Spyfish Aotearoa, un projet de machine learning pour la reconnaissance d’espèces marines

L’environnement marin d’Aotearoa, non loin de la Nouvelle-Zélande, est l’un des plus riche du monde : il abrite près de 17 000 espèces, dont 264 espèces de poissons endémiques. “Te Papa Atawhai”, le département de la conservation marine essaie au mieux de gérer cette biodiversité dans cet écosystème si sensible et spécifique. C’est dans ce cadre que s’inscrit Spyfish Aotearoa, un projet auquel participe Wildlife.ai visant à créer une plateforme d’intelligence artificielle identifiant automatiquement les espèces de poisson.

Un programme de vidéosurveillance sous-marine soutenu par une intelligence artificielle

Les technologies basées sur l’intelligence artificielle peuvent arriver en soutien de nombreux projets, notamment en ce qui concerne la protection de l’environnement et de la biodiversité. La plateforme d’IA Spyfish Aoteaero est venue enrichir un programme de vidéosurveillance sous-marine mis en place pour favoriser la protection de l’environnement et de la biodiversité au sein des réserves marines néo-zélandaises.

Le programme de vidéosurveillance “Baited Underwater Video” (BUV) rentre dans le cadre des objectifs de recherche du département de la conversation marine de Nouvelle-Zélande. Il permet d’évaluer la composition de l’habitat des espèces, d’analyser la qualité de l’eau et de prendre en compte les paramètres liés au changement climatique. BUV a aussi pour but d’étudier la démographie et les caractéristiques des espèces clés de la zone.

Cette méthode d’enquête sous-marine simple et polyvalente est utilisée pour estimer l’abondance des poissons carnivores et charognards sur la zone d’Aotearoa par rapport à d’autres réserves marines. Le programme implique une configuration particulière : lorsqu’un bateau se trouve dans la zone qu’il souhaite analyser, il utilise un cadre métallique triangulaire possédant une caméra non loin d’une boîte à appâts pour attirer les poissons. Des flotteurs maintiennent ce cadre droit et une corde attachée à une bouée permet de récupérer le cadre et la caméra après que la zone spécifique soit filmée pendant trois minutes. L’expérience est réitérée à plusieurs reprises afin de quadriller l’espace maritime.

Spyfish Aotearo : l’intelligence artificielle pour la surveillance marine

Une fois que les données sont collectées, il faudrait en théorie plusieurs jours pour trier et analyser les images. Sauf si l’on utilise des modèles de machine learning. En effet, dans le cadre du projet Spyfish Aotearoa, “Te Papa Atawhai” s’est associé avec Wildlife.ai et plusieurs organismes de recherches partout dans le monde.

Plusieurs modèles de machine learning ont tout d’abord été formés pour filtrer les vidéos où aucune espèce n’apparait, ce qui occasionnera un gain de temps énorme dans l’analyse de données concrètes. Par la suite, ils ont été entrainés dans le but de faire la distinction entre un poisson en mouvement et des algues emportées par le courant, sans intérêt pour l’analyse de données. Des motifs et des formes régulières d’espèces sont utilisés afin que les systèmes puissent reconnaitre précisément une espèce.

L’IA est exploitée en la combinant avec l’activité humaine dans l’optique de gagner beaucoup plus de temps et d’exploiter des ressources de qualité. En parallèle, Wildlife.ai a travaillé avec l’observatoire des fonds marins de Koster sur un autre algorithme qui permet de reconnaitre des coraux d’eau froide dans le cadre de recherches océanographiques sur cette espèce. Cet algorithme pourra également être utilisé par le projet Spyfish Aotearoa en l’appliquant aux poissons et autres créatures vivant dans la réserve marine d’Aotearoa ou dans d’autres réserves marines néo-zélandaises.