifs
 
CRNST ING : Procédure de l'alerte
CRNST ING : Procédure de l'alerteCRNST ING : Procédure de l'alerte
CRNST ING : Procédure de l'alerte
 
Technoaware fr-v maghreb - leg
Technoaware fr-v maghreb - legTechnoaware fr-v maghreb - leg
Technoaware fr-v maghreb - leg
 
Ns jo bim2011 fr
Ns jo bim2011 frNs jo bim2011 fr
Ns jo bim2011 fr
 
Act 00061 modélisation des plaines inondables des rivières des prairies et de...
Act 00061 modélisation des plaines inondables des rivières des prairies et de...Act 00061 modélisation des plaines inondables des rivières des prairies et de...
Act 00061 modélisation des plaines inondables des rivières des prairies et de...
 

Plus de Web à Québec

Kevin Bélanger
Kevin BélangerKevin Bélanger
Kevin Bélanger
Web à Québec
 
Gabriel LeBreton
Gabriel LeBretonGabriel LeBreton
Gabriel LeBreton
Web à Québec
 
Rémi Prévost
Rémi PrévostRémi Prévost
Rémi Prévost
Web à Québec
 
Ludivine Durand
Ludivine DurandLudivine Durand
Ludivine Durand
Web à Québec
 
Julie Simard
Julie SimardJulie Simard
Julie Simard
Web à Québec
 
Katherine Mailloux
Katherine MaillouxKatherine Mailloux
Katherine Mailloux
Web à Québec
 
Denis Martel
Denis MartelDenis Martel
Denis Martel
Web à Québec
 
Charles Davignon
Charles DavignonCharles Davignon
Charles Davignon
Web à Québec
 
Frédérick Capovilla
Frédérick CapovillaFrédérick Capovilla
Frédérick Capovilla
Web à Québec
 
Cynthia Thibault-Larouche
Cynthia Thibault-LaroucheCynthia Thibault-Larouche
Cynthia Thibault-Larouche
Web à Québec
 
Louis-André Labadie
Louis-André LabadieLouis-André Labadie
Louis-André Labadie
Web à Québec
 
Christophe Clouzeau
Christophe ClouzeauChristophe Clouzeau
Christophe Clouzeau
Web à Québec
 
Intelligence artificielle, Données massives et Internet des objets: Quels son...
Intelligence artificielle, Données massives et Internet des objets: Quels son...Intelligence artificielle, Données massives et Internet des objets: Quels son...
Intelligence artificielle, Données massives et Internet des objets: Quels son...
Web à Québec
 
So you want to be a service designer - Jamin Hegeman
So you want to be a service designer - Jamin HegemanSo you want to be a service designer - Jamin Hegeman
So you want to be a service designer - Jamin Hegeman
Web à Québec
 
AI & the future of the political party - Colin Megill
AI & the future of the political party - Colin MegillAI & the future of the political party - Colin Megill
AI & the future of the political party - Colin Megill
Web à Québec
 
comment le Canada peut Gagner dans le secteur du numérique - Alex Benay
comment le Canada peut Gagner dans le secteur du numérique - Alex Benay comment le Canada peut Gagner dans le secteur du numérique - Alex Benay
comment le Canada peut Gagner dans le secteur du numérique - Alex Benay
Web à Québec
 
Rendre son équipe performante : plus simple qu'on le pense - Louis-Philippe C...
Rendre son équipe performante : plus simple qu'on le pense - Louis-Philippe C...Rendre son équipe performante : plus simple qu'on le pense - Louis-Philippe C...
Rendre son équipe performante : plus simple qu'on le pense - Louis-Philippe C...
Web à Québec
 
Turning Research Ripples Into Waves: Growing UX Research Capacity Through Col...
Turning Research Ripples Into Waves: Growing UX Research Capacity Through Col...Turning Research Ripples Into Waves: Growing UX Research Capacity Through Col...
Turning Research Ripples Into Waves: Growing UX Research Capacity Through Col...
Web à Québec
 
Complexité et systèmes opérables - Fred Hébert
Complexité et systèmes opérables - Fred HébertComplexité et systèmes opérables - Fred Hébert
Complexité et systèmes opérables - Fred Hébert
Web à Québec
 
Designing brands that last - Ben Hulse
Designing brands that last - Ben Hulse Designing brands that last - Ben Hulse
Designing brands that last - Ben Hulse
Web à Québec
 

Plus de Web à Québec (20)

Kevin Bélanger
Kevin BélangerKevin Bélanger
Kevin Bélanger
 
Gabriel LeBreton
Gabriel LeBretonGabriel LeBreton
Gabriel LeBreton
 
Rémi Prévost
Rémi PrévostRémi Prévost
Rémi Prévost
 
Ludivine Durand
Ludivine DurandLudivine Durand
Ludivine Durand
 
Julie Simard
Julie SimardJulie Simard
Julie Simard
 
Katherine Mailloux
Katherine MaillouxKatherine Mailloux
Katherine Mailloux
 
Denis Martel
Denis MartelDenis Martel
Denis Martel
 
Charles Davignon
Charles DavignonCharles Davignon
Charles Davignon
 
Frédérick Capovilla
Frédérick CapovillaFrédérick Capovilla
Frédérick Capovilla
 
Cynthia Thibault-Larouche
Cynthia Thibault-LaroucheCynthia Thibault-Larouche
Cynthia Thibault-Larouche
 
Louis-André Labadie
Louis-André LabadieLouis-André Labadie
Louis-André Labadie
 
Christophe Clouzeau
Christophe ClouzeauChristophe Clouzeau
Christophe Clouzeau
 
Intelligence artificielle, Données massives et Internet des objets: Quels son...
Intelligence artificielle, Données massives et Internet des objets: Quels son...Intelligence artificielle, Données massives et Internet des objets: Quels son...
Intelligence artificielle, Données massives et Internet des objets: Quels son...
 
So you want to be a service designer - Jamin Hegeman
So you want to be a service designer - Jamin HegemanSo you want to be a service designer - Jamin Hegeman
So you want to be a service designer - Jamin Hegeman
 
AI & the future of the political party - Colin Megill
AI & the future of the political party - Colin MegillAI & the future of the political party - Colin Megill
AI & the future of the political party - Colin Megill
 
comment le Canada peut Gagner dans le secteur du numérique - Alex Benay
comment le Canada peut Gagner dans le secteur du numérique - Alex Benay comment le Canada peut Gagner dans le secteur du numérique - Alex Benay
comment le Canada peut Gagner dans le secteur du numérique - Alex Benay
 
Rendre son équipe performante : plus simple qu'on le pense - Louis-Philippe C...
Rendre son équipe performante : plus simple qu'on le pense - Louis-Philippe C...Rendre son équipe performante : plus simple qu'on le pense - Louis-Philippe C...
Rendre son équipe performante : plus simple qu'on le pense - Louis-Philippe C...
 
Turning Research Ripples Into Waves: Growing UX Research Capacity Through Col...
Turning Research Ripples Into Waves: Growing UX Research Capacity Through Col...Turning Research Ripples Into Waves: Growing UX Research Capacity Through Col...
Turning Research Ripples Into Waves: Growing UX Research Capacity Through Col...
 
Complexité et systèmes opérables - Fred Hébert
Complexité et systèmes opérables - Fred HébertComplexité et systèmes opérables - Fred Hébert
Complexité et systèmes opérables - Fred Hébert
 
Designing brands that last - Ben Hulse
Designing brands that last - Ben Hulse Designing brands that last - Ben Hulse
Designing brands that last - Ben Hulse
 

Dernier

INTELLIGENCE ARTIFICIELLE + INFORMATIQUE QUANTIQUE = LA PLUS GRANDE RÉVOLUTIO...
INTELLIGENCE ARTIFICIELLE + INFORMATIQUE QUANTIQUE = LA PLUS GRANDE RÉVOLUTIO...INTELLIGENCE ARTIFICIELLE + INFORMATIQUE QUANTIQUE = LA PLUS GRANDE RÉVOLUTIO...
INTELLIGENCE ARTIFICIELLE + INFORMATIQUE QUANTIQUE = LA PLUS GRANDE RÉVOLUTIO...
Faga1939
 
La Gestion des risques selon ISO 27005.pdf
La Gestion des risques selon ISO 27005.pdfLa Gestion des risques selon ISO 27005.pdf
La Gestion des risques selon ISO 27005.pdf
SoniazghalKallel
 
Rapport Projet ERP - Plateforme Odoo 16 (PFE Licence)
Rapport Projet ERP - Plateforme Odoo 16 (PFE Licence)Rapport Projet ERP - Plateforme Odoo 16 (PFE Licence)
Rapport Projet ERP - Plateforme Odoo 16 (PFE Licence)
Chadi Kammoun
 
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
InnovaSter-Trade Ltd.
 
M365 Community Days MTL 2024 - Découverte du Process Mining et du Task Mining...
M365 Community Days MTL 2024 - Découverte du Process Mining et du Task Mining...M365 Community Days MTL 2024 - Découverte du Process Mining et du Task Mining...
M365 Community Days MTL 2024 - Découverte du Process Mining et du Task Mining...
Nicolas Georgeault
 
Les Vidéoprojecteurs : Guide d'achat et Comparatif
Les Vidéoprojecteurs : Guide d'achat et ComparatifLes Vidéoprojecteurs : Guide d'achat et Comparatif
Les Vidéoprojecteurs : Guide d'achat et Comparatif
Top-plans
 

Dernier (6)

INTELLIGENCE ARTIFICIELLE + INFORMATIQUE QUANTIQUE = LA PLUS GRANDE RÉVOLUTIO...
INTELLIGENCE ARTIFICIELLE + INFORMATIQUE QUANTIQUE = LA PLUS GRANDE RÉVOLUTIO...INTELLIGENCE ARTIFICIELLE + INFORMATIQUE QUANTIQUE = LA PLUS GRANDE RÉVOLUTIO...
INTELLIGENCE ARTIFICIELLE + INFORMATIQUE QUANTIQUE = LA PLUS GRANDE RÉVOLUTIO...
 
La Gestion des risques selon ISO 27005.pdf
La Gestion des risques selon ISO 27005.pdfLa Gestion des risques selon ISO 27005.pdf
La Gestion des risques selon ISO 27005.pdf
 
Rapport Projet ERP - Plateforme Odoo 16 (PFE Licence)
Rapport Projet ERP - Plateforme Odoo 16 (PFE Licence)Rapport Projet ERP - Plateforme Odoo 16 (PFE Licence)
Rapport Projet ERP - Plateforme Odoo 16 (PFE Licence)
 
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
Technologie hydrostatique, innovation pour la stérilisation des aliments : HI...
 
M365 Community Days MTL 2024 - Découverte du Process Mining et du Task Mining...
M365 Community Days MTL 2024 - Découverte du Process Mining et du Task Mining...M365 Community Days MTL 2024 - Découverte du Process Mining et du Task Mining...
M365 Community Days MTL 2024 - Découverte du Process Mining et du Task Mining...
 
Les Vidéoprojecteurs : Guide d'achat et Comparatif
Les Vidéoprojecteurs : Guide d'achat et ComparatifLes Vidéoprojecteurs : Guide d'achat et Comparatif
Les Vidéoprojecteurs : Guide d'achat et Comparatif
 

Guillaume Labbé-Morissette

  • 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
  • 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
  • 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
  • 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
  • 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
  • 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%
  • 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