Description du projet :
Les agriculteurs soumis à un régime toujours plus concurrentiel sont plus ouverts que jamais à l'utilisation de la technologie, quand celle-ci peut accroître la rentabilité de leurs exploitations, et rester simple d'utilisation. Les moissonneuses batteuses peuvent subir des dégâts non négligeables en cas d'impacts avec des animaux, et il y a un risque sanitaire pour le bétail lorsque les bottes de foin contiennent des cadavres. De plus, la sauvegarde d'espèces emblématiques du milieu agricole représente un enjeu de conservation, et une demande tant des milieux agricoles que du grand public.
L'utilisation de drone pour la recherche de faons est de plus en plus fréquente. Les articles de presse relatant de cette technique foisonnent dans la presse ces derniers temps. La technique utilisée est toujours la même : monter une caméra thermique sur un drone, observer au sol l'image analogique envoyée par la caméra et piloter le drone en essayant de ne manquer aucune zone au sol. Cette approche requiert des compétences de pilotage, nécessite de détecter à l''il un faon dans une image, avec le risque d'erreur humaine, notamment à cause des reflets du soleil sur l'écran, de la fatigue et de la lassitude qui s'installent : Le 99% du temps : il n'y a pas de faon ! Par ailleurs, il est très difficile de couvrir le 100% de la surface de recherche, des zones seront indubitablement oubliées car non survolées !
Ce projet a pour objectif de remplacer l'humain et ses erreurs, par une intelligence artificielle, embarquée à même le drone. Cela nécessite de développer des algorithmes capables de se substituer à l'intelligence humaine, et qui soient capables de trouver des solutions tout aussi vite qu'elle ! Ces algorithmes devront être capables de détecter la présence de faons dans une image, de trouver un plan de vol optimal parcourant la surface de vol, tout en minimisant le temps de vol et en évitant les obstacles. Toute la procédure devra être automatisée, du décollage jusqu'à l'atterrissage.
Research team within HES-SO:
Bilat Cédric
, Hartlieb David
, Kocher Michel
, Fischer Claude
Partenaires académiques: IAI; hepia inTNE; Analyse de données; Bilat Cédric, Analyse de données
Durée du projet:
04.04.2016 - 30.04.2018
Montant global du projet: 239'990 CHF
Statut: Completed
SWITCH edu-ID
Administration
