Cartographie et suivi de l'état de surface et de la colonisation biologique des parties immergées des éoliennes offshore par imagerie acoustique // Mapping and monitoring of the surface condition and biological colonization of submerged parts of offshore

Les éoliennes offshore connaissent actuellement un essor dans le cadre de la transition vers des énergies durables et renouvelables. L'inspection et la maintenance de ces plateformes par des systèmes robotiques autonomes constitue un défi scientifique et technologique. L'équipe RSM (Robotique Sous-Marine) du LIRMM développe des outils et méthodes pour la robotique sous-marine autonome, appliqués notamment à l'éolien en mer.
L'inspection de ces infrastructures a notamment pour but de détecter des défauts nécessitant des opérations de maintenance ou d'évaluer l'état de surface des parties immergées des éoliennes, en particulier leur colonisation biologique, notamment dans le contexte d'études sur la biodiversité marine et le potentiel «effet récif».
Ce projet porte sur les méthodes d'inspection, de cartographie et de caractérisation de l'état de surface. On s'intéressera pour ce faire à la perception acoustique par imagerie sonar, qui présente l'intérêt d'être robuste aux conditions de turbidité de l'eau et présente un champ de vision plus large que celui des caméras vidéo, ainsi qu'une portée très supérieure. La perception tridimensionnelle par imagerie sonar est rendue complexe par l'indétermination intrinsèque de l'élévation des points observés par rapport à l'axe du sonar. De plus, ces images monochromes sont affectées par un niveau de bruit élevé et une résolution relativement basse. Ces spécificités sont traitées dans la littérature scientifique au travers de plusieurs catégories de méthodes, dont certaines utilisent les propriétés physiques qui lient les images acoustiques mesurées à la géométrie, ainsi qu'aux matériaux des objets observés. Dans le cas d'objets manufacturés, ces propriétés sont connues, aux détériorations près, et peuvent donc être exploitées pour l'analyse des images acquises par le sonar.
Le projet présente deux verrous scientifiques principaux :
1. la détection, l'identification (espèce) et la caractérisation (surface, volume) de la colonisation biologique ou des détérioration des parties immergées d'une éolienne à partir d'images sonar acquises par un robot sous-marin,
2. la cartographie de ces observations sur la structure de l'éolienne afin de permettre un suivi pluriannuel.

Plusieurs travaux de la littérature s'intéressent à détection acoustique (sonar) d'altérations de surface sur des infrastructures immergées : en général, des fissures. De manière plus générale, la détection d'objets dans des images sonar est étudiée dans différents travaux qui utilisent des techniques de traitement d'image et/ou d'apprentissage profond pour la segmentation et l'identification. Toutefois, la littérature ne semble pas faire état de travaux exploitant une connaissance a priori de la géométrie et des propriétés physiques de l'environnement des objets pour en faciliter la détection. Ces informations sont, en effet, rarement disponibles dans le cas général, mais pourraient être avantageusement exploitées dans notre contexte.
Après avoir développé des méthodes de caractérisation automatique de l'état de la surface observée (corrosion, colonisation par différentes espèces, nous développerons des solutions de localisation et de cartographie simultanées (SLAM) permettant de recaler ces données sur un modèle 3D de la structure inspectée. Les données de localisation devront être estimées en temps-réel pour permettre par ailleurs la navigation sûre du robot sous-marin autonome porteur du sonar.
Le SLAM sous-marin s'appuie généralement sur la fusion des données des capteurs du robot. Ici, les mesures sonar pourront être utilisées, de même que la connaissance a priori de la géométrie des parties immergées de l'éolienne. Par ailleurs, les éléments saillants (coquillages, soudures…) pourront être utilisés comme amers pour relocaliser le robot entre deux inspections ou pour recaler sa position lorsque des fermetures de boucles sont détectées au cours de l'inspection.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Offshore wind turbines are currently experiencing significant growth as part of the transition to sustainable and renewable energy sources. The inspection and maintenance of these platforms by autonomous robotic systems represent a scientific and technological challenge. The RSM (Underwater Robotics) team at LIRMM is developing tools and methods for autonomous underwater robotics, particularly applied to offshore wind energy.

The inspection of these infrastructures aims, in particular, to detect defects that require maintenance operations or to assess the surface condition of the submerged parts of the wind turbines, especially their biological colonization, within the context of studies on marine biodiversity and the potential 'reef effect.'

This project focuses on methods for inspection, mapping, and surface condition characterization. To achieve this, attention will be paid to acoustic perception using sonar imaging, which offers the advantage of being robust to water turbidity and provides a wider field of view than video cameras, as well as a much greater range. Three-dimensional perception through sonar imaging is made complex by the inherent ambiguity in the elevation of observed points relative to the sonar axis. Moreover, these monochromatic images are affected by high noise levels and relatively low resolution. These specificities are addressed in the scientific literature through several categories of methods, some of which utilize the physical properties linking the measured acoustic images to the geometry and materials of the observed objects. In the case of manufactured objects, these properties are known, aside from deterioration, and can therefore be exploited for the analysis of sonar-acquired images.

The project presents two main scientific challenges:

The detection, identification (species), and characterization (surface area, volume) of biological colonization or deterioration of the submerged parts of a wind turbine from sonar images acquired by an underwater robot.
The mapping of these observations onto the structure of the wind turbine to enable multi-year monitoring.
Several studies in the literature focus on the acoustic (sonar) detection of surface alterations on submerged infrastructures, typically cracks. More generally, object detection in sonar images has been studied in various works using image processing and/or deep learning techniques for segmentation and identification. However, the literature does not appear to report on studies leveraging prior knowledge of the geometry and physical properties of the environment or objects to facilitate detection. Such information is rarely available in general cases but could be advantageously used in our context.

After developing methods for the automatic characterization of the observed surface condition (corrosion, colonization by different species), we will develop simultaneous localization and mapping (SLAM) solutions to register this data onto a 3D model of the inspected structure. Localization data must be estimated in real-time to ensure the safe navigation of the sonar-equipped autonomous underwater robot.

Underwater SLAM generally relies on the fusion of the robot's sensor data. Here, sonar measurements can be used, as well as prior knowledge of the geometry of the submerged parts of the wind turbine. Additionally, prominent features (shells, welds, etc.) can be used as landmarks to relocate the robot between inspections or to adjust its position when loop closures are detected during the inspection.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Contrat doctoral

Concours pour un contrat doctoral

Université de Montpellier

166 I2S - Information, Structures, Systèmes

Le doctorant ou la doctorante devra avoir des connaissances en robotique, traitement du signal et des images, ainsi qu'en mécanique/hydrodynamique. Des connaissances en automatique, acoustique et calcul par intervalles seront appréciées, mais pas indispensables. Il/elle devra avoir un excellent niveau en anglais. En outre, il/elle devra maîtriser des logiciels de calcul/simulation (exemple : Matlab ou Scilab) et de programmation (ROS, outils de développement en langage C++, bibliothèque OpenCV…). Une expérience en robotique sous-marine sera appréciée mais pas obligatoire.
he PhD candidate should have knowledge in robotics, signal and image processing, as well as mechanics/hydrodynamics. Knowledge in control systems, acoustics, and interval computation will be appreciated but is not mandatory. An excellent level of English is required. Additionally, the candidate must be proficient in computational/simulation software (e.g., Matlab or Scilab) and programming (ROS, C++ development tools, OpenCV library, etc.). Experience in underwater robotics will be appreciated but is not obligatory.