Loading…
MM

Mael Moreni

Université de Sherbrooke
Détection automatique de cerf de Virginie à partir d’images acquises par aéronef sans pilote

Les cerfs de Virginie au Québec sont à la fois source de revenus et de nuisances pour les Québécois. L’évolution de leurs populations doit être suivie localement et régulièrement afin de limiter la déprédation qu’ils causent. Ce suivi est aujourd’hui en partie fait par comptage à vue depuis un hélicoptère. L’utilisation d’Aéronefs Sans Pilote (ASP) semble cependant plus adaptée au contexte local. La principale contrainte à leur utilisation pour le suivi faunique régulier réside dans l’absence de méthodes automatiques performantes de traitement des gros volumes de données qu’ils génèrent. Les réseaux de neurones convolutifs (RNC) ont été à la base des énormes progrès en classification automatique d’images de ces six dernières années, allant même jusqu’à dépasser les performances humaines sur certains jeux de données. Ils offrent donc des perspectives très prometteuses pour le traitement d’images aériennes. L’objectif général de ce projet est de développer une méthode de détection automatiques de cerfs de Virginie à partir d’images acquises par ASP et basé sur un RNC. Le projet sera divisé en trois parties distinctes :  Détermination de la structure optimale d’un RNC pour la détection de cerfs     Détermination des de paramètres de vol qui maximisent la détection de cerfs par RNC     Automatisation de la chaine de traitement à l’échelle d’une mission d’inventaire .