Sujet de Thèse
Titre :
Proposition d'une approche de surveillance des oiseaux migrateurs basée sur l'apprentissage profond
Dates :
2020/11/01 - 2023/10/30
Autre(s) encadrant(s) :
Pr. OUAHAB Kadri (k.ouahab@univ-batna2.dz) , Dr. BENYAHIA Abderrezak (a.benyahia@univ-batna2.dz)
Description :
Problématique :
L'Algérie compte plus de 250 zones humides dont 50 sont classées au niveau international pour leur
importance et leur rôle écologique. Les zones humides abritent une très grande variété d'espèces animales
et végétales et jouent un rôle majeur dans la biodiversité. En particulier, ils sont des lieux privilégiés pour
des dizaines de milliers d'oiseaux d'eau de différentes espèces pour hiverner ou faire une halte temporaire.
Le déclin de certaines espèces aviaires peut provoquer de graves problèmes dans la chaîne alimentaire et
impacter la sécurité environnementale voire même affecter la santé publique. La surveillance de la taille
des populations d'oiseaux est une activité courante pour de nombreux ornithologues permettant ainsi de
mettre en évidence les éventuels changements environnementaux ou anthropiques qui affectent
négativement les espèces.
Pour concevoir un système de surveillance des oiseaux, il faut répondre à plusieurs questions dont la
première est la définition des types d'oiseaux à observer nécessitant l'intervention d'experts ornithologie
associés au projet de recherche. A partir des exigences définies par ces experts, le système de surveillance
pourra être spécifié avec plusieurs problématiques scientifiques qui en découlent : La captation des images
par des caméras de haute qualité, le transfert des données multimédias sur un réseau adapté et son
stockage et la phase traitement des informations.
Cette thèse se focalise sur l'étude de la détection des oiseaux qui dépend directement de la quantité
d'informations dans chaque image et indirectement de l'emplacement et de la position des caméras et
donc aussi des caractéristiques du réseau de communication. Trouver une combinaison idéale est un
problème qui ne peut être résolu en temps polynomial par des algorithmes exacts de nature séquentielle
ou parallèle. Il fait donc partie de la classe des problèmes connus sous le nom de NP-Complet. Les
stratégies de résolution par les méthodes d'intelligence artificielle sont de plus en plus appliquées à ce
type de problème. Plusieurs travaux réalisés ces dernières années ont démontré l'utilité et l'efficacité
d'intelligence artificielle pour résoudre ce problème d'optimisation combinatoire.

Objectifs :
Nous cherchons à concevoir une approche de surveillance basée sur le deep learning où la construction
des modèles 3D en utilisant plusieurs image 2D joue un rôle central, en tant que processus permettant
l'amélioration de l'identification de type des oiseaux. Nous cherchons aussi par le biais de ce travail à
mettre en place des algorithmes pour la surveillance des systèmes complexes et dynamiques en prenant
en compte les ressources de communication qui reposent sur des architectures IoT (Internet des Objets)
dont les débits et la durée de vie sont limités et doivent donc être optimisés. Nous proposons pour la
validation du système, l'utilisation d'une bibliothèque d'apprentissage automatique créée par l'équipe
Google Brain appelée TensorFlow.

Grands axes :
1) Faire un état de l'art du domaine des systèmes de télésurveillance et considérer ses différentes
applications pour cerner au mieux leurs principes.
2) Etudier les méthodes d'apprentissage automatique.
3) Proposer une approche de surveillance des oiseaux basée sur L'apprentissage profond avec une vue
systémique : de la création de l'information à son traitement en passant par son transport
4) Implémenter et expérimenter le système sur le site d'Annaba
Mots clés :
Surveillance environnementale, Internet des objets, Apprentissage profond, Infonuagique
Département(s) : 
Ingénierie des Systèmes Eco-Techniques
Financement :
bourse du ministère algérien + PHC Tassili