Système de recherche et de sauvetage utilisant un véhicule aérien sans pilote à voilure fixe

Les opérations conventionnelles de recherche et de sauvetage après des catastrophes majeures se heurtent à de nombreux problèmes. Une équipe de Malaisie écrivant dans le Journal international des systèmes autonomes des véhiculespropose désormais une solution pratique qui implique un système de détection humaine en temps réel utilisant un véhicule aérien sans pilote (UAV) à voilure fixe.

Cheok Jun Hong et Vimal Rau Aparow de l’Université de Nottingham en Malaisie, à Selangor, et Hishamuddin Jamaluddin du Southern University College à Skudai, Johor, Malaisie, ont associé la technologie des drones à des outils à petite échelle facilement disponibles tels que l’ordinateur Raspberry Pi. Cela leur permet non seulement de mieux gérer les fonctions du système qu’avec la technologie conventionnelle, mais également de diffuser des images aériennes à partir d’une caméra connectée.

Ce qui rend cette nouvelle approche particulièrement attrayante est la possibilité de décharger les tâches de détection humaine à forte intensité de calcul vers un serveur en périphérie, grâce à la technologie de réseau cellulaire 4G. L’équipe explique que le serveur utilise le réseau neuronal profond YOLOv3, formé sur les ensembles de données VisDrone et SARD, et peut identifier avec précision les personnes à partir des images recueillies par la caméra du drone et transmettre les résultats au contrôle au sol. Avec une identification positive, une équipe de secours peut alors être envoyée à l’endroit exact où un sauvetage est nécessaire.

Le système rassemble des algorithmes d’apprentissage profond et l’informatique mobile et représente un changement par rapport aux approches conventionnelles de recherche et de sauvetage qui pourraient accélérer l’ensemble du processus lors d’un incident majeur. Il y a également des avantages à éviter que des avions pilotés ou des personnes couvrent de grandes distances dans des environnements dangereux.

L’équipe explique que leur réseau neuronal convolutionnel avec l’architecture YOLOv3 peut atteindre une précision moyenne (mAP) de près de 80 % pour identifier les personnes dans les images de la caméra du drone. En utilisant la boîte à outils TensorRT, les chercheurs peuvent optimiser davantage l’approche et accélérer l’inférence jusqu’à trois fois par rapport au réseau neuronal d’origine, mais sans perte de précision. Bien entendu, même si le système peut avoir une plus grande portée qu’un système radio, il repose sur la stabilité et l’existence du réseau 4G dans la zone de recherche et de sauvetage.

Les chercheurs ont initialement conçu le système pour des scénarios de recherche et de sauvetage humains, mais il pourrait être adapté à d’autres applications, telles que la sécurité publique et la prévention du crime. Il pourrait être réutilisé pour patrouiller un site vulnérable aux activités criminelles ou même être utilisé pour traquer les criminels.