Projet CIAR : le deep learning pour détecter les feux de forêt depuis les satellites

La France a connu cette année des vagues de chaleur très importantes, dont une très précoce. Avec le changement climatique, ce phénomène risque de se reproduire chaque année, augmentant le risque d’incendies de forêt ce que l’on a malheureusement constaté cet été. L’IRT Saint Exupéry étudie des solutions technologiques basées sur l’IA et les réseaux de neurones artificiels pour détecter les feux de forêt au plus tôt depuis des satellites en orbite. Il a présenté les résultats de ces travaux dans l’article présenté lors de la CNIA 2022 : « Modèle et jeu de données pour la détection multi-spectrale de feux de forêt à bord de satellites » et a décidé de rendre le modèle accessible à la communauté scientifique pour renforcer la recherche sur ce sujet.

Ces travaux ont été réalisés dans le cadre du projet “Chaîne Image Autonome et Réactive” (CIAR) qui étudie les technologies permettant de déployer l’IA pour le traitement de l’image sur des systèmes embarqués (satellites, drones de livraison…). Il est mené à l’IRT Saint Exupéry en partenariat avec Thales Alenia Space, Activeeon, Avisto, ELSYS Design, MyDataModels, Geo4i, INRIA et le LEAT/CNRS.

A l’issue d’un appel à candidatures, le projet a été retenu pour réaliser des démonstrations en orbite dans le cadre de la mission OPS-SAT. Ce nano-satellite, lancé le 18 décembre 2019, ne mesure que 30 cm de haut, est doté d’un calculateur Intel Cyclone-V (“System On Chip” ou SoC), ainsi que d’une petite caméra au pas d’échantillonnage de 50 mètres. L’équipe CIAR a contribué au développement de solutions d’IA embarquées dans le satellite.

Le 22 Mars 2021, elle a réalisé deux premières spatiales :

La mise à jour à distance, depuis une station sol, d’un réseau de neurones artificiel embarqué sur un satellite.
L’utilisation d’un FPGA (« Field-Programmable Gate Array ») pour déployer et utiliser ce réseau de neurones en orbite.

Modèle et jeu de données pour la détection multi-spectrale de feux de forêt à bord de satellites

On estime que le nombre de feux de forêts pourrait augmenter de +50% d’ici à 2100. Houssem Farhat, Lionel Daniel, Michaël Benguigui et Adrien Girard se sont intéressés à la télédétection de ces feux à bord d’un satellite afin de lever des alertes précoces directement depuis l’espace.

Ils ont entraîné un réseau de neurones UNet-MobileNetV3 à segmenter un jeu de 90 images multispectrales de Sentinel-2, une série de satellites d’observation de la Terre de l’Agence spatiale européenne développée dans le cadre du programme Copernicus financé par l’UE. Ils ont annoté ces images semi-automatiquement puis les ont vérifiées manuellement.

Les images Sentinel-2 ont été téléchargées depuis l’API OGC WCS de Sentinel-Hub, et leur GSD (Ground Sampling Distance, en mètre par pixel) varie de 40 à 80m. Les images ont ensuite été découpées en patchs de 256x256px et distribuées au sein de trois datasets différents afin d’entraîner, valider et tester une IA atteignant une performance d’IoU de 94%.

Deux exemples de patchs (256×256 pixels). A gauche, dans la colonne RGB , les images apparaissent en couleurs naturelles. La colonne « False Color » représente la même scène que la colonne précédente mais les canaux Rouge-Vert-Bleu de l’écran affichent les bandes spectrales B12, B11 et B04 des satellites Sentinel-2. Les bandes B12 et B11 étant sensibles aux proche-infrarouges, les foyers apparaissent en orangé. Les masques de vérité terrain sont présentés dans la troisième colonne, indiquant où se situent précisément les feux actifs, en se basant sur une analyse partiellement manuelle. Les algorithmes d’ IA permettent de trouver ces mêmes endroits de façon complètement automatique, comme on peut le voir dans la colonne de droite qui montre les sorties d’un réseau de neurones entraîné par les chercheurs.

Le réseau a ensuite été déployé sur un GPU embarquable dans un satellite en orbite basse.

Version 2 (GSD constant égal à 20m) :

Une seconde version de jeu de données a été produite après la publication de l’article publié lors de la CNIA 2022. Les images Sentinel-2 ont été téléchargées depuis le service Copernicus, à la résolution maximale, et au niveau de traitement L1C. L’équipe recommande l’usage de cette deuxième version pour toute future recherche, étant donné que tous les patchs du dataset ont ici un GSD constant égal à 20m.

L’IRT a également décidé de publier l’ensemble des jeux de données :

Téléchargez les deux versions du jeu de données ici
Les résultats CNIA 2022 (basés sur S2WDS Version 1) sont reproductibles via le code disponible ici
Un code similiaire pour S2WSD Version 2 (postérieur au papier CNIA 2022) est disponible ici

Sources de l’article : Modèle et jeu de données pour la détection multi-spectrale de feux
de forêt à bord de satellites, Conférence Nationale en Intelligence
Artificielle 2022 (CNIA 2022), Jun 2022, Saint-Etienne, France. ffhal-03866412.

Auteurs :

H. Farhat, Institut de Recherche Technologique Saint-Exupéry, AViSTO
L. Daniel, Institut de Recherche Technologique Saint-Exupéry
M. Benguigui, Institut de Recherche Technologique Saint-Exupéry, Activeeon
A. Girard, Institut de Recherche Technologique Saint-Exupéry