Sujet de Thèse
Titre :
Surveillance d'oiseaux migrateurs de la zone humide Annaba/Tarf (Algérie) par deep-learning à travers des réseaux de capteurs multimédia sans fil
Dates :
2021/04/29 - 2024/04/30
Etudiant :
Encadrant(s) : 
Autre(s) encadrant(s) :
Pr. DOGHMANE Noureddine (ndoghmane@univ-annaba.org) , Dr HARIZE Saliha (shrz.dj@gmail.com)
Description :
I. Description de la problématique de recherche
Les oiseaux réagissent aux changements possibles de l'environnement et constituent de bons indicateurs
de la biodiversité. Si certaines espèces aviaires commencent à décliner, cela peut dévoiler de graves
problèmes à la fois dans la chaîne alimentaire, dans la sécurité environnementale et peut affecter même la
santé publique. À cette fin, la surveillance de la faune et de la flore en général et des oiseaux en particulier
peut fournir de nombreuses informations précieuses sur: l'environnement, la santé et la productivité des
terres, ...etc. La surveillance de ces oiseaux dans leurs habitats naturels présente donc plusieurs intérêts :
• D'une part, disposer d'un indicateur fiable pour évaluer régulièrement l'évolution du nombre
d'oiseaux en danger dans une région. En effet, 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. Par conséquent,
l'estimation de la taille des populations d'oiseaux reste une condition préalable essentielle à la
conservation et à la gestion des espèces d'oiseaux.
• D'autre part, les oiseaux peuvent être considérés comme un outil de surveillance de l'environnement
voire même de la santé publique en prévoyant par exemple toute propagation possible de maladies
animales telles que la grippe aviaire. En effet, le virus de l'influenza aviaire (H5N1) chez les oiseaux
migrateurs même faiblement pathogène, une fois transmis aux animaux domestiques comme la volaille,
peut évoluer vers des souches hautement pathogènes qui constituent ainsi un risque non négligeable sur
la santé publique et conduit aussi à des pertes économiques importantes.

II. Description des objectifs de la thèse
La surveillance des oiseaux dans leur habitat naturel consiste en des observations et des mesures
régulières qui permettraient de prendre des mesures de protection si des modifications défavorables
étaient observées. La dégradation de l'habitat, l'activité humaine, les facteurs environnementaux, le
changement climatique et les incendies de forêt seraient les menaces les plus importantes qui pèsent sur
les espèces d'oiseaux d'une manière générale. La survie de notre système environnemental aussi bien sa
faune que sa flore est un enjeu primordial et un challenge à relever. Mais souvent cette surveillance se fait
d'une manière manuelle pendant des campagnes limitées dans le temps et dans l'espace.
Cette thèse a pour objectif une surveillance automatique continue basée sur des réseaux de capteurs
multimédia sans fil (WMSN : Wireless Multimedia Sensor Networks) de ces oiseaux dans leur habitat
naturel. L'idée est d'identifier, de reconnaître et de compter le nombre d'une espèce d'oiseaux (jugée
menacée) à partir de leurs vocalisations (chants et cris) et/ou leurs photographies. Les réseaux de capteurs
se révèlent être des plateformes idéales pour l'enregistrement et le traitement de telles données en raison
de la conformité de leurs caractéristiques aux exigences du projet telles que l'indépendance énergétique,
le coût financier moyen, une large couverture géographique et la préservation de l'environnement.
Cependant, la méthode de surveillance proposée, basée sur le WSN, doit relever plusieurs défis majeurs
précisés ci-dessous que nous nous proposons de solutionner à travers cette thèse.

III. Plan de travail de la thèse
1. Travaux préliminaires : Position du problème, Etat de l'art, Délimitation de la zone géographique ciblée
par l'étude, Identification des espèces d'oiseaux sujets du projet, Description des caractéristiques
biométriques des oiseaux ciblés par l'étude, ...etc
2. Détection des oiseaux par leurs vocalisations : Détecter les bons spécimens d'oiseau avant la prise de
photographies. Ceci peut être effectué à l'aide de capteur scalaire (microphone) associé au noeud capteur.
Il doit permettre de reconnaitre le spécimen grâce à sa vocalisation (chants/cris). Chaque spécimen
d'oiseau, en particulier les deux oiseaux migrateurs objets de cette étude à l'instar du canard à tête
blanche (Oxyura leucocephala) et du canard ferrugineux (Aythya nyroca), ont des cris et chants particuliers
qui pourront être utilisés dans leur détection et reconnaissance. Néanmoins, nous serons confrontés à
plusieurs difficultés que nous devons surmonter. Nous préconisons donc de travailler dans cet axe et
d'adapter des techniques de reconnaissance basées sur les Convolutional Neural Networks CNN en
particulier et le deep-learning d'une manière générale aux sons d'oiseaux afin de pouvoir détecter et
reconnaitre les espèces d'oiseaux ciblées malgré les différentes difficultés posées.
3. Détection des oiseaux par leurs photographies : Mettre en oeuvre et estimer des modèles de détection
d'oiseaux d'espèces menacées, basés sur l'apprentissage en profondeur (Deep-Learning) à l'aide de
photographies acquises et transmises par des WMSN.
4. Optimisation des ressources de communication par rapport à la méthode de reconnaissance
d'oiseaux: Adapter l'architecture de communication en termes de nombre de noeuds, de bande passante.
Réduire la consommation d'énergie du contrôleur et de l'unité de transmission du noeud de capteur. Ceci
pour augmenter la durée de vie du noeud capteur. Cette partie sera évaluée à l'aide d'outils de simulation
de réseaux avant expérimentation.
5. Evaluation du système dans un contexte réaliste : Évaluer les performances des noeuds de capteurs
utilisés dans un contexte réaliste. Ceci peut être réalisé en mettant en oeuvre un testbed et/ou en utilisant
des plateformes adéquates (simulateurs de réseaux sans fil par exemple).
Mots clés :
Bird recognition, WMSN, IoT, Consommation énergétique, image compression, Deep-learning
Département(s) : 
Modélisation Pilotage des Systèmes Industriels