Capteurs sans-fils mobiles et algorithmes évolués : application au recensement d'espèces animales h/f

Nous souhaitons pouvoir répondre à cette problématique en utilisant des algorithmes, dits "conscients" (self-aware), permettant de s’adapter à un changement du nombre et de la configuration des capteurs. Pour se faire, chaque capteur doit pouvoir fournir des données contextuelles en plus de la mesure, et le comportement d’ensemble doit permettre de maintenir un objectif commun.

Le stage se focalisera sur la mise en œuvre des capteurs, notamment le protocole de communicationet l'algorithme de communication évolué, en s’appuyant par exemple sur un framework de la littérature [2], comprenant notamment une gestion de la localisation (SLAM), gestion capteur et remontée de données sur un ordinateur distant pour effectuer une classification sur la nature du son et l’espèce animale. Du matériel expérimental permettra d’effectuer des essais sur site.

Objectifs
Le but du stage est de mettre en œuvre des capteurs sans-fil avec le protocole de communication « Thread » et de poser les bases d’une architecture algorithmique articulée autour du maintien d’une tâche selon le contexte, les données et l’optimisation souhaitée (performance, faible consommation, redondance, …).

1. Mise en œuvre du protocole « Thread » sur MCU ;
2. Obtenir une notion de position relative entre nœuds (Localisation Engine Controller - LCE) ;
3. Architecture et Algorithme de supervision du réseau et du contexte de mesure [3] ;
4. Capture audio sur cible embarquée avec ressources limitées (chaîne acquisition – détection d’évènements – stockage / envoi d’échantillons) [4] ;
5. Mise en œuvre d’un algorithme IA de classification [5] ;
6. IHM de de supervision et de présentation des résultats.

Références
[1] L. Brüggemann, B. Schütz, et N. Aschenbruck, « Ornithology meets the IoT: Automatic Bird Identification, Census, and Localization », in 2021 IEEE 7th World Forum on Internet of Things (WF-IoT), juin 2021, p. 765‑770. doi: 10.1109/WF-IoT51360.2021.9595401.

[2] M. Götzinger et al., « RoSA: A Framework for Modeling Self-Awareness in Cyber-Physical Systems », IEEE Access, vol. 8, p. 141373‑141394, 2020, doi: 10.1109/ACCESS.2020.3012824.

[3] L. Esterle et al., « Self-awareness in Cyber-Physical Systems: Recent Developments and Open Challenges », in 2023 Design, Automation & Test in Europe Conference & Exhibition (DATE), avr. 2023, p. 1‑6. doi: 10.23919/DATE56975.2023.10137197.

[4] A. P. Hill, P. Prince, E. Piña Covarrubias, C. P. Doncaster, J. L. Snaddon, et A. Rogers, « AudioMoth: Evaluation of a smart open acoustic device for monitoring biodiversity and the environment », Methods in Ecology and Evolution, vol. 9, no 5, p. 1199‑1211, 2018, doi: 10.1111/2041-210X.12955.

[5] D. Stowell, « Computational bioacoustics with deep learning: a review and roadmap », PeerJ, vol. 10, p. e13152, mars 2022, doi: 10.7717/peerj.13152.