Les véhicules aériens sans pilote (UAV) ont reçu une attention considérable ces dernières années dans de nombreux secteurs tels que l'armée, l'agriculture, la construction et la gestion des catastrophes. Ces machines polyvalentes offrent un accès à distance aux zones difficiles d'accès ou dangereuses et d'excellentes capacités de surveillance. Plus précisément, ils peuvent être extrêmement utiles pour rechercher des victimes dans les maisons effondrées et les décombres, à la suite de catastrophes naturelles comme les tremblements de terre. Cela peut conduire à une détection précoce des victimes, permettant une réponse rapide.
Les recherches existantes à cet égard se sont principalement concentrées sur les drones équipés de caméras qui s'appuient sur des images pour rechercher des victimes et évaluer la situation. Cependant, se fier uniquement à des informations visuelles peut s’avérer insuffisant, en particulier lorsque les victimes sont coincées sous les décombres ou dans des zones situées dans les angles morts des caméras. Conscientes de cette limitation, certaines études se sont concentrées sur l’utilisation du son pour détecter les individus piégés. Cependant, étant donné qu'un drone utilise pour voler des hélices à rotation rapide, qui sont elles-mêmes montées sur le drone, leur bruit peut étouffer les sons humains plus éloignés, ce qui pose un défi de taille. Il est donc nécessaire d'éliminer le bruit des hélices et d'isoler le bruit des victimes piégées pour une détection efficace.
Bien que certaines études aient tenté de résoudre ce problème en utilisant plusieurs microphones pour isoler la source du son des victimes des hélices ainsi qu'en reconnaissance vocale, le son traité peut rendre difficile pour l'opérateur de reconnaître avec précision les sons de la victime. De plus, ces logiciels utilisent des mots prédéterminés pour isoler les sons humains, tandis que le son émis par les victimes peut varier en fonction de la situation.
Pour résoudre ces problèmes, le professeur Chinthaka Premachandra et M. Yugo Kinasada du département de génie électronique de l'école d'ingénierie de l'institut de technologie de Shibaura, au Japon, ont développé un nouveau système de suppression du bruit basé sur l'intelligence artificielle (IA). Le professeur Premachandra explique : « Supprimer le bruit de l'hélice du drone du mélange sonore tout en améliorant l'audibilité des voix humaines présente un formidable problème de recherche. L'intensité variable du bruit du drone, fluctuant de manière imprévisible selon les différents mouvements de vol, complique le développement d'un filtre de traitement du signal capable de supprimer efficacement le bruit des drones du mélange. Notre système utilise l'IA pour reconnaître efficacement le bruit de l'hélice et résoudre ces problèmes. Les spécificités de leur système innovant ont été décrites dans une étude, mise en ligne le 1er décembre 2023 et publiée dans le volume 17, numéro 1 de la revue IEEE Transactions on Services Computing en janvier 2024.
Au cœur de ce nouveau système se trouve un modèle d’IA avancé, connu sous le nom de réseaux contradictoires génératifs (GAN), capable d’apprendre avec précision divers types de données. Il a été utilisé pour apprendre les différents types de données sonores des hélices d'UAV. Ce modèle appris est ensuite utilisé pour générer un son similaire à celui des hélices du drone, appelé son pseudo-UAV. Ce son pseudo-UAV est ensuite soustrait du son réel capturé par les microphones embarqués du drone, permettant à l'opérateur d'entendre clairement et donc de reconnaître les sons humains. Cette technique présente plusieurs avantages par rapport aux systèmes traditionnels de suppression du bruit, notamment la capacité de supprimer efficacement le bruit des drones dans une plage de fréquences étroite avec une bonne précision. Surtout, il peut s’adapter au bruit fluctuant du drone en temps réel. Ces avantages peuvent améliorer considérablement l’utilité des drones dans les missions de recherche et de sauvetage.
Les chercheurs ont testé le système sur un véritable drone avec un mélange de drones et de sons humains. Les tests ont révélé que même si ce système pouvait éliminer efficacement le bruit des drones et amplifier les sons humains, il restait encore du bruit dans l'audio résultant. Heureusement, les performances actuelles sont suffisantes pour proposer ce système de détection humaine sur les sites de catastrophes réelles. De plus, les chercheurs travaillent actuellement à améliorer davantage le système et à résoudre les quelques problèmes restants.
Dans l’ensemble, cette recherche révolutionnaire recèle un grand potentiel pour l’utilisation des drones dans la gestion des catastrophes. « Cette approche promet non seulement d'améliorer les stratégies de détection humaine après une catastrophe, mais renforce également notre capacité à amplifier les composants sonores nécessaires lorsqu'ils sont mélangés à des éléments inutiles », a déclaré le professeur Premachandra, soulignant l'importance de l'étude. « Nos efforts continus contribueront à améliorer encore l'efficacité des drones dans les interventions en cas de catastrophe et contribueront à sauver davantage de vies. »