Hybrid Multi- Expert Deep Learning Framework for Operational SAR Maritime Surveillance and Dark Vessel Identification

Imaginez l'océan comme une immense et trépidante autoroute où les navires sont les voitures. Depuis des décennies, nous suivons ces voitures grâce à un système appelé AIS, qui est comme une plaque d'immatriculation numérique diffusant un message pour dire : « Je suis ici ! ». Mais tout comme un conducteur pourrait éteindre ses phares pour passer discrètement un péage, certains navires éteignent leur signal AIS pour se cacher. On les appelle des « navires sombres » (dark vessels), et ils peuvent être utilisés pour la contrebande, la pêche illégale ou d'autres activités louches. Pour les attraper, nous avons besoin d'yeux capables de voir à travers le brouillard, la pluie et la nuit noire. Entrez en scène le Radar à Synthèse d'Ouverture (SAR). Considérez le SAR comme une lampe torche surpuissante qui n'utilise pas la lumière, mais des faisceaux de micro-ondes invisibles. Il peut rebondir sur les navires et créer une image même en pleine tempête ou lorsque la lune est cachée. Cependant, l'observation de ces images radar est délicate. Elles sont souvent granuleuses, pleines de parasites (comme une vieille télévision) et confuses, surtout près des ports encombrés où les navires sont entassés comme des sardines. Les scientifiques ont tenté d'utiliser des ordinateurs pour trouver ces navires, mais la plupart des programmes informatiques sont des généralistes : ils sont corrects pour repérer un navire en haute mer, mais ils s'embrouillent dans un port très fréquenté ou près d'une côte rocheuse.

C'est ici qu'une nouvelle étude menée par des chercheurs de l'Université Amity intervient. Ils proposent un « Cadre d'Apprentissage Profond Multi-Experts Hybride », ce qui est une façon sophistiquée de dire qu'ils ont construit une équipe de détectives informatiques spécialisés plutôt que de compter sur un seul détective. Imaginez un poste de police où l'on n'envoie pas tous les détectives sur chaque scène de crime. Au lieu de cela, vous avez un répartiteur intelligent qui examine d'abord la scène. Si c'est un océan calme et ouvert, le répartiteur envoie l'« Expert A », un détective rapide et efficace. Si c'est une côte agitée, il envoie l'« Expert B », qui est un peu plus prudent. Si c'est un port extrêmement encombré avec des navires qui se chevauchent, il envoie l'« Expert C », le plus avancé, doté d'outils spéciaux pour démêler le désordre. Les chercheurs ont testé cette équipe en utilisant des images satellites réelles et ont découvert que ce système de « répartiteur intelligent » fonctionne incroyablement bien. Ils ont montré qu'en faisant correspondre ce que le radar voit avec les « plaques d'immatriculation numériques » (AIS) que les navires diffusent réellement, ils peuvent repérer ceux qui tentent de rester invisibles. Lors d'un test dans le détroit de Singapour, le système a trouvé plus de 1 000 navires et en a identifié 96 comme étant des « navires sombres » qui essayaient de rester invisibles.

Le problème avec le détective « taille unique »

Pendant longtemps, les scientifiques ont essayé d'utiliser un seul programme informatique pour trouver des navires dans les images radar. C'est un peu comme essayer d'utiliser une seule paire de lunettes pour lire un livre, conduire une voiture et regarder les étoiles à la fois. Cela peut fonctionner assez bien pour une chose, mais ce n'est pas idéal pour les autres. En haute mer, les navires sont éloignés les uns des autres, donc un détecteur simple et rapide suffit. Mais près de la côte, l'eau est agitée et le radar est perturbé par les vagues. Dans un port dense, les navires sont si proches qu'ils ressemblent à un seul énorme bloc. Les méthodes traditionnelles, comme la technique du « Taux de Fausses Alarmes Constant » (CFAR), sont souvent submergées par ce bruit de fond, déclenchant l'alarme pour chaque vague et manquant les véritables navires.

Les chercheurs soutiennent que nous avons besoin d'un système qui s'adapte à l'environnement. Ils suggèrent qu'au lieu de forcer un seul modèle à tout faire, nous devrions laisser l'ordinateur décider quel « expert » utiliser en fonction de ce qu'il voit.

Le répartiteur intelligent : l'orientation de la scène

La première étape de ce nouveau cadre est la « Routage Intelligent de la Scène ». Considérez cela comme le répartiteur à la réception. Lorsqu'une nouvelle image radar arrive, le système ne commence pas immédiatement à chercher des navires. D'abord, il utilise une version modifiée d'un réseau neuronal appelé ResNet-50 pour examiner l'image et demander : « Où sommes-nous ? ».

Le système classifie la scène en trois types :

1. Offshore (Hauturier) : La haute mer, où c'est relativement calme et dégagé.
2. Inshore (Littoral) : La côte, où l'eau est plus agitée et l'arrière-plan plus désordonné.
3. Port Dense : Un port encombré où les navires sont serrés les uns contre les autres.

Les chercheurs ont entraîné ce répartiteur pour qu'il soit très performant dans cette tâche. Lors de leurs tests, il a correctement identifié le type d'environnement dans 98,8 % des cas. Cela est crucial car cela garantit que le bon outil est utilisé pour la bonne tâche. Si le répartiteur envoie le mauvais expert, le système pourrait manquer un navire ou être confondu par une vague.

L'équipe de détectives spécialisés

Une fois que le répartiteur connaît l'emplacement, il transmet l'image à l'expert spécifique conçu pour cet environnement :

• Expert A (Offshore) : Pour la haute mer, le système utilise YOLOv8n. C'est un modèle léger et rapide. Comme la haute mer est moins encombrée, cet expert n'a pas besoin d'être trop complexe ; il doit simplement être rapide et précis. Les chercheurs ont constaté que cet expert a atteint une précision de détection (appelée mAP ou précision moyenne moyenne) de 97 %.
• Expert B (Inshore) : Pour la côte, le système passe à YOLOv8s, qui est légèrement plus grand et plus prudent. Il utilise également une astuce spéciale appelée « filtrage adaptatif basé sur le CFAR ». Imaginez cela comme un détective qui ajuste sa sensibilité en fonction du niveau de bruit. Si les vagues sont fortes, le détective sait ignorer les petites ondulations pour se concentrer sur les formes importantes. Cet expert a atteint un mAP d'environ 86 %.
• Expert C (Port Dense) : C'est le poids lourd. Dans les ports encombrés, les navires se chevauchent, ce qui les rend difficiles à séparer. Cet expert utilise une combinaison de SwinIR (un outil qui nettoie l'image radar granuleuse pour la rendre plus nette) et de Mask R-CNN (un modèle capable de tracer un contour précis autour de chaque navire individuel, même s'ils se touchent). Cet expert était si performant pour trouver les navires qui se chevauchent qu'il a atteint un « rappel » (recall) proche de 1,0, ce qui signifie qu'il a trouvé presque tous les navires présents, en manquant très peu.

Attraper les cachotiers : la fusion AIS

Trouver les navires n'est que la moitié de la bataille. Le véritable objectif est de trouver les navires sombres — ceux qui se cachent. Pour ce faire, le système utilise une astuce ingénieuse appelée « Fusion de Données AIS ».

Chaque navire qui respecte les règles diffuse sa position via l'AIS. Le système prend la liste des navires qu'il a trouvés avec le radar et la compare à la liste des navires diffusant leur position. Il utilise une formule mathématique (la distance de Haversine) pour voir si un navire radar est assez proche d'un navire AIS pour être le même. Ils ont établi une règle : si un navire radar se trouve à moins de 500 mètres d'un navire AIS, il s'agit d'une correspondance.

Si le radar voit un navire, mais qu'il n'y a aucun signal AIS à proximité, le système le signale comme un Navire Sombre. C'est comme voir une voiture circuler sans phares ; vous savez qu'elle est là, mais elle ne vous dit pas qui elle est.

Suivre les navires mystérieux

Une fois qu'un navire sombre est repéré, le système ne se contente pas de prendre une photo ; il commence à le suivre. Il utilise un Filtre de Kalman, qui est une méthode mathématique pour prédire où quelqueভাবে se trouvera un objet en se basant sur son parcours passé. Considérez cela comme une partie de « patate chaude » où le système prédit la trajectoire du navire. Si un navire change soudainement de direction ou s'arrête de manière inhabituelle, le système peut détecter cette anomalie. Cela aide les autorités à comprendre non seulement où se trouve le navire, mais aussi ce qu'il est en train de faire.

Les résultats : la mise à l'épreuve

Les chercheurs n'ont pas seulement construit cela dans une simulation informatique ; ils l'ont testé avec des données réelles. Ils ont utilisé des images du satellite Sentinel-1 et des données du détroit de Singapour, l'une des voies maritimes les plus fréquentées au monde.

Voici ce qu'ils ont trouvé :

• Le système a analysé 1 038 détections de navires.
• Il en a identifiés 96 comme étant des navires sombres.
• Cela a donné un Taux de Détection de Navires Sombres (DVDR) de 9,24 %.

Cela signifie que, dans ce test spécifique, environ un navire sur dix détecté par le radar ne diffusait pas sa position. Les chercheurs notent que cela concorde avec des études antérieures, suggérant qu'une partie importante du trafic maritime opère dans l'ombre.

Pourquoi est-ce important ?

Le point principal de ce document est qu'une approche « taille unique » pour trouver des navires n'est pas suffisante. En créant un système qui agit comme une équipe de spécialistes — chacun possédant ses propres super-pouvoirs pour différents environnements — les chercheurs ont construit un moyen plus robuste et plus précis de surveiller les mers.

L'étude suggère que ce cadre hybride est une étape solide vers une surveillance maritime opérationnelle. Elle dépasse les simples simulations et montre qu'elle peut fonctionner avec des données satellites réelles et des informations de trafic en direct. Bien que le système ne soit pas parfait (aucun système ne l'est), il offre une voie prometteuse pour attraper les « navires sombres » qui tentent de passer entre les mailles du filet, aidant ainsi à rendre les routes commerciales mondiales plus sûres et plus sécurisées. Les chercheurs prévoient de continuer à améliorer le système, peut-être en combinant le radar avec d'autres types de capteurs à l'avenir, mais pour l'instant, ils ont démontré qu'une équipe intelligente et multi-experte est la meilleure façon de résoudre l'énigme des navires cachés.