Une Approche de Conception d'Enregistreur Bioacoustique Efficient en Energie dans le Contexte de la Classification d'Événements Audio par Apprentissage Automatique

An Approach of Energy Efficient Bioaccoustic Logger Design in the Context of Machine-Learning Audio Events Classification

• Auteur / Autrice : Jonathan Miquel
• Direction : Laurent Latorre
• Type : Thèse de doctorat
• Discipline(s) : Systèmes Automatiques et Micro-Électroniques
• Date : Soutenance le 15/12/2023
• Etablissement(s) : Université de Montpellier (2022-....)
• Ecole(s) doctorale(s) : École doctorale Information, Structures, Systèmes (Montpellier ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique, de robotique et de micro-électronique (Montpellier ; 1992-....)
• Jury : Président / Présidente : Abdoulaye Gamatié
• Jury : Examinateurs / Examinatrices : Andrea Thiebault, Simon Chamaillé-Jammes
• Jury : Rapporteur / Rapporteuse : Fabien Mieyeville, Didier Donsez

Mots clés

Mots clés contrôlés

Apprentissage automatique

Systèmes embarqués (informatique)

Mots clés libres

Systèmes embarqués low-Power

Biologging

Apprentissage automatique

Classification d'évènements audio

Low-Power embedded systems

Biologging

Machine Learning

Audio Events Classification

Résumé

Au fur et à mesure que la prise de conscience générale de l'impact négatif de l'homme sur la faune augmente, la compréhension des réponses des animaux aux perturbations à court terme (par exemple, la perturbation de l'activité par les humains) ou aux changements à long terme (par exemple, la réduction de l'habitat, l'augmentation de la température) devient cruciale. Au cours des dernières décennies, les écologistes ont grandement bénéficié des avancées dans l'électronique miniaturisée : le biologging, c'est-à-dire le développement et le déploiement de dispositifs de suivi portés par les animaux, est devenue un outil clé, essentiel à de nombreuses études. De nombreux types de dispositifs de suivi portés par les animaux ont été développés, permettant de suivre la localisation d'un animal dans le temps à l'aide du GPS, de surveiller son activité à l'aide d'un accéléromètre, ou d'enregistrer des informations sur son environnement par le biais de la collecte de sons ou de vidéos. Le biologging est un domaine de recherche très actif, avec de nouvelles solutions apparaissant régulièrement, chacune apportant de nouvelles améliorations en termes de taille, d'autonomie ou de coût. Cette thèse s'inscrit dans le cadre du projet REPOS. Elle vise à étudier l'impact de l'activité humaine sur les cycles de sommeil des animaux et donc les berturbations comportementales qui en résulte. Pour ce faire, elle nécessite l'utilisation de dispositifs de suivi portés directement par les animaux.Cependant, les dispositifs de suivi portés par les animaux sont limités en termes de taille et de poids acceptables maximums, la batterie représentant généralement une part significative, voire majeure, de ces deux limitations. Réduire la taille de la batterie réduit évidemment la durée de l'acquisition des données, pouvant aller jusqu'à rendre la collecte de données inutile compte tenu des effortslogistiques et financiers nécessaires pour déployer les dispositifs de suivi, et du fait que la capture d'un animal biaise son comportement pendant un certain temps, réduisant ainsi encore davantage la fenêtre temporelle réellement significative pour la collecte de données.Pour résoudre ce problème, nous nous concentrons d'abord sur le développement de nouveaux dispositifs de suivi portés par les animaux. Nous utiliserons l'Audiologger comme cas d'étude pour établir une méthodologie visant à concevoir des dispositifs de suivi biologiques économes en énergie. Étant donné que les campagnes d'observation impliquent plusieurs dispositifs de suivi,la quantité de données à analyser est conséquente et nécessite donc une forme d'automatisation du traitement pour aider les biologistes à en déduire le comportement animal. La littérature revèle un intérêt croissant pour les approches d'intelligence artificielle dans les études autour des problèmes d'écologie et de conservation animales qui démontrent plusieurs cas d'études réussis. En s'appuyant sur ces dernières, nous examinerons plusieurs approches de classification audio. De plus, nous démontrerons qu'il existe une relation très complexe entre les phases d'acquisition de données et de traitement des données. Nous montrerons que l'étape de traitement des données peut être incorporée dans la phase d'acquisition des données pour améliorer l'autonomie du dispositif de suivi.

As awareness of the negative impact of humans on wildlife grows, understanding how animals respond to short-term disturbances (e.g., human-induced disruptions) or long-term changes (e.g., habitat reduction, temperature increase) becomes crucial. Over the past few decades, ecologists have greatly benefited from advances in miniaturized electronics: biologging, i.e., the development and deployment of animal-borne tracking devices, has become a key tool essential to numerous studies. Various types of animal-borne tracking devices have been developed, enabling the tracking of an animal's location over time using GPS, monitoring its activity with accelerometers, or recording environmental information through sound or video collection. Biologging is a highly active research field, with new solutions regularly emerging, each bringing new improvements in terms of size, autonomy, or cost. This thesis is part of the REPOS project and aims to study the impact of human activity on the sleep cycles of animals and the resulting behavioral disturbances. To achieve this, it requires the use of animal-borne tracking devices directly carried by the animals.However, animal-borne tracking devices are limited in terms of acceptable size and maximum weight, with the battery typically representing a significant, if not major, portion of these limitations.Reducing the battery size obviously reduces the data acquisition duration, potentially rendering data collection pointless considering the logistical and financial efforts required to deploy tracking devices and the fact that capturing an animal biases its behavior for some time, further reducing the truly usefull temporal window of data collection.To address this problem, we first focus on the development of new energy-efficient animal-borne tracking devices. We will use the Audiologger as a case study to establish a methodology for designing energy-efficient biological tracking devices. Since observation campaigns involve multiple tracking devices, the amount of data to be analyzed is substantial and requires some form of data processing automation to assist biologists in inferring animal behavior. The literature reveals a growing interest in artificial intelligence approaches in studies related to animal ecology and conservation issues, while demonstrating several successful case studies at the same time. Using these works as a reference, we will explore various audio classification approaches. Furthermore, we will demonstrate that there is a highly complex relationship between data acquisition and data processing phases. We will show that the data processing step can be incorporated into the data acquisition phase to improve the autonomy of the tracking device.