$ titreniv1("Le problème de la marge de tolérance"); $ titreniv2("Le principe de la règle de la marge de tolérance"); La règle de la marge de tolérance de 10% a été mise en place pour s'assurer que les bateaux déclarent correctement les quantités de poisson pêchées pour chaque espèce. Elle sert, en particulier, à vérifier que le capitaine a bien déclaré les mêmes quantités dans tous les messages de son livre de bord électronique.
A la fin de la marée, les organismes en charge du contrôle comparent les déclarations réalisées en mer et celles réalisées au déchargement du poisson. Si ces deux déclarations s'écartent de plus de 10% pour une espèce donnée, le capitaine et l'armement sont sanctionnés.

Figure 1 : la vérification du respect de la règle de la marge de tolérance à l'aide des déclarations dans le journal de pêche électronique

$ titreniv2("Les difficultés pour les thoniers senneurs tropicaux"); Contrairement à d'autres bateaux, il est absolument impossible de trier le poisson à bord pendant la mise en cuve. Les quantités pêchées sont importantes et le poisson doit être stocké au froid le plus rapidement possible pour éviter qu'il ne devienne impropre à la consommation humaine. De plus, le tri n'est pas forcément possible au déchargement du poisson, en particulier quand il est transbordé sur cargo.
$ warningFiche("Les thoniers senneurs français sont donc involontairement en infraction avec la règlementation européenne dans 50% des cas pour l'albacore et le listao et 90% des cas pour le patudo.");
$ titreniv1("A quoi pourraient servir les caméras dans le cadre de la marge de tolérance de 10% ?"); $ titreniv2("L'essor de l'Intelligence Artificielle"); L'Intelligence Artificielle est en plein essor dans de très nombreux domaines : voitures intelligentes, reconnaissance vocale, GPS qui met à jour le trajet en fonction du trafic, reconnaissance automatique du contenu d'une image, etc.
Derrière toutes ces technologies, il y a un cerveau artificiel, capable de résoudre des problèmes complexes, après s'être entrainé en utilisant de grandes quantités de données, d'images ou de sons.

$ titreniv2("L'Intelligence Artificielle pour reconnaitre les poissons"); C'est la capacité de l'Intelligence Artificielle à reconnaître des objets sur une image qui nous intéresse tout particulièrement ici. En théorie, on pourrait l'utiliser pour reconnaître automatiquement l'espèce des poissons sur les vidéos de la caméra convoyeur qui équipe les bateaux.

Figure 2 : le principe de la reconnaissance automatique des poissons par l'Intelligence Artificielle ; le cerveau artificiel reconnait chaque poisson sur l'image et détermine l'espèce

Avant de l'utiliser à grande échelle, il est nécessaire de construire la technologie d'Intelligence Artificielle qui pourrait permettre de reconnaitre les poissons, puis de la tester. La première étape de ce travail est de constituer une bibliothèque d'images dont le cerveau artificiel se servira pour apprendre à reconnaitre les espèces.

$ titreniv1("Le projet SIRCEO et la banque d'images"); $ titreniv2("Les objectifs du projet SIRCEO"); Le projet SIRCEO a pour objectif de tester l'utilisation de l'Intelligence Artificielle pour reconnaitre l'espèce des poissons sur le convoyeur. Le projet utilisera les vidéos de la caméra convoyeur de navires de la CFTO de l'Océan Indien et d'un navire de Via Océan dans l'Océan Atlantique (VIA MISTRAL).

$ titreniv2("Une banque d'images pour apprendre à reconnaitre les poissons à l'Intelligence Artificielle"); Comme le cerveau humain, les modèles d'Intelligence Artificielle doivent apprendre à reconnaître les poissons sur des images. Le cerveau artificiel a besoin pour s'entrainer d'images de toutes les espèces conservées à bord et transférées dans les cuves pendant la calée. Pendant son entrainement, il doit avoir accès à une bibliothèque d'images obtenues avec la caméra convoyeur et déjà classées par espèce. Lorsque les espèces se ressemblent, comme c'est le cas pour les juvéniles d'albacore et du patudo, ou comme c'est le cas pour les thons mineurs, on ne parvient pas à reconnaitre l'espèce à l'œil humain sur les vidéos. La banque d'images dont on dispose aujourd'hui est donc incomplète.

$ titreniv2("Les poissons à mettre de côté"); Avec l'aide des observateurs à bord et des marins du faux-pont, on constituera une banque d'images pour les juvéniles d'albacore, les juvéniles de patudo, l'auxide, la thonine et le bonitou.

Figure 3 : les espèces à mettre de côté à pour constituer la banque d'images du projet SIRCEO

Ce travail sera réalisé pendant les marées du projet SIDEO sur les requins. Lorsque l'observateur sera dans le faux-pont, il pourra aider à mettre de côté les thons mineurs puisqu'il sera placé en sortie de goulotte pour observer les requins. L'équipage sera chargé de prélever les juvéniles d'albacore et de patudo à chaque calée et les thons mineurs quand l'observateur travaillera sur le pont.

$ titreniv2("Les enregistrements vidéos à la caméra convoyeur"); Après la calée, l'observateur à bord placera sur le convoyeur les espèces mises de côté avec l'aide de l'équipage. Différentes compositions d'images sont attendues pour entrainer le cerveau artificiel à reconnaitre les poissons dans la majorité des situations possibles.

Figure 4 : enregistrements vidéos souhaités avec la caméra convoyeur. Ces enregistrements doivent être préparés pour l'albacore et le patudo d'une part et pour l'auxide, la thonine et le bonitou d'autre part

$ infoFiche("Le rôle de l'équipage dans ce projet :
[rondnb=navy/1] Faire un bon accueil à l'observateur. Ces tests ont un coût et nous ne pouvons en organiser qu'un petit nombre. Pour leur bon déroulement, il faut prévenir ORTHONGEL et l'armement immédiatement en cas de problème afin que nous trouvions une solution ensemble.
[rondnb=navy/2] Vérifier le fonctionnement des caméras avec l'observateur et s'assurer qu'elles soient nettoyées en cas de projection d'eau. Une caméra sale ne permet pas de reconnaître les poissons.
[rondnb=navy/3] Mettre de côté les espèces demandées. L'observateur ne pourra aider que lorsqu'il sera dans le faux-pont et uniquement pour les thons mineurs.
[rondnb=navy/4] Aider l'observateur à réaliser les vidéos souhaitées. On dispose de 30 minutes à la fin de la calée avant que les caméras n'arrêtent de filmer et l'observateur ne fera évidemment pas fonctionner le convoyeur lui-même.
");

Des questions ou besoin d'aide ?
Contacter ORTHONGEL (Alexandra MAUFROY)
amaufroy@orthongel.fr avec l'armement en copie