2 juin 2022
Par Jonathan Woods
2 juin 2022
Les chercheurs de l’Institut Vector ont développé un nouveau cadre d’IA qui peut aider les biologistes à mieux cartographier, surveiller et gérer les moules envahissantes dans les lacs d’eau douce du Canada. Dans la première application de ce genre, Angus Galloway, doctorant en Vector, et Graham Taylor, directeur de la recherche par intérim chez Vector, ont utilisé la vision par ordinateur pour identifier automatiquement les moules zébrées et quaggas individuelles dans des images de fonds lacustres, fournissant « une solution efficace et précise pour cartographier les populations de moules à une échelle auparavant impossible », comme un article récemment publié On the Framework explique. « C’est un domaine où le ML a été sous-exploré », dit Galloway. « C’est un excellent choix pour la tâche dangereuse et écrasante d’explorer les fonds de lacs, les rivières et les océans côtiers, généralement réalisée par les plongeurs. »
Les moules envahissantes sont un problème majeur dans les lacs d’eau douce canadiens : elles perturbent les écosystèmes, facilitent la croissance des algues et obstruent des infrastructures vitales comme les apports d’eau potable. Des cartes précises et à jour de la densité des moules sont cruciales pour surveiller et gérer leurs effets. Cependant, les cartes actuelles reposent sur des données recueillies manuellement, un processus qui implique souvent du dragage par des plongeurs sous-marins ou une analyse d’images longue par des experts. Elles ne reflètent pas la variabilité des populations de moules à différents moments et à différents endroits, puisque l’analyse est limitée par le nombre de sites que les plongeurs peuvent visiter et d’images que les humains peuvent évaluer. « En faisant une cartographie très dense, nous pouvons savoir précisément où se trouve le problème et y déployer des ressources », explique Taylor. « Cela peut permettre des traitements très ciblés. »
Galloway et Taylor ont développé ce cadre après que des scientifiques d’Environnement et Changement climatique Canada ont contacté Vector pour obtenir des solutions d’IA potentielles afin d’analyser leur bibliothèque d’images du fond des lacs. À partir de 1 600 photos des lits des lacs du lac Érié et du lac Ontario prises entre 2016 et 2018, les chercheurs ont entraîné un modèle de vision par ordinateur pour identifier les moules individuelles et déterminer la couverture des moules (le pourcentage d’une superficie occupée par les moules), l’abondance des moules (le nombre de moules individuelles par unité de superficie) et la biomasse des moules (le poids sec des moules par unité de surface). « Maintenant que nous avons l’ensemble de données et qu’il est devenu open source, le travail des experts pour étiqueter ces images peut être repris par d’autres groupes qui les déploient dans d’autres plans d’eau, explique Taylor. » C’est une amplification de leurs efforts. »
Le cadre a atteint 85%, 79% et 71% d’accord avec l’analyse humaine experte sur la couverture, l’abondance et la biomasse des moules respectivement, et présente plusieurs avantages par rapport aux méthodes d’analyse manuelles actuelles, notamment :
« La méthode est déjà suffisamment bonne pour estimer la couverture de moules dans les régions typiques des Grands Lacs dans des conditions appropriées », explique Galloway. « L’étape suivante est de combler l’écart de précision avec les plongeurs physiques qui sont sous l’eau. »
Le cadre ouvre également la porte à d’autres applications environnementales. « Les avancées que nous pourrons réaliser en regardant les moules auront un impact sur les personnes travaillant sur d’autres enjeux d’écologie aquatique », affirme Taylor. Grâce à un ajustement fin, le modèle pourrait être ajusté pour détecter d’autres espèces d’intérêt, comme le goby rond envahissant, ou pour être appliqué dans d’autres environnements, comme la rivière Niagara ou l’océan côtier.
