Détection de fuites de pétrole à partir d’imagerie hyperspectrale

Afin de détecter les fuites potentielles de pétrole, diesel et essence à proximité des oléoducs, l’entreprise Flyscan propose de survoler en avion les régions d’intérêt et d’effectuer l’acquisition d’images hyperspectrales et d’images optiques RGB, à partir desquelles il est possible de détecter la présence d’hydrocarbures liquides au sol. Pour l’instant, ces images sont analysées avec des algorithmes basés sur la physique et entrainés manuellement et nécessitent l’intervention d’un humain pour le filtrage des détections. Ce projet vise à concevoir et entraîner une architecture exploitant des réseaux de neurones qui pourra analyser automatiquement ces images, et également tirer avantage des informations supplémentaires telles que le contexte des images RGB, la topologie du terrain ou le zonage (par exemple : milieux humides, routes, terrain résidentiel, etc). Les travaux antérieurs ont démontré qu’il était possible d’automatiser une partie de cette tâche, mais que la quantité de faux positifs demeuraient élevée, et que la charge de calculs et la mémoire
nécessaire aux étapes d’entraînement et d’inférence demeuraient un obstacle majeur. La recherche proposée exploitera l’analyse d’images dont les composantes hyperspectrales seront condensées afin de diminuer la dimensionalité des données et alignées avec les images optiques et la topologie du terrain, suivie d’une analyse plus fine pour les zones d’intérêt potentielles. La réduction de dimensionnalité pourra aussi être effectuée à partir de cartes de caractéristiques basées sur des indices spectraux. Il est attendu que cette stratégie en deux étapes permettra une diminution des calculs et de la mémoire, et réduira le nombre de faux positifs.

Faculty Supervisor:

François Grondin

Student:

Partner:

Flyscan

Discipline:

Engineering

Sector:

Professional, scientific and technical services

University:

Université de Sherbrooke

Program: