245
edits
Changes
Jump to navigation
Jump to search
Line 15:
Line 15: + + + + + + + + + + + +
L’IA pour une gestion plus efficace des efforts en matière d’application de la législation sur les pêches (view source)
Revision as of 09:42, 4 January 2022
, 09:42, 4 January 2022no edit summary
== La solution ==
== La solution ==
[[File:Iuu ai fr.png|alt=Vue d’ensemble de haut niveau d’un système de surveillance des activités de pêche alimenté par l’IA|thumb|500x500px|'''<small>Vue d’ensemble de haut niveau d’un système de surveillance des activités de pêche alimenté par l’IA</small>''']]
Les données de suivi des navires, comme les données du système d’identification automatique (SIA) et du système de surveillance des navires (SSN), peuvent fournir des renseignements sur les déplacements des navires. Les algorithmes d’IA peuvent analyser les données relatives aux déplacements des navires pour révéler des schémas d’activités et de comportements de pêche. L’idée principale est que la vitesse et le cap du navire peuvent être des indicateurs utiles pour cerner les marqueurs comportementaux de la pêche. À terme, l’objectif consiste à créer un système de surveillance électronique maritime, alimenté par l’IA, pour soutenir la surveillance des activités de pêche et des activités des navires. Un tel système peut donner aux agents des pêches canadiens une vue d’ensemble de ce qui se passe sur l’eau et leur fournir les renseignements dont ils ont besoin pour gérer efficacement leurs efforts d’application de la loi. Le diagramme montre la vue d’ensemble de haut niveau d’un tel système.
Les données de suivi des navires, comme les données du système d’identification automatique (SIA) et du système de surveillance des navires (SSN), peuvent fournir des renseignements sur les déplacements des navires. Les algorithmes d’IA peuvent analyser les données relatives aux déplacements des navires pour révéler des schémas d’activités et de comportements de pêche. L’idée principale est que la vitesse et le cap du navire peuvent être des indicateurs utiles pour cerner les marqueurs comportementaux de la pêche. À terme, l’objectif consiste à créer un système de surveillance électronique maritime, alimenté par l’IA, pour soutenir la surveillance des activités de pêche et des activités des navires. Un tel système peut donner aux agents des pêches canadiens une vue d’ensemble de ce qui se passe sur l’eau et leur fournir les renseignements dont ils ont besoin pour gérer efficacement leurs efforts d’application de la loi. Le diagramme montre la vue d’ensemble de haut niveau d’un tel système.
Appuyée par le Fonds de résultats pour l’exercice 2020-2021, une validation de principe a été élaborée pour la détection automatisée de l’activité de pêche des navires à l’aide d’un modèle d’IA. Le modèle de prévision qui en découle prend en entrée les mouvements des navires et fournit en sortie les traces des navires accompagnées de l’activité, c’est-à-dire pêche ou non, comme présenté ci-après. Le modèle utilise des caractéristiques comme l’écart-type de la vitesse des navires, l’écart-type de la trajectoire et le type d’engin de pêche pour détecter l’activité des navires.
[[File:FishingDetectionModel2.png|center|thumb|820x820px|'''<small>Les résultats de l’application du modèle de prévision pour la détection du comportement de pêche. L’image de gauche montre la sortie du navire avant l’application du modèle. L’image de droite montre la sortie du navire accompagnée de l’activité de pêche. Les points verts indiquent les points de pêche.</small>''']]
Les renseignements obtenus à partir du modèle de prévision sont ensuite combinés à d’autres sources de données, comme les zones de gestion des pêches et les conditions de permis, afin de détecter les cas de non-respect des règlements de pêche. Un exemple d’une telle fonction est présenté ci-après.
[[File:Ex-non2.png|center|thumb|826x826px|<small>'''Image de gauche : exemple de conformité – sortie de pêche respectant la restriction de la zone de pêche.''' '''Image de droite : exemple de non-conformité – sortie de pêche en dehors de ses zones autorisées.'''</small>]]
La fonction de la validation de principe est encore complétée par l’élaboration d’un autre modèle de prévision pour trouver les zones sensibles spatiales des activités de pêche. Par exemple, une carte thermique des zones de pêche très actives pour toutes les pêches de la région du Québec est présentée ci-après.
[[File:Hotspot.png|center|thumb|541x541px|'''<small>Zones sensibles des activités de pêche</small>''']]
Au bout du compte, les renseignements obtenus à partir des deux modèles peuvent '''donner aux agents des pêches canadiens une vue d’ensemble de ce qui se passe sur l’eau, permettant ainsi une gestion plus efficace des efforts d’application de la loi.'''
== Références ==
