En 2021, Deepomatic a été contacté par trois biologistes marins (1) travaillant pour Costa Humboldt, une association a but non-lucratif qui lutte pour la conservation des côtes chiliennes, leur diversité marine et culturelle. Ils étaient à la recherche d’une manière de mesurer la population d’otaries à fourrure des îles Juan Fernandez, pour proposer de nouveaux outils de gestion permettant d’assurer sa conservation dans le futur. Sans même réfléchir, Deepomatic a immédiatement proposé un accès gratuit à sa plateforme pour démontrer que la computer vision pouvait favoriser la conservation de la biodiversité.
Le contexte et les challenges de nos partenaires : automatiser le traitement des données
Contexte géographique et historique
Le programme prend place dans l’archipel Juan Fernandez. Situé à 670 km des côtes chiliennes, il est composé de trois îles volcaniques. L’écosystème des îles comme celles-ci sont d’une grande valeur scientifique, notamment parce qu’elles ont servi de refuges naturels à de nombreuses espèces à travers l’évolution. Pour cette raison, elles abritent encore aujourd’hui beaucoup d’espèces terrestres et marines endémiques.
Parmi toutes ces espèces, il y en a une qui a particulièrement retenu l’attention de l’association : le phoque à fourrure de Juan Fernandez. Il a été chassé sans distinction entre le XVIIIème et le XIXème siècles, amenant l’espèce au bord de l’extinction. Redécouverte en 1965, sa population n’a été enregistré que sporadiquement depuis. Le premier recensement en dénombrait 200 individus, et presque 35 ans plus tard, ils étaient au nombre de 40 000. Aucun recensement précis n’a été fait depuis mais les estimations suggèrent qu’il y a avait en 2019 entre 100 000 et 250 000 individus.
Tensions
Cette grande et grandissante population fait pression sur la population humaine de l’archipel : l’espace particulièrement limité sur l’île principale (Robinson Crusoe) inquiètent les locaux (approximativement 1000 habitants). D’autant plus que la pêche est l’activité la plus importante de l’île où six espèces de poissons (à peu près 120 tonnes/an) et deux types de crustacés sont capturés, incluant le fameux homard de Juan Fernandez qui représente un revenu d’un million de dollars pour les pêcheurs locaux. Aujourd’hui, on ignore si la population de phoques consomment les mêmes ressources que celles exploitées par les pêcheurs, ce qui pourrait mener à des conflits et augmenter le nombre d’interactions entre les phoques et les humains.
Missions
Pour assurer un équilibre long terme, la mission de Costa Humboldt consistait à réaliser un recensement du nombre de phoques à fourrure tout en reconnaissant le sexe et le statut des individus (femelle, male, juvénile, petit), des paramètres qui n’étaient pas pris en compte jusqu’ici dans les recensements précédents. Leur autre but consistait à évaluer les interactions perçues par la communauté. Enfin, leur travail consistait à proposer des outils de gestion et des stratégies pour la conservation des phoques à fourrure.
Challenges
Pendant des siècles, les biologistes marins ont appris de la nature à travers l’observation visuelle, se mettant graduellement à dessiner, peindre, puis photographier et filmer . Jusqu’à il y a peu, le recensement de la croissance de la population était contraint par le comptage manuel.
de nouvelles possibilités sont apparues grâce aux dispositifs de détection modernes tels que les drones et les satellites, qui sont capables de prendre des photos aériennes. Malheureusement, l’interprétation manuelle de ces photos prend beaucoup de temps et demeure subjective. De plus, les données s’accumulent rapidement et les chercheurs sont souvent confrontés à un goulot d’étranglement dans le traitement des données, dont le potentiel n’est pas pleinement exploité.
C’est exactement la situation dans laquelle se trouvaient les deux biologistes avant d’entrer en contact avec Deepomatic.
Les données environnementales collectées sur le terrain présentent un certain nombre de défis que la computer vision peut aider à résoudre. L’extraction et le traitement automatisés de l’information offrent la possibilité de pallier ce problème de longue date. Voici comment.
Le contexte et les challenges de Deepomatic
Comme souvent dans un projet de computer vision, la première étape consiste à comprendre les données que la plateforme examine et à déterminer la meilleure stratégie pour atteindre son objectif : en l’occurence, différencier et compter les otaries à fourrure sur les images.
Après avoir accordé l’accès à Deepomatic Studio à Renato et Victor, ils ont pu télécharger leurs photos, les annoter et ensemble, ils ont entraîné divers modèles de computer vision. Une fois qu’ils ont réussi à obtenir des modèles satisfaisants pour détecter et différencier les animaux, il ne leur restait plus qu’à exécuter leur modèle sur toutes les images et à additionner les détections pour obtenir le décompte final.
Dataset des phoques à fourrure sur Deepomatic studio
En essayant de construire un modèle performant, ils ont été confrontés à de nombreux défis :
- la diversité des photos (les photos provenaient de différents endroits, avec des arrière-plans différents, et étaient prises à différentes altitudes avec le drone. En cas de mauvais temps, les photos pouvaient également être très floues).
- des éléments de l’arrière-plan, tels que des rochers mouillés, peuvent ressembler à des phoques à fourrure.
- différencier les populations de phoques à fourrure (la différence entre juvénile et femelle n’est pas toujours claire, surtout sur les photos prises depuis un drone)
Ces défis ont exigé d’essayer différentes techniques dans un processus itératif, comme le fractionnement des ensembles de données pour rassembler des images similaires et construire des modèles adaptés, la création de nouveaux concepts pour reconnaître des éléments ressemblant à des phoques à fourrure mais qui ne devraient pas être comptés, ou la sélection de la prédiction ayant le score le plus élevé lorsque deux prédictions considéraient un même phoque comme étant à la fois femelle et juvénile.
« “Dès les premiers modèles créés à partir des données d’entraînement, nous savions déjà que cela allait être un succès, notamment pour le comptage des animaux dans les zones d’accès très limité comme Alejandro Selkirk, une île isolée située à 90 kilomètres à l’ouest de l’île principale qui abrite plus de 50% de la population. Très peu de choses ont été faites dans ce domaine de recherche et le soutien des solution architects nous a permis – semaine après semaine – de voir comment les modèles s’amélioraient. Cela nous a vraiment enthousiasmés. » Dr. Renato Borras »
**Construction d’un modèle de détection des phoques à fourrure avec Deepomatic Studio
Dans ce processus itératif, la possibilité de visualiser facilement les prédictions de l’IA directement sur la plateforme était d’une grande importance pour analyser les points faibles de leurs modèles, et annoter de nouvelles images pour les améliorer ou repenser leur stratégie.
Visualiser la détection de phoques à fourrure sur Deepomatic Studio
Enfin, leurs modèles de computer vision nous ont permis de réaliser le comptage d’environ la moitié de la population totale de phoques à fourrure. L’autre moitié a dû être comptée manuellement sur la plateforme en raison de données insuffisantes pour entraîner des modèles précis dans certains contextes spécifiques. Les algorithmes se sont avérés être très efficaces et être un outil puissant à condition qu’ils soient entraînés avec des données de qualité suffisante.
« « Je suis sûr que cet outil pourrait à terme nous aider à compter la plupart des agrégations. Les problèmes que nous avons rencontrés n’ont rien à voir avec l’outil lui-même mais avec la collecte adéquate des images. Nous devrions affiner nos techniques de collecte et le problème sera résolu. Cette première approche nous permet d’espérer que l’outil sera un grand succès pour le suivi efficace et précis à long terme de cette population, et par la même occasion, pour la conservation de cette espèce unique.”Dr. Renato Borras »
Exemple de comptage automatique des phoques à fourrure sur Superset
En conclusion, les avancées technologiques en matière de collecte, de traitement et de gestion des données font progresser chaque jour le domaine de la surveillance de la biodiversité. La capacité de la computer vision à traiter des ensembles de données vastes et complexes a conduit de nombreux chercheurs à explorer comment cette technologie peut être utilisée pour aider à surveiller leur problème. Offrir leur plateforme à ce programme était une excellente opportunité d’utiliser notre savoir-faire dans le cadre d’un projet scientifique à fort impact.
Si vous avez des questions sur le projet, n’hésitez pas à les contacter : lobofinojf@costahumboldt.org
(1) Dr. Renatos Borràs-Chàvez, Victor Castillo & Luciano Hiriart-Bertrand
Adrien Toulouse & Julie Trinckvel
