Wildcount: Inexpensive Edge sensor for recognizing and counting the presence of humans (anonymous) and animals into wild and protected areas.

Wildcount: Inexpensive Edge sensor for recognizing and counting the presence of humans (anonymous) and animals into wild and protected areas

Encadrants : Didier DONSEZ, Georges QUENOT.

https://gitlab.com/wildcount

La détection à distance de l’homme ou des grands animaux évoluant dans les espaces naturels est un outil de choix pour les biologistes et sociologues qui cherchent à comprendre les interactions entre les hommes et la faune dans les espaces sensibles. Les applications portent aussi bien sur l’étude comportementale des populations humaines (randonneurs, vttistes, skieurs, chasseurs, professionnels forestiers …) comme des populations animales (loups, cervidés, sangliers, faunes porteuses de tiques transmettant la maladie de Lyme ...).

L’objectif du projet WildCount est le développement d'un capteur “edge” communiquant bon marché pour la reconnaissance et le comptage automatisé de la présence des humains (anonymes) et d’animaux en milieu naturel dans les zones sauvages et protégées, dans les chemins autorisés de parcs naturels, à proximité des refuges, des zones avalancheuses, de zones interdites au public … Ce capteur utilisera des composants peu onéreux mais offrant néanmoins de bonnes performances (résolution d’images, consommation énergétique, …). Les technologies envisagées se baseront sur les techniques d’apprentissage profond (ie réseaux neuronaux). Les réseaux de neuronaux seront entraînés à partir des bases d’images d’humains, d’animaux et de véhicules dépendant du contexte d’installation/observation. Une preuve de concept a été réalisée en Q1 2020 avec une carte Maix Sipeed et un modem LoRaWAN. Le calibrage se fait en partenariat avec les équipes techniques des Zones Ateliers Alpes (les gardes du Valbonnais du Parc national des Ecrins) et le PGHM Isère.

La nouvelle version du capteur WildCount sera batie autour d’une carte Greenwaves GAP8, d’un capteur thermique ou d’un capteur visible, des capteurs environnementaux (température, humidité, pression, CO2, …) et un modem de communication longue distance bas débit LoRaWAN (RN2483). Ce capteur respectera la vie privée des éventuels passants puisque aucune image ne sera stockée ou transmise par le logiciel embarqué. Ce capteur ne transmettra que des compteurs de présence des différents types de formes reconnues par le réseau de neurones et éventuellement des alertes de passage en fonction de l’agenda chargé dans le capteur.

L’architecture logicielle du projet suivra les principes des architectures edge-computing : le capteur embarque une grande partie de traitement (reconnaissance des images) pour ne transmettre qu’une information synthétique vers le cloud via un réseau de communication LoRaWAN longue distante et robuste mais très bas débit (300 bauds sur 1% du temps réglementaire (ie duty cycle)). Les données synthétisées sont ensuite stockées dans un cloud pour produire des alertes et des tableaux de bord.

Votre mission consistera à prototyper les capteurs edge sur des cartes Greenwaves GapPoc-A et GapPoc-B. Il faudra d’en un premier temps prendre en main les 2 modeles de cartes Greenwaves GapPoc-A et GapPoc-B. En parallèle, il faudra entrainer le réseau de neurones à partir des bases d’images animalières (comme https://www.zooniverse.org/projects/crea-mont-blanc/wild-mont-blanc/classify) et de charger les modèles entrainés de réseaux de neurones sur les cartes. Il faudra réaliser les programmes de transmission périodiques des compteurs d’animaux reconnus par le réseau de neurones au travers du modem LoRaWAN. Enfin, il faudra afficher les compteurs d’espèces reconnus préalablement stockés dans une base de données temporelles (InfluxDB) et afficher ceux-ci dans un tableau de bord (Grafana).

Vous pourrez participer à l’expérimentation terrain en fonction de l’avancement du projet (Parc des Ecrins section du Valbonnais où une station LoRa sera installée).

Ce projet se fera en collaboration avec un groupe d'élèves IESE5.


 * https://greenwaves-technologies.com/product/gappoc-a-computer-vision-concept-board/
 * https://greenwaves-technologies.com/product/gappoc-b-occupancy-management-reference-platform/
 * https://greenwaves-technologies.com/sdk-manuals/
 * https://github.com/GreenWaves-Technologies/gap_sdk
 * https://greenwaves-technologies.com/gap8_developers_forum-2/
 * https://github.com/CampusIoT/tutorial/tree/master/rn2483#gallerie https://www.zooniverse.org/projects/crea-mont-blanc/wild-mont-blanc/classify