Nos réalisations
-
Depuis 2023, PIXSEA travaille avec le projet WILDDRONE-PIXSEA à la mise en place de recensements marins par drones à propulsion électrique afin de remplacer l’avion, décarboner et automatiser l’observation de la faune, notamment sur les parcs éoliens marins.
-
De 2021 à 2024, PIXSEA a mené pour l’OFB l’étude ELADOM sur la mégafaune marine en Finistère Sud, combinant observations visuelles et photos aériennes haute résolution analysées par IA. Le projet a permis d’améliorer fortement les méthodes de détection et d’identification automatique des espèces.
-
De 2019 à 2023, le projet SEMMACAPE a renforcé la performance des algorithmes de détection de mégafaune marine, montrant qu’avec validation experte, leurs résultats rivalisent avec ceux des observateurs en vol, tout en réduisant les erreurs grâce à des améliorations techniques.
Projet WILDDRONE-PIXSEA
De 2023 à 2025, le groupement PIXSEA a été lauréat d’un appel à projet du GIS EMYN avec le projet WILDDRONE-PIXSEA. Ce projet, toujours en cours de réalisation, a pour but de mettre en place des recensements aériens numériques de mégafaune marine par drone (Rolland et al, 2024, 2025). Les tests sont réalisés en phase de construction du parc éolien en mer de Yeu-Noirmoutier avec les drones Beluga de l’entreprise DroneVolt. Ce projet vise à remplacer l’avion par l’emploi de drones VTOL (Vertical Take-off and Landing) à propulsion électrique afin de décarboner et dérisquer les observations maritimes. Sur l’aspect technique, l’équipe PIXSEA s’occupe de l’intégration des systèmes d’acquisition d’images sur les drones. De plus, elle réalise les analyses d’images avec le réseau de neurones, la vérification par des experts naturalistes ainsi que l’analyse de données et la rédaction des rapports.
Rolland, E. G. A., Laporte-Devylder, L., & Christensen, A. L. (2025). Advancing Wildlife Monitoring in Gregarious Species with Drone Swarms. In G. Marreiros, L. Grande, J. P. Llerena, L. Conceição, H. Ko, M. Plaza, & M. Ricca (Éds.), Special Sessions II (Vol. 1151, p. 310‑316). Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-80946-0_33
Accéder au poster présenté à Seanergy 2024 ici
Vol test du drone Beluga de DroneVolt
Crédit : Avion Jaune
Projet ELADOM
De 2021 à 2024, le groupement PIXSEA a réalisé une étude de recensement de la mégafaune marine et des activités anthropiques par suivis aériens sur l’extension du Parc Naturel Marin d’Iroise en Finistère Sud pour le compte de l’OFB et de l’Observatoire de l’Eolien en Mer lors du projet ELADOM.
Pour ce faire, des campagnes de suivis aériens visuelles et numériques ont été réalisées via la prise de photographies à très haute résolution en parallèle de la réalisation d’observations visuelles. Les photographies ont été analysées par un réseau de neurones permettant la détection et l’identification d’observations puis une portion des photographies a été vérifiée par plusieurs experts. Les équipes ont été mobilisées sur l’ensemble du projet et ont réalisé les plans d’échantillonnages, les suivis aériens, l’analyse des photographies, l’analyse des données et la rédaction des rapports.
Les nombreux retours d’expérience de ces campagnes ont mené à l’amélioration continue des méthodes et des techniques de PIXSEA :
Ce projet a permis de fixer la résolution moyenne des photographies à 1.7 cm/pixel pour les campagnes visuelles et numériques, ce qui a rendu plus aisés les travaux de reconnaissance et plus certaine l’identification des espèces par les observateurs et par le réseau de neurones ;
L’hétérogénéité (nombre d’observations par image, diversité d’espèces, de conditions, de qualité photographique, etc.) et la quantité de photographies prises lors de ce projet ont contribué à nourrir la base de données d’apprentissage du réseau de neurones ;
Des valeurs optimales de seuil pour la détermination des classes (espèces, familles, groupes) ont ainsi pu être déterminées pour une plus grande efficacité et une meilleure robustesse des propositions du réseau de neurones ;
Le réseau de neurones a détecté 50% d’observations supplémentaires par rapport aux observateurs menant ainsi au choix d’augmenter le nombre de photographies vérifiées par les experts ;
L’analyse automatique a également permis un meilleur dénombrement des groupes d’individus grâce à l’identification et l’estimation du nombre d’animaux sous la surface de l’eau et des groupes dans les bandes d’observation ;
Une détermination à l’espèce des puffins en vol proche de 90% a pu être assurée grâce à l’analyse des images par le réseau de neurones et à la vérification des photographies par les experts.
Accéder au rapport intermédiaire du projet ELADOM ici
Bateau suivi par un groupe d’oiseaux.
Crédit : PIXSEA, 12/06/2023
Photographie 1:1 d’un groupe d’oiseaux, détectés par le logiciel Harmony en tant que 4 puffins en vol, confirmés comme puffins des Baléares en vol par une ornithologue.
Crédit : PIXSEA, 12.06.2023
Photographie 1:1 d’un groupe d’oiseaux, détectés par le logiciel Harmony comme 45 puffins posés et en vol. Le logiciel a permis le dénombrement exact mais pas la détermination à l’espèce des oiseaux posés (caractéristiques spécifiques non visibles). L’individu en vol a été déterminé comme puffin des Anglais par une ornithologue (tâches blanches caractéristiques).
Crédit : PIXSEA, 12.06.2023
Zoom d’une résolution de 15mm/pixel sur un individu, détecté comme puffin des Anglais en vol par le réseau de neurones avec un score de confiance supérieur à 0.95.
Crédit : PIXSEA, 04.2022
Carte de densité, réalisée par krigeage, d’Alcidés au printemps 2022.
Crédit : PIXSEA, 12.2022
Carte des observations spatiales et temporelles des prédateurs supérieurs.
Crédit : PIXSEA, 12/2024
Projet SEMMACAPE
De 2019 à 2023, le projet SEMMACAPE réalisé avec l’Agence Française pour la Biodiversité, France Energies Marines, l’Université de Bretagne Sud et le soutien financier de l’ADEME (appel à projets APRED2019) a permis l’acquisition d’images de mégafaune marine à très haute résolution afin d’améliorer les capacités de détection et de caractérisation des espèces des algorithmes de reconnaissance d’images (algorithmes d’apprentissage non supervisé et supervisé, c’est-à-dire sans et avec vérification des images par des experts). De plus, cette étude a permis de comparer la détection et l’identification des observations entre les observateurs embarqués en vol et les algorithmes sur les images.
Ce projet a ainsi démontré que les algorithmes d’apprentissage supervisé vérifié (c’est-à-dire avec validation et correction d’expert des propositions) permettent de produire des cartes de distribution proches de celles basées sur les observations visuelles relevées par des observateurs embarqués dans le même avion. Les retours d’expérience de ce projet ont également permis de mesurer l’impact des reflets du soleil sur les capacités de détection et d’identification du réseau de neurones sur les photographies, désormais réduits dès l’acquisition grâce à l’emploi de filtres polarisés anti-reflets et de l'inclinaison du système de prise de vue par l’opérateur, diminuant de fait le nombre de faux positifs.
Accéder au rapport final du projet SEMMACAPE pour l’ADEME ici
Accéder au rapport final du projet SEMMACAPE de l’OFB ici
Photographie d’un dauphin de Risso annotée par un biologiste.
Crédit : PIXSEA
Photographie d’un groupe de dauphins dauphins bleu et blanc accompagnés de thons, annotée par un biologiste.
Crédit : PIXSEA
Intervalle de confiance à 95 % des densités (individus/km²) de grands goélands estimées pour deux sessions (05.2020 et 11.2020) selon trois méthodes d’observation : numérique automatisée (en jaune), numérique automatisée supervisée vérifiée (en orange) et visuelle (en vert). Une même lettre signifie que les résultats sont non significativement différents, il n’y a donc pas de différence significative entre les trois méthodes ici.
Cartes de distribution des taux de rencontre des Alcidés (cibles/km quand détectés par l’algorithme et individus/km quand confirmés par les observateurs) du 12.11.2020 dans le Parc naturel marin Estuaire de la Gironde et de la mer des Pertuis, produites selon quatre méthodes d’observation : numérique automatisée (1ère ligne, 1ère colonne), numérique automatisée supervisée (1ère ligne, 2ème colonne), numérique automatisée supervisée vérifiée (1ère ligne, 3ème colonne) et visuelle (2ème ligne, 3ème colonne).