Default title header
Secteur de la défense

Identifier les comportements anormaux des navires

Client :
Naval Group
Technologies utilisées :
Machine Learning
Deep Learning
Vision & Fusion capteurs

Acteur international du naval de défense et héritier du savoir-faire naval français, Naval Group est partenaire de ses clients dans la maîtrise de leur souveraineté maritime. 
Naval Group développe des solutions innovantes pour répondre aux besoins des marines. 
Présent sur la totalité du cycle de vie des navires, il conçoit, réalise, intègre et maintient en service des sous-marins et des bâtiments de surface, ainsi que leurs systèmes et leurs équipements, jusqu’au démantèlement. Il fournit également des services pour les chantiers et bases navales. Industriel de haute technologie, il s’appuie sur ses expertises exceptionnelles, ses moyens de conception et de production uniques et sa capacité à monter des partenariats stratégiques, notamment dans le cadre de transferts de technologie.
 Attentif aux enjeux de responsabilité sociétale de l’entreprise, Naval Group est adhérent au Pacte mondial des Nations unies. Implanté sur cinq continents, le groupe réalise un chiffre d’affaires de 4,257 milliards d’euros et compte 16 325 collaborateurs (équivalents temps plein / données au 31 décembre 2023).

Source : https://www.linkedin.com/company/naval-group/

Enjeux

  • Identifier les navires ayant des comportements anormaux à partir des données AIS* émises par les navires (position, vitesse, cap, type de navire, etc.)
  • Réduire le temps d’identification des comportements à surveiller par les marins, pour qu’ils puissent se concentrer sur des tâches à plus forte valeur ajoutée

Démarche

  • Recherche et mise en place d’une base AIS pour l’apprentissage et les tests
  • Implémentation de 7 algorithmes de Machine Learning (KDE, GMM, réseaux bayésiens, etc.) utilisant en entrée les données AIS
  • Intégration des algorithmes dans une API pour faciliter l’utilisation
  • Exemples de détections réalisées :
    • Détection des points d’intérêt, des points de passage et des routes maritimes
    • Classification de la route des navires par type de navire
    • Estimation de la position future des bateaux
    • Surveillance des ports

Résultat

  • Validation par le client de l’intérêt d’utiliser la base de données des AIS des navires pour identifier les comportements anormaux