{"id":304,"date":"2019-12-12T12:00:47","date_gmt":"2019-12-12T12:00:47","guid":{"rendered":"https:\/\/wilddrone.ch\/?p=304"},"modified":"2023-06-19T11:09:43","modified_gmt":"2023-06-19T11:09:43","slug":"detection-ia-signatures-infrarouges","status":"publish","type":"post","link":"https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/","title":{"rendered":"D\u00e9tection IA de Signatures Infrarouges"},"content":{"rendered":"<h3>Short Video<\/h3>\n<p><iframe loading=\"lazy\" src=\"https:\/\/www.youtube.com\/embed\/T9GuKvaYAAg?cc_load_policy=1&amp;hl=en_GB\" width=\"400\" height=\"250\" frameborder=\"0\" allowfullscreen=\"allowfullscreen\" data-mce-fragment=\"1\"><\/iframe><\/p>\n<hr \/>\n<h1>Surveillance de la faune par des drones &#8211; Intelligence artificielle pour la d\u00e9tection automatis\u00e9e de signatures infrarouges<\/h1>\n<p>Traduction partiellement automatique. Veuillez vous r\u00e9f\u00e9rer \u00e0 la version allemande.<\/p>\n<p>&nbsp;<\/p>\n<p><em>Publi\u00e9 dans : 39\u00e8me r\u00e9union annuelle scientifique et technique de la DGPF \u00e0 Vienne &#8211; Publications de la DGPF, Volume 28, 2019<\/em><\/p>\n<p><em>Adrian F. Meyer, Natalie Lack, Denis Jordan <\/em><br \/>\n<em>[1] Tous les auteurs : Haute \u00e9cole sp\u00e9cialis\u00e9e du Nord-Ouest de la Suisse, Institut de g\u00e9omatique, Hofackerstr. 30, CH &#8211; 4132 Muttenz<\/em><\/p>\n<p>La d\u00e9tection des animaux sauvages est un instrument de surveillance essentiel dans les domaines de l&rsquo;\u00e9cologie, de la chasse, de la sylviculture et de l&rsquo;agriculture. Les m\u00e9thodes utilis\u00e9es jusqu&rsquo;\u00e0 pr\u00e9sent sont complexes, ne reposent souvent que sur des preuves indirectes et ne fournissent donc souvent qu&rsquo;une estimation approximative des stocks. L&rsquo;\u00e9valuation de la t\u00e9l\u00e9d\u00e9tection des relev\u00e9s effectu\u00e9s par des drones au-dessus du sud de la For\u00eat-Noire et du nord-ouest de la Suisse, r\u00e9alis\u00e9e dans le cadre de ce travail, a montr\u00e9 que les donn\u00e9es d&rsquo;imagerie thermique, en particulier, se pr\u00eatent \u00e0 l&rsquo;automatisation de la d\u00e9tection des animaux sauvages. \u00c0 cette fin, une m\u00e9thode moderne d&rsquo;intelligence artificielle (Faster R-CNN) a \u00e9t\u00e9 d\u00e9velopp\u00e9e, qui est capable d&rsquo;extraire par apprentissage les caract\u00e9ristiques des signatures d&rsquo;animaux \u00e9tiquet\u00e9s. Pour certaines esp\u00e8ces d&rsquo;animaux (cerf, ch\u00e8vre, bison europ\u00e9en, b\u00e9tail de p\u00e2turage), des r\u00e9sultats de d\u00e9tection extr\u00eamement robustes ont pu \u00eatre obtenus dans l&rsquo;application suivante (inf\u00e9rence). La mise en \u0153uvre efficace du prototype permet l&rsquo;analyse en temps r\u00e9el de flux vid\u00e9o en direct dans des conditions de terrain. Avec un taux de d\u00e9tection de 92,8 % par animal, ou de 88,6 % dans la classification par esp\u00e8ce, on peut d\u00e9montrer que la nouvelle technologie a un \u00e9norme potentiel d&rsquo;innovation pour l&rsquo;avenir de la surveillance de la faune.<\/p>\n<p>&nbsp;<\/p>\n<h2>1 Introduction<\/h2>\n<p>Pour des domaines d&rsquo;application tels que la gestion des populations, le sauvetage des faons et la pr\u00e9vention des d\u00e9g\u00e2ts de gibier dans les domaines de l&rsquo;\u00e9cologie, de la chasse, de la sylviculture et de l&rsquo;agriculture, il est d&rsquo;une importance cruciale de pouvoir proc\u00e9der \u00e0 une collecte aussi pr\u00e9cise que possible des populations d&rsquo;animaux sauvages. Les m\u00e9thodes de suivi conventionnelles les plus utilis\u00e9es \u00e0 l&rsquo;heure actuelle pr\u00e9sentent chacune des inconv\u00e9nients significatifs (Silveira et al., 2003) : Les campagnes de comptage avec confirmation visuelle (recherche de projecteurs sur les chemins forestiers) demandent \u00e9norm\u00e9ment de travail ; Les analyses par pi\u00e8ges photographiques ne couvrent qu&rsquo;une petite partie du paysage ; Les statistiques sur la chasse et la faune sont associ\u00e9es \u00e0 un fort biais ; Les \u00e9metteurs de suivi sont tr\u00e8s pr\u00e9cis, mais aussi invasifs et complexes dans leur mise en \u0153uvre.<\/p>\n<p>L&rsquo;Institut de g\u00e9omatique (FHNW) coop\u00e8re depuis janvier 2018 avec la Fondation pour la faune de l&rsquo;Association de chasse d&rsquo;Argovie (Stiftung Wildtiere) pour d\u00e9velopper une m\u00e9thode de d\u00e9tection des animaux sauvages \u00e0 l&rsquo;aide de drones (Unmanned Aerial Vehicles). Il s&rsquo;agira d&rsquo;analyser dans quelle mesure la t\u00e9l\u00e9d\u00e9tection automatis\u00e9e offre des avantages par rapport \u00e0 la surveillance conventionnelle en \u00e9conomisant du temps ou des ressources humaines et en rendant les enqu\u00eates plus pr\u00e9cises et plus compl\u00e8tes (Gonzalez et al., 2016). Les questions centrales auxquelles cette \u00e9tude devrait r\u00e9pondre sont le choix des capteurs et des syst\u00e8mes porteurs, la visibilit\u00e9 g\u00e9n\u00e9rale des signatures animales sur les images a\u00e9riennes infrarouges (par exemple la robustesse contre les ombres dans la for\u00eat mixte), et la structure d&rsquo;un algorithme de haute performance pour la d\u00e9tection automatique et la classification des individus de la faune. L&rsquo;un des r\u00e9sultats de cette analyse est un prototype con\u00e7u pour permettre la d\u00e9tection automatique des animaux sur les images a\u00e9riennes.<\/p>\n<h2>2 M\u00e9thode<br \/>\n2.1 Collecte de donn\u00e9es<\/h2>\n<p>Au printemps 2018, 27 relev\u00e9s a\u00e9riens ont \u00e9t\u00e9 effectu\u00e9s sur sept enclos de gibier naturel avec des esp\u00e8ces indig\u00e8nes dans le nord-ouest de la Suisse et le sud de la For\u00eat-Noire. Pour chaque enclos, environ 500 images RGB, 500 images multispectrales NIR et 5000 images thermiques TIR (thermogrammes radiom\u00e9triques) ont \u00e9t\u00e9 g\u00e9n\u00e9r\u00e9es \u00e0 l&rsquo;aide du multicopt\u00e8re senseFly Albris ou du drone \u00e0 voilure fixe senseFly eBee afin de faciliter la comparaison des technologies (voir Fig. 1). La p\u00e9riode d&rsquo;enregistrement (f\u00e9vrier\/mars) a \u00e9t\u00e9 choisie de mani\u00e8re \u00e0 ce que le contraste thermique entre la carcasse et l&rsquo;environnement principalement bois\u00e9 soit aussi \u00e9lev\u00e9 que possible. En m\u00eame temps, la v\u00e9g\u00e9tation d\u00e9pourvue de feuillage devrait minimiser l&rsquo;ombrage.<\/p>\n<p>&nbsp;<\/p>\n<p><a href=\"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb1-1024x281.jpg\" target=\"_blank\" rel=\"noopener noreferrer\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-124 size-large\" src=\"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb1-1024x281.jpg\" sizes=\"auto, (max-width: 980px) 100vw, 980px\" srcset=\"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb1-1024x281.jpg 1024w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb1-300x82.jpg 300w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb1-768x211.jpg 768w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb1-210x58.jpg 210w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb1-1536x422.jpg 1536w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb1-1960x538.jpg 1960w\" alt=\"\" width=\"980\" height=\"269\" \/><\/a><\/p>\n<p>Fig. 1 : A gauche : avions senseFly \u00ab\u00a0eBee\u00a0\u00bb (en haut) et \u00ab\u00a0Albris\u00a0\u00bb (en bas) utilis\u00e9s. A droite : Trajectoire typique avec l&rsquo;eBee (bleu) au-dessus d&rsquo;un parc animalier (vert) avec les positions de d\u00e9clenchement pour les photos a\u00e9riennes (blanc). (Visualisations : Gillins et al., 2018 ; Google 2018 ; senseFly 2018)<\/p>\n<p>Avec l&rsquo;aile fixe, de grandes zones peuvent \u00eatre facilement d\u00e9tect\u00e9es avec des capteurs interchangeables (RGB, NIR, TIR), y compris une cam\u00e9ra thermique haute r\u00e9solution ( ThermoMap, 640x512Px, max 22ha \u00e0 15cm \/ Px GSD et 100m AGL). Bien que le multicopt\u00e8re puisse voler de mani\u00e8re beaucoup plus souple et plus profonde gr\u00e2ce \u00e0 sa capacit\u00e9 de vol stationnaire, la cam\u00e9ra thermique install\u00e9e en permanence a une r\u00e9solution beaucoup plus faible (80x60Px). Le bruit \u00e9lev\u00e9 du rotor avec une trajectoire basse repr\u00e9sente \u00e9galement une interf\u00e9rence beaucoup plus forte avec le comportement des animaux par rapport \u00e0 l&rsquo;aile fixe.<\/p>\n<h2>2.2 Pr\u00e9traitement<\/h2>\n<p>Les images RVB et NIR \u00e0 tr\u00e8s haute r\u00e9solution (~ 3cm \/ Px GSD) sont bien adapt\u00e9es \u00e0 la cartographie orthophotomosa\u00efque, mais manquent souvent d&rsquo;un contraste suffisant pour la reconnaissance visuelle des signatures animales sous une v\u00e9g\u00e9tation sans feuillage. Dans la suite de l&rsquo;\u00e9tude, ceci pourrait \u00e9galement \u00eatre v\u00e9rifi\u00e9 par des mesures hyperspectrales terrestres de r\u00e9f\u00e9rence (\u03bb : 350-1000 nm) sur le sol forestier, la v\u00e9g\u00e9tation et les carcasses d&rsquo;animaux.<\/p>\n<p>Les thermogrammes, quant \u00e0 eux, montrent des signatures tr\u00e8s contrast\u00e9es d&rsquo;animaux sauvages individuels (Fig. 2). En m\u00eame temps, les images ne conviennent gu\u00e8re \u00e0 l&rsquo;\u00e9quilibrage photogramm\u00e9trique des blocs, car les animaux se d\u00e9placent g\u00e9n\u00e9ralement trop entre deux prises de vue. Dans les zones d&rsquo;image concern\u00e9es, cela ne permet pas d&rsquo;obtenir une fid\u00e9lit\u00e9 de superposition suffisante, de sorte que les orthophotomosa\u00efques TIR trait\u00e9es d&rsquo;habitats contigus ne contiennent souvent aucune signature visible. Par cons\u00e9quent, pour l&rsquo;analyse automatis\u00e9e, les thermogrammes ont \u00e9t\u00e9 soit trait\u00e9s directement en tant que donn\u00e9es brutes non orient\u00e9es, soit orthorectifi\u00e9s individuellement par projection DSM.<\/p>\n<h2>3 Analyse<br \/>\n3.1 Forme des signatures thermiques animales<\/h2>\n<p>Les changements visibles dans l&rsquo;apparence des signatures ont d&rsquo;abord \u00e9t\u00e9 examin\u00e9s syst\u00e9matiquement en faisant varier les param\u00e8tres de r\u00e9f\u00e9rence. Ainsi, une perspective d&rsquo;enregistrement moins profonde favorise l&rsquo;identification des animaux par un observateur humain (figure 2, \u00e0 gauche) : des caract\u00e9ristiques telles que le rapport t\u00eate-torse ou les extr\u00e9mit\u00e9s sont plus pro\u00e9minentes. La d\u00e9limitation des individus les uns par rapport aux autres est toutefois favoris\u00e9e par une perspective plus abrupte.<\/p>\n<p>Bien que les branches denses puissent r\u00e9duire le contraste de la signature en raison de la distribution de la chaleur par convection et de l&rsquo;\u00e9cran dans les for\u00eats mixtes qui sont aussi d\u00e9pourvues de feuillage que possible. Cependant, la forme, la port\u00e9e et la visibilit\u00e9 de base des signatures sont largement conserv\u00e9es (Fig. 2, droite).<\/p>\n<p>&nbsp;<\/p>\n<p><a href=\"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb2-1024x220.jpg\" target=\"_blank\" rel=\"noopener noreferrer\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-127 size-large\" src=\"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb2-1024x220.jpg\" sizes=\"auto, (max-width: 980px) 100vw, 980px\" srcset=\"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb2-1024x220.jpg 1024w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb2-300x64.jpg 300w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb2-768x165.jpg 768w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb2-210x45.jpg 210w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb2-1536x329.jpg 1536w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb2-1960x420.jpg 1960w\" alt=\"\" width=\"980\" height=\"211\" \/><\/a><\/p>\n<p>Fig. 2 : Thermogrammes avec les signatures d&rsquo;une meute de daims (six animaux, bleu 4\u00b0C, rouge 10\u00b0C). Gauche : comparaison des signatures sous six angles diff\u00e9rents.<br \/>\nAu milieu \/ \u00e0 droite : Comparaison des signatures \u00e0 c\u00f4t\u00e9 et en dessous d&rsquo;un fr\u00eane sans feuillage.<\/p>\n<h2>3.2 Strat\u00e9gies de d\u00e9tection automatique des signatures<\/h2>\n<p>Plusieurs strat\u00e9gies de d\u00e9tection automatique des signatures ont \u00e9t\u00e9 mises en \u0153uvre de mani\u00e8re it\u00e9rative et leur pr\u00e9cision de classification et leur applicabilit\u00e9 ont \u00e9t\u00e9 v\u00e9rifi\u00e9es. L&rsquo;approche classique de t\u00e9l\u00e9d\u00e9tection consistant \u00e0 classer les thermogrammes dans l&rsquo;objectif Imagine d&rsquo;Erda, par exemple, \u00e0 l&rsquo;aide d&rsquo;une analyse d&rsquo;image bas\u00e9e sur les objets a \u00e9t\u00e9 rejet\u00e9e. En raison de la vari\u00e9t\u00e9 des signatures, cette m\u00e9thode n&rsquo;a pas pu trouver un ensemble de variables d\u00e9crivant les caract\u00e9ristiques qui permettrait d&rsquo;atteindre une pr\u00e9cision de d\u00e9tection de plus de 41 %.Les r\u00e9seaux neuronaux convolutifs (CNN), en revanche, ont d\u00e9montr\u00e9 une robustesse exceptionnelle dans la classification des images gr\u00e2ce \u00e0 l&rsquo;extraction automatique des caract\u00e9ristiques au cours des derni\u00e8res ann\u00e9es (Szegedy et al., 2016). Les sections 3.3 et 3.4 d\u00e9crivent deux approches CNN qui permettent d&rsquo;obtenir une d\u00e9tection pr\u00e9cise des animaux de diff\u00e9rentes mani\u00e8res.<\/p>\n<h2>3.3 Classification de segments matriciels avec un CNN dichotomique<\/h2>\n<p>Un CNN dichotomique (\u00ab\u00a0d\u00e9cision \u00e0 deux voies\u00a0\u00bb) avec une profondeur de 7 couches de neurones<br \/>\n(Figure 3 centre) a \u00e9t\u00e9 construit avec Keras et Tensorflow sous Python 3.6 . Il classifie des segments de trame de thermogrammes orthorectifi\u00e9s par inf\u00e9rence dans les classes \u00ab\u00a0animal\u00a0\u00bb et \u00ab\u00a0non-animal\u00a0\u00bb. La couche d&rsquo;entr\u00e9e est une matrice de 64x64Px, qui correspond au maximum possible de segments 5x5m g\u00e9otrait\u00e9s par GSD (Figure 3 liens). Apr\u00e8s environ 3 heures de formation sur un ordinateur de bureau, un degr\u00e9 \u00e9lev\u00e9 de pr\u00e9cision de classification d&rsquo;environ 90 % peut \u00eatre atteint pour un relev\u00e9 a\u00e9rien sp\u00e9cifique (figure 3, \u00e0 droite). Le pr\u00e9traitement des donn\u00e9es thermiques (projection 3D sur MNS, g\u00e9n\u00e9ration d&rsquo;orthophotos, g\u00e9otraitement) prend cependant beaucoup de temps et n\u00e9cessite de nombreux calculs. Dans le cas d&rsquo;applications o\u00f9 le temps est compt\u00e9, comme le sauvetage des faons, les r\u00e9sultats de la classification doivent, dans le meilleur des cas, \u00eatre d\u00e9j\u00e0 disponibles pendant le vol. L&rsquo;inf\u00e9rence sur des donn\u00e9es brutes en direct ne serait pas soumise \u00e0 ces limitations. Gr\u00e2ce \u00e0 la r\u00e9solution des donn\u00e9es brutes de 640x512Px, cette approche permet \u00e0 l&rsquo;op\u00e9rateur de l&rsquo;UAV de disposer d&rsquo;une image de haute qualit\u00e9.<br \/>\nToutefois, en raison de la r\u00e9solution d&rsquo;entr\u00e9e de 64x64Px, seule une grille de d\u00e9tection grossi\u00e8re de 10 \u00d7 8 a \u00e9t\u00e9 utilis\u00e9e dans l&rsquo;application pratique.<\/p>\n<p>&nbsp;<\/p>\n<p><a href=\"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb3-1024x267.jpg\" target=\"_blank\" rel=\"noopener noreferrer\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-130 size-large\" src=\"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb3-1024x267.jpg\" sizes=\"auto, (max-width: 980px) 100vw, 980px\" srcset=\"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb3-1024x267.jpg 1024w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb3-300x78.jpg 300w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb3-768x200.jpg 768w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb3-210x55.jpg 210w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb3-1536x400.jpg 1536w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb3-1960x511.jpg 1960w\" alt=\"\" width=\"980\" height=\"256\" \/><\/a><\/p>\n<p>Fig. 3 : A gauche : Environ 10&rsquo;000 empreintes de 5x5m comme tuiles d&rsquo;entr\u00e9e, g\u00e9n\u00e9r\u00e9es \u00e0 partir de 45 thermogrammes orthorectifi\u00e9s. Au milieu : Sch\u00e9ma du r\u00e9seau neuronal dichotomique, couches neuronales dans le marqueur violet. A droite : Classification &#8211; 71 tuiles Vertes : \u00ab\u00a0Animal\u00a0\u00bb ; Reste Rouge : \u00ab\u00a0non-animal\u00a0\u00bb.<\/p>\n<h2>3.4 Reconnaissance d&rsquo;objets au moyen du R-CNN<\/h2>\n<p>Pour l&rsquo;interpr\u00e9tation des donn\u00e9es brutes en direct, les r\u00e9seaux neuronaux convolutionnels bas\u00e9s sur des r\u00e9gions plus rapides (R-CNN plus rapides) sont mieux adapt\u00e9s. Les mod\u00e8les de cette classe peuvent classer des objets sur des images globales \u00e0 plus haute r\u00e9solution en localisant des r\u00e9gions d&rsquo;int\u00e9r\u00eat (RdI) par le biais de propositions it\u00e9ratives de r\u00e9gions. De plus, diff\u00e9rentes classes peuvent \u00eatre form\u00e9es et reconnues en m\u00eame temps.<\/p>\n<p>Un r\u00e9seau Inception v2 est utilis\u00e9 (voir Fig. 4), qui imite la structure des cellules pyramidales dans le cortex visuel des vert\u00e9br\u00e9s avec une profondeur de 42 couches de neurones. En effectuant un pr\u00e9-entra\u00eenement avec 100 000 images de la vie quotidienne (l&rsquo;ensemble de donn\u00e9es COCO), les poids des ar\u00eates entre les couches de neurones dans l&rsquo;entra\u00eenement sp\u00e9cifique peuvent \u00eatre adapt\u00e9s plus rapidement et plus efficacement \u00e0 de nouveaux objectifs pour la d\u00e9finition des bo\u00eetes de d\u00e9limitation. M\u00eame avec des exigences mat\u00e9rielles partiellement limit\u00e9es, le mod\u00e8le est toujours consid\u00e9r\u00e9 comme rapide et pr\u00e9cis (Szegedy et al., 2016).<\/p>\n<p>La mise en \u0153uvre a \u00e9t\u00e9 effectu\u00e9e en utilisant la biblioth\u00e8que de d\u00e9tection d&rsquo;objets Tensorflow avec le soutien du cadre d&rsquo;apprentissage profond Nvidia CUDA \/ cuDNN pour parall\u00e9liser les c\u0153urs de shader GPU. Pour la formation, un ensemble de donn\u00e9es de test d&rsquo;environ 600 images thermiques avec environ 8 000 signatures d&rsquo;animaux a \u00e9t\u00e9 marqu\u00e9 manuellement en dessinant environ 1 800 bo\u00eetes de d\u00e9limitation. Apr\u00e8s environ 12 heures d&rsquo;entra\u00eenement (environ 100 000 \u00e9tapes), le Frozen Inference Graph d&rsquo;environ 50 Mo a \u00e9t\u00e9 export\u00e9. Un prototype performant bas\u00e9 sur Python applique ce sch\u00e9ma de connaissances \u00e0 de nouvelles donn\u00e9es thermiques par inf\u00e9rence.<\/p>\n<p>&nbsp;<\/p>\n<p><a href=\"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb4-1024x172.jpg\" target=\"_blank\" rel=\"noopener noreferrer\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-133 size-large\" src=\"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb4-1024x172.jpg\" sizes=\"auto, (max-width: 980px) 100vw, 980px\" srcset=\"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb4-1024x172.jpg 1024w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb4-300x51.jpg 300w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb4-768x129.jpg 768w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb4-210x35.jpg 210w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb4-1536x259.jpg 1536w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb4-1960x330.jpg 1960w\" alt=\"\" width=\"980\" height=\"165\" \/><\/a><\/p>\n<p>Fig. 4 : Structure sch\u00e9matique du R-CNN construit (sous-sch\u00e9ma \u00ab\u00a0Inception v2\u00a0\u00bb d&rsquo;Alemi, 2016)<\/p>\n<h2>4 R\u00e9sultats<\/h2>\n<p>En comparaison, la reconnaissance d&rsquo;objets \u00e0 l&rsquo;aide du R-CNN s&rsquo;est av\u00e9r\u00e9e \u00eatre l&rsquo;approche sup\u00e9rieure en raison de la possibilit\u00e9 d&rsquo;utiliser des donn\u00e9es brutes et d&rsquo;entra\u00eener plusieurs classes simultan\u00e9ment. Cette architecture a donc \u00e9t\u00e9 utilis\u00e9e dans la mise en \u0153uvre du prototype.<\/p>\n<p>Si le r\u00e9seau n&rsquo;est entra\u00een\u00e9 que pour la d\u00e9tection g\u00e9n\u00e9rale d&rsquo;animaux (Fig. 5-A), l&rsquo;inf\u00e9rence permet d&rsquo;obtenir un taux de d\u00e9tection extr\u00eamement \u00e9lev\u00e9 de 92,8 % par animal. Les analyses sont \u00e9galement relativement robustes dans la d\u00e9tection g\u00e9n\u00e9rale par rapport aux pertes de qualit\u00e9 dans les donn\u00e9es d&rsquo;entr\u00e9e (par exemple, le flou de mouvement et les ombres), car les signatures des animaux sont g\u00e9n\u00e9ralement reconnues correctement dans au moins une image et peuvent \u00eatre utilis\u00e9es pour la d\u00e9tection.<\/p>\n<p>&nbsp;<\/p>\n<p><a href=\"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb5-1024x437.jpg\" target=\"_blank\" rel=\"noopener noreferrer\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone wp-image-136 size-large\" src=\"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb5-1024x437.jpg\" sizes=\"auto, (max-width: 980px) 100vw, 980px\" srcset=\"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb5-1024x437.jpg 1024w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb5-300x128.jpg 300w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb5-768x328.jpg 768w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb5-210x90.jpg 210w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb5-1536x655.jpg 1536w, https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb5-1960x836.jpg 1960w\" alt=\"\" width=\"980\" height=\"418\" \/><\/a><\/p>\n<p>Fig. 5 : \u00c9valuation des r\u00e9sultats de la d\u00e9tection sur des flux vid\u00e9o simulant un survol en direct. \u00c0 gauche : tableau des statistiques de comptage (* Classe de daims &#8211; Damwild &#8211; contient des daims, des cerfs sika et des cerfs axis). La proportion de d\u00e9tections faussement n\u00e9gatives n&rsquo;est pas r\u00e9pertori\u00e9e car elle correspond \u00e0 la r\u00e9ciproque de la d\u00e9tectabilit\u00e9. A droite : Exemples de bo\u00eetes de d\u00e9limitation calcul\u00e9es par inf\u00e9rence.<\/p>\n<p>La pr\u00e9cision est l\u00e9g\u00e8rement inf\u00e9rieure dans la classification des esp\u00e8ces animales (figure 5-BCD), mais d\u00e9passe de loin les taux de r\u00e9ussite des m\u00e9thodes de d\u00e9tection conventionnelles pour les esp\u00e8ces daim, cerf \u00e9laphe et ch\u00e8vre. Cependant, ces valeurs ne sont pas comparables \u00e0 celles des animaux sauvages dans les enclos semi-naturels de for\u00eats mixtes, car seules les donn\u00e9es des p\u00e2turages ouverts \u00e9taient disponibles pour l&rsquo;entra\u00eenement et l&rsquo;inf\u00e9rence (voir les p\u00e2turages dans la figure 5-A, les for\u00eats mixtes dans la figure 5-BCD). Les classes sangliers, humains et petits mammif\u00e8res n&rsquo;ont pas atteint une pr\u00e9cision de classification suffisante en raison du faible nombre de donn\u00e9es d&rsquo;entra\u00eenement (n &lt;60).<\/p>\n<h2>5 Discussion et perspectives<\/h2>\n<p>La combinaison de la thermographie infrarouge bas\u00e9e sur les drones avec des techniques d&rsquo;apprentissage profond de pointe indique le potentiel d&rsquo;augmentation de l&rsquo;efficacit\u00e9 et de la qualit\u00e9 de l&rsquo;estimation de la population. La norme actuelle &#8211; un processus laborieux et intensif de recherche de phares, dans lequel de nombreux kilom\u00e8tres de routes foresti\u00e8res sont parcourus pour cartographier seulement une petite proportion inconnue d&rsquo;animaux &#8211; pourrait \u00eatre compl\u00e9t\u00e9e par des m\u00e9thodes modernes de reconnaissance des formes. Le prototype mis en \u0153uvre atteint une performance d&rsquo;inf\u00e9rence d&rsquo;environ 8 FPS sur du mat\u00e9riel mobile (ordinateur portable grand public de 2016). Le syst\u00e8me est donc si efficace qu&rsquo;il peut \u00eatre appliqu\u00e9 \u00e0 un flux vid\u00e9o en direct pendant le vol. Ces r\u00e9sultats prometteurs montrent donc qu&rsquo;il est possible de remplacer \u00e0 l&rsquo;avenir les m\u00e9thodes classiques de d\u00e9tection pour certaines zones.<\/p>\n<p>Une autre application importante est la r\u00e9cup\u00e9ration des faons. Les faons qui se cachent dans les pr\u00e9s sont souvent victimes des moissonneuses-batteuses en raison de leur r\u00e9flexe de pouss\u00e9e. Si des drones thermiques sont utilis\u00e9s aujourd&rsquo;hui, le processus est encore largement manuel. En outre, la formation des pilotes \u00e0 la reconnaissance des signatures est complexe. L&rsquo;automatisation logicielle pr\u00e9sent\u00e9e peut rendre le sauvetage des faons par drone beaucoup plus disponible \u00e0 l&rsquo;avenir.<\/p>\n<p>En mati\u00e8re de pr\u00e9vention des d\u00e9g\u00e2ts de gibier, l&rsquo;accent est g\u00e9n\u00e9ralement mis sur les pourritures de sangliers, qui hantent invisiblement de l&rsquo;ext\u00e9rieur une retraite dans les cultures arables. Cette technologie permet de localiser les animaux avant m\u00eame l&rsquo;apparition de d\u00e9g\u00e2ts importants. Tant pour la pr\u00e9vention des d\u00e9g\u00e2ts de gibier que pour la Rehkitzrettung, il est n\u00e9cessaire de disposer de donn\u00e9es d&rsquo;entra\u00eenement suppl\u00e9mentaires pour l&rsquo;utilisation op\u00e9rationnelle. Une fois que ces donn\u00e9es ont \u00e9t\u00e9 relev\u00e9es et marqu\u00e9es, le r\u00e9seau d&rsquo;apprentissage profond existant peut \u00eatre entra\u00een\u00e9 de mani\u00e8re plus approfondie au moyen d&rsquo;un r\u00e9glage fin et s&rsquo;appuyer sur les connaissances d\u00e9j\u00e0 acquises.<\/p>\n<p>En raison des progr\u00e8s rapides de la technologie des drones, il est tout \u00e0 fait concevable que des multicopt\u00e8res plus petits soient bient\u00f4t capables de voler plus silencieusement et donc de perturber moins le comportement des animaux. Avec des altitudes plus basses et des capteurs plus puissants, ils seraient en mesure de g\u00e9n\u00e9rer des thermogrammes encore meilleurs, ce qui faciliterait la classification des signatures pour le r\u00e9seau neuronal. Il serait envisageable d&rsquo;identifier d&rsquo;autres caract\u00e9ristiques individuelles des esp\u00e8ces d\u00e9j\u00e0 analys\u00e9es, telles que l&rsquo;\u00e2ge et le sexe, ou d&rsquo;\u00e9tendre l&rsquo;analyse \u00e0 des esp\u00e8ces plus petites telles que les blaireaux, les li\u00e8vres et les renards, ainsi qu&rsquo;\u00e0 des esp\u00e8ces rares telles que les lynx et les loups.<\/p>\n<h2>6 Bibliographie<\/h2>\n<p>Alemi, A., 2016:\u00a0<em>Improving Inception and Image Classification in Tensorflow.<\/em>\u00a0Google AI Blog.<\/p>\n<p>Google, 2018: Google Earth Pro 7.3.1, Aerial Texture: GeoBasis-DF \/ BKG, 2017-08-07.<\/p>\n<p>Gonzalez, L., Montes, G., Puig, E., Johnson, S., Mengersen, K., Gaston, K., 2016: Unmanned Aerial Vehicles (UAVs) and Artificial Intelligence Revolutionizing Wildlife Monitoring and Conservation.\u00a0Sensor\u00a0<strong>16<\/strong>\u00a0(1), Item 97.<\/p>\n<p>Gillins, D., Parrish, C., Gillins, M., H. Simpson, C., 2018: Eyes in the Sky: Bridge Inspections with Unmanned Areal Vehicles.\u00a0Oregon Dept.\u00a0of Transportation, SPR 787 Final Report.<\/p>\n<p>SenseFly, 2018: https:\/\/www.sensefly.com\/drone\/bee-mapping-drone\/ (6.5.2018).<\/p>\n<p>Silveira, L., Jacomo, A. &amp; Diniz-Filho, J., 2003: Camera trap, line transect census and track surveys: a comparative evaluation.\u00a0Biological Conservation\u00a0<strong>114<\/strong>\u00a0(3), 351-335.<\/p>\n<p>Szegedy, C., Vanhoucke, V., Ioffe, S., Shlens, J., Wojna, Z., 2016: Rethinking the inception architecture for computer vision.\u00a0Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition 2016, 2818-2826.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Short Video Surveillance de la faune par des drones &#8211; Intelligence artificielle pour la d\u00e9tection automatis\u00e9e de signatures infrarouges Traduction partiellement automatique. Veuillez vous r\u00e9f\u00e9rer \u00e0 la version allemande. &nbsp; Publi\u00e9 dans : 39\u00e8me r\u00e9union annuelle scientifique et technique de la DGPF \u00e0 Vienne &#8211; Publications de la DGPF, Volume 28, 2019 Adrian F. Meyer, [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_exactmetrics_skip_tracking":false,"_exactmetrics_sitenote_active":false,"_exactmetrics_sitenote_note":"","_exactmetrics_sitenote_category":0,"footnotes":""},"categories":[3],"tags":[],"class_list":["post-304","post","type-post","status-publish","format-standard","hentry","category-projet"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.3 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>D\u00e9tection IA de Signatures Infrarouges - D\u00e9tection IA d\u2019animaux \u00e0 l&#039;aide des UAV<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"D\u00e9tection IA de Signatures Infrarouges - D\u00e9tection IA d\u2019animaux \u00e0 l&#039;aide des UAV\" \/>\n<meta property=\"og:description\" content=\"Short Video Surveillance de la faune par des drones &#8211; Intelligence artificielle pour la d\u00e9tection automatis\u00e9e de signatures infrarouges Traduction partiellement automatique. Veuillez vous r\u00e9f\u00e9rer \u00e0 la version allemande. &nbsp; Publi\u00e9 dans : 39\u00e8me r\u00e9union annuelle scientifique et technique de la DGPF \u00e0 Vienne &#8211; Publications de la DGPF, Volume 28, 2019 Adrian F. Meyer, [&hellip;]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/\" \/>\n<meta property=\"og:site_name\" content=\"D\u00e9tection IA d\u2019animaux \u00e0 l&#039;aide des UAV\" \/>\n<meta property=\"article:published_time\" content=\"2019-12-12T12:00:47+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-06-19T11:09:43+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb1-1024x281.jpg\" \/>\n<meta name=\"author\" content=\"Adrian Meyer\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"Adrian Meyer\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"17 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/detection-ia-signatures-infrarouges\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/detection-ia-signatures-infrarouges\\\/\"},\"author\":{\"name\":\"Adrian Meyer\",\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/#\\\/schema\\\/person\\\/4d9c08addcb8ae627f031bb85e69f668\"},\"headline\":\"D\u00e9tection IA de Signatures Infrarouges\",\"datePublished\":\"2019-12-12T12:00:47+00:00\",\"dateModified\":\"2023-06-19T11:09:43+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/detection-ia-signatures-infrarouges\\\/\"},\"wordCount\":3145,\"publisher\":{\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/detection-ia-signatures-infrarouges\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/wilddrone.ch\\\/wp-content\\\/uploads\\\/2019\\\/06\\\/abb1-1024x281.jpg\",\"articleSection\":[\"Projet de recherche\"],\"inLanguage\":\"fr-FR\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/detection-ia-signatures-infrarouges\\\/\",\"url\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/detection-ia-signatures-infrarouges\\\/\",\"name\":\"D\u00e9tection IA de Signatures Infrarouges - D\u00e9tection IA d\u2019animaux \u00e0 l'aide des UAV\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/detection-ia-signatures-infrarouges\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/detection-ia-signatures-infrarouges\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/wilddrone.ch\\\/wp-content\\\/uploads\\\/2019\\\/06\\\/abb1-1024x281.jpg\",\"datePublished\":\"2019-12-12T12:00:47+00:00\",\"dateModified\":\"2023-06-19T11:09:43+00:00\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/detection-ia-signatures-infrarouges\\\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/detection-ia-signatures-infrarouges\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/detection-ia-signatures-infrarouges\\\/#primaryimage\",\"url\":\"https:\\\/\\\/wilddrone.ch\\\/wp-content\\\/uploads\\\/2019\\\/06\\\/abb1-1024x281.jpg\",\"contentUrl\":\"https:\\\/\\\/wilddrone.ch\\\/wp-content\\\/uploads\\\/2019\\\/06\\\/abb1-1024x281.jpg\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/detection-ia-signatures-infrarouges\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Startseite\",\"item\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"D\u00e9tection IA de Signatures Infrarouges\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/#website\",\"url\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/\",\"name\":\"Wildtier-Monitoring mit UAVs\",\"description\":\"Projet FHNW: T\u00e9l\u00e9d\u00e9tection IA de la Faune Sauvage\",\"publisher\":{\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/#organization\",\"name\":\"Adrian Meyer - Institut Geomatik FHNW\",\"url\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/wilddrone.ch\\\/wp-content\\\/uploads\\\/2019\\\/06\\\/xqN4uf35_400x4001.jpg\",\"contentUrl\":\"https:\\\/\\\/wilddrone.ch\\\/wp-content\\\/uploads\\\/2019\\\/06\\\/xqN4uf35_400x4001.jpg\",\"width\":400,\"height\":400,\"caption\":\"Adrian Meyer - Institut Geomatik FHNW\"},\"image\":{\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/#\\\/schema\\\/logo\\\/image\\\/\"}},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/wilddrone.ch\\\/fr\\\/#\\\/schema\\\/person\\\/4d9c08addcb8ae627f031bb85e69f668\",\"name\":\"Adrian Meyer\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/03f4bfdc91941b9ccb5a73472d775774c254ee32b9daf4effe519474952fb9ed?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/03f4bfdc91941b9ccb5a73472d775774c254ee32b9daf4effe519474952fb9ed?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/03f4bfdc91941b9ccb5a73472d775774c254ee32b9daf4effe519474952fb9ed?s=96&d=mm&r=g\",\"caption\":\"Adrian Meyer\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"D\u00e9tection IA de Signatures Infrarouges - D\u00e9tection IA d\u2019animaux \u00e0 l'aide des UAV","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/","og_locale":"fr_FR","og_type":"article","og_title":"D\u00e9tection IA de Signatures Infrarouges - D\u00e9tection IA d\u2019animaux \u00e0 l'aide des UAV","og_description":"Short Video Surveillance de la faune par des drones &#8211; Intelligence artificielle pour la d\u00e9tection automatis\u00e9e de signatures infrarouges Traduction partiellement automatique. Veuillez vous r\u00e9f\u00e9rer \u00e0 la version allemande. &nbsp; Publi\u00e9 dans : 39\u00e8me r\u00e9union annuelle scientifique et technique de la DGPF \u00e0 Vienne &#8211; Publications de la DGPF, Volume 28, 2019 Adrian F. Meyer, [&hellip;]","og_url":"https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/","og_site_name":"D\u00e9tection IA d\u2019animaux \u00e0 l'aide des UAV","article_published_time":"2019-12-12T12:00:47+00:00","article_modified_time":"2023-06-19T11:09:43+00:00","og_image":[{"url":"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb1-1024x281.jpg","type":"","width":"","height":""}],"author":"Adrian Meyer","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"Adrian Meyer","Dur\u00e9e de lecture estim\u00e9e":"17 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/#article","isPartOf":{"@id":"https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/"},"author":{"name":"Adrian Meyer","@id":"https:\/\/wilddrone.ch\/fr\/#\/schema\/person\/4d9c08addcb8ae627f031bb85e69f668"},"headline":"D\u00e9tection IA de Signatures Infrarouges","datePublished":"2019-12-12T12:00:47+00:00","dateModified":"2023-06-19T11:09:43+00:00","mainEntityOfPage":{"@id":"https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/"},"wordCount":3145,"publisher":{"@id":"https:\/\/wilddrone.ch\/fr\/#organization"},"image":{"@id":"https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/#primaryimage"},"thumbnailUrl":"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb1-1024x281.jpg","articleSection":["Projet de recherche"],"inLanguage":"fr-FR"},{"@type":"WebPage","@id":"https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/","url":"https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/","name":"D\u00e9tection IA de Signatures Infrarouges - D\u00e9tection IA d\u2019animaux \u00e0 l'aide des UAV","isPartOf":{"@id":"https:\/\/wilddrone.ch\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/#primaryimage"},"image":{"@id":"https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/#primaryimage"},"thumbnailUrl":"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb1-1024x281.jpg","datePublished":"2019-12-12T12:00:47+00:00","dateModified":"2023-06-19T11:09:43+00:00","breadcrumb":{"@id":"https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/#primaryimage","url":"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb1-1024x281.jpg","contentUrl":"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/abb1-1024x281.jpg"},{"@type":"BreadcrumbList","@id":"https:\/\/wilddrone.ch\/fr\/detection-ia-signatures-infrarouges\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Startseite","item":"https:\/\/wilddrone.ch\/fr\/"},{"@type":"ListItem","position":2,"name":"D\u00e9tection IA de Signatures Infrarouges"}]},{"@type":"WebSite","@id":"https:\/\/wilddrone.ch\/fr\/#website","url":"https:\/\/wilddrone.ch\/fr\/","name":"Wildtier-Monitoring mit UAVs","description":"Projet FHNW: T\u00e9l\u00e9d\u00e9tection IA de la Faune Sauvage","publisher":{"@id":"https:\/\/wilddrone.ch\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/wilddrone.ch\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/wilddrone.ch\/fr\/#organization","name":"Adrian Meyer - Institut Geomatik FHNW","url":"https:\/\/wilddrone.ch\/fr\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/wilddrone.ch\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/xqN4uf35_400x4001.jpg","contentUrl":"https:\/\/wilddrone.ch\/wp-content\/uploads\/2019\/06\/xqN4uf35_400x4001.jpg","width":400,"height":400,"caption":"Adrian Meyer - Institut Geomatik FHNW"},"image":{"@id":"https:\/\/wilddrone.ch\/fr\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/wilddrone.ch\/fr\/#\/schema\/person\/4d9c08addcb8ae627f031bb85e69f668","name":"Adrian Meyer","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/secure.gravatar.com\/avatar\/03f4bfdc91941b9ccb5a73472d775774c254ee32b9daf4effe519474952fb9ed?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/03f4bfdc91941b9ccb5a73472d775774c254ee32b9daf4effe519474952fb9ed?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/03f4bfdc91941b9ccb5a73472d775774c254ee32b9daf4effe519474952fb9ed?s=96&d=mm&r=g","caption":"Adrian Meyer"}}]}},"_links":{"self":[{"href":"https:\/\/wilddrone.ch\/fr\/wp-json\/wp\/v2\/posts\/304","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wilddrone.ch\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wilddrone.ch\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wilddrone.ch\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/wilddrone.ch\/fr\/wp-json\/wp\/v2\/comments?post=304"}],"version-history":[{"count":2,"href":"https:\/\/wilddrone.ch\/fr\/wp-json\/wp\/v2\/posts\/304\/revisions"}],"predecessor-version":[{"id":306,"href":"https:\/\/wilddrone.ch\/fr\/wp-json\/wp\/v2\/posts\/304\/revisions\/306"}],"wp:attachment":[{"href":"https:\/\/wilddrone.ch\/fr\/wp-json\/wp\/v2\/media?parent=304"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wilddrone.ch\/fr\/wp-json\/wp\/v2\/categories?post=304"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wilddrone.ch\/fr\/wp-json\/wp\/v2\/tags?post=304"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}