Clause de non-responsabilité
Avant toutes choses, la clause habituelle:
Ce site n'engage pas la responsabilité de son développeur.
Chaque pilote doit bien entendu vérifier que son niveau est adapté aux conditions du jour et au site. Il reste seul responsable de sa décision de se mettre en l'air.
La genèse du projet:
Hello les parapentistes! Je suis Thomas, ingénieur en informatique, passionné de parapente 🪂 et amoureux de la région du lac d'Annecy ⛰️.
Ayant découvert la webcam du Chalet La Pricaz en Mars 2021 un jour ou de nombreux parapentes volaient, je me suis dit que ce serait génial si on pouvait détecter automatiquement quand des parapentes apparaissent sur les images de la webcam.
Étant intrigué par le sujet de la reconnaissance d'objets dans une image avec du "Machine Learning", j'ai tout de suite vu l'opportunité que les images de cette webcam représentaient pour creuser le sujet.
Le début de ce projet a d'abord consisté à trouver la meilleure technologie pour la reconnaissance d'objet dans une image. Étant équipé d'un mac mini et ayant vu qu'Apple fournit des outils pour la création de modèle de machine learning, j'ai fait quelques premiers essais qui se sont révélés assez vite concluants.
L'apprentissage du modèle:
Afin de créer un modèle performant, il faut avoir un data set (un groupe de données exemple) de bonne qualité. Le data set est constitué d'images et d'un fichier texte (JSON) qui décrit où se trouve les objets à détecter (ici, les parapentes) dans ces images test, ou plus exactement, qui donnent les coordonnées de rectangles dans les images qui encadrent les parapentes de l'image. Je ne vais pas ici m'étaler sur le sujet mais il m'a fallu une dizaine d'itérations afin d'arriver au résultat actuel, chaque itération ayant plus d'images de référence que la précédente. La difficulté étant de trouver un maximum de parapentes sur les images là il y en a vraiment tout en ne détectant pas les oiseaux, les flocons de neige, etc. (les faux positifs). Le modèle actuel génère encore des faux positifs (surtout les oiseaux, nuages, montgolfières et branches d'arbre), mais vu la taille des objets à détecter, j'estime qu'il sera difficile de faire beaucoup mieux (ou alors au prix de manquer beaucoup plus de parapentes).
L'exploitation du modèle sur un grand nombre d'images :
En tout, le modèle a été utilisé pour analyser 1927623 images et 765362 parapentes ont été trouvés dans 361473 images Les images ont été prises depuis Mai 2019 au rythme de une toutes les minutes entre 7h et 22h chaque jour depuis 2722 jours (durant la plage horaire 7h-22h. A priori, pas de parapentes en dehors de ces heures là). Heureusement, une fois le modèle créé, l'application du modèle sur les images ne prend pas beaucoup de resources. Mon petit ordinateur suffit largement pour traiter sans broncher chaque nouvelle image.Les stats et classements :
Les statistiques utilisant les données des jours et mois passés sont vraiment intéressantes. Évidemment elles confirment que les mois de juillet et août sont les plus fréquentés. Intéressant aussi de voir que septembre est presque à la hauteur d'août et beaucoup plus actif que juin.On peut également voir que le site de Montmin est un site exceptionnel en terme de "volabilité". Le nombre de jour par an ou l'on observe aucun parapente est vraiment faible (~80 jours par an à peu près). Cela montre également la popularité du site: dès que ça vole, il y a des parapentes en l'air!
Les points d'amélioration possible:
Dans les statistiques et classements il y a encore plein de graphes intéressants à tirer des données...Idées de statistiques et autres fonctionnalités à rajouter:
- Nombre de jours dans chaques mois ayant plus de 100 PG détectés sur la journée- Série de photos avec horaires du couché de soleil
- Time lapse par jour
- Classement des photos avec le plus de likes
N'hésitez pas à me laisser un message si vous avez des idées pour d'autres fonctionnalités...
Pour soutenir le projet
Vous pouvez soutenir le projet en apportant une contribution sur ma page Tipeee! Merci!!Vous pourrez ainsi recevoir les emails d'alerte lorsque la journée est fumante! (C'est à dire lorsqu'il y a plus de 50 parapentes détectés sur les 15 denières minutes)