Detect, track and identify fish : image processing to automate acoustic camera data analysis in shallow waters - TEL - Thèses en ligne
Thèse Année : 2023

Detect, track and identify fish : image processing to automate acoustic camera data analysis in shallow waters

Détection, suivi et identification des poissons : le traitement d'images pour automatiser l'analyse des données des caméras acoustiques en eaux peu profondes

Résumé

Acoustic cameras are increasingly used in fish population monitoring studies. Nonintrusive, they allow continuous fish monitoring without any manipulation of the fish while covering a range superior to optical devices due to their low dependence on environmental conditions. The development of an automatic method to detect, count and identify fish from acoustic images is a key issue to fully exploit the capabilities of acoustic cameras. Many features can be used to identify fish species, but many cannot be extracted from acoustic cameras due to the nature and resolution of the video they record. This makes the automatic analysis of acoustic videos a real challenge. The aim of thisPhD work is to develop an automatic method for identifying fish species or groups of species through the extraction of morphology, motion and swimming characteristics, based on image processing tools. This work allows the extraction of all the information available from the acoustic videos, which constitutes an important step for the development of automatic species identification methods. This work has also shown that the integration of environmental conditions and ecological knowledge is necessary to carry out this process. The development of a classification model integrating all of this information is the next step to be taken.
Les caméras acoustiques sont des outils de plus en plus utiliser pour les suivis piscicoles. Non-intrusives, elles permettent d’effectuer des suivis continus, sans aucune manipulation des poissons, avec une portée supérieure aux appareils optiques grâce à leur faible dépendance aux conditions environnementales. Le développement d'une méthode automatique afin de détecter, compter et identifier les poissons à partir des images acoustiques est un enjeu clé pour exploiter pleinement les capacités des caméras acoustiques. De nombreuses caractéristiques rendent possible l’identification des espèces de poissons, mais nombre d’entre elles ne peuvent être extraites des caméras acoustiques en raison de la nature et de la résolution des vidéos qu'elles enregistrent. Cela fait de l'analyse automatique des vidéos acoustiques un véritabledéfi. Ce travail de thèse vise ainsi à développer une méthode automatique d'identification des espèces de poissons ou des groupes d'espèces grâce à l'extraction des caractéristiques de morphologie, de mouvement et de mode de nage, en se basant sur des outils de traitements d’images. Ce travail permet d’extraire l’ensemble des informations disponibles à partir des vidéos acoustiques, constituant une avancé importante pour le développement d’une méthode automatique d’identification des espèces. Ce travail a également démontré que l’intégration des conditions environnementales et des connaissances écologiques est nécessaire pour mener à bien ce processus. La mise au point d’un modèle de classification intégrant l’ensemble de ces informations est la prochaine étape à réaliser.
Fichier principal
Vignette du fichier
fix_qrZd1eFr-lequinio.pdf (15.99 Mo) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-04639442 , version 1 (09-07-2024)

Identifiants

  • HAL Id : tel-04639442 , version 1

Citer

Azénor Le Quinio. Detect, track and identify fish : image processing to automate acoustic camera data analysis in shallow waters. Agricultural sciences. Agrocampus Ouest, 2023. English. ⟨NNT : 2023NSARD102⟩. ⟨tel-04639442⟩
57 Consultations
58 Téléchargements

Partager

More