Image of coral in the Great Barrier Reef

Utiliser la science citoyenne et l’intelligence artificielle pour aider à conserver la Grande Barrière de Corail

S’étendant sur 344 000 kilomètres carrés, la Grande Barrière de Corail en Australie est le plus grand système de récifs coralliens au monde et un important point chaud de la biodiversité marine. Mais la merveille naturelle que l’on peut voir depuis l’espace est en mauvaise santé. Désormais, les chercheurs cherchent à tirer parti du crowdsourcing de la science citoyenne et de l’intelligence artificielle pour aider à mieux planifier les efforts de conservation.

Selon une étude publiée en 2012, la La Grande Barrière de Corail a perdu plus de la moitié de ses coraux depuis 1985. En plus de cela, le changement climatique a provoqué plusieurs “événements de blanchiment” du récif, ou lorsque le corail perd les algues qui vivent dans ses tissus en raison de l’eau trop chaude. Lorsque les récifs coralliens blanchissent, ils ne sont pas encore morts. Ils peuvent encore récupérer si les conditions s’améliorent, mais on estime que cela peut prendre jusqu’à 12 ans.

Alors que des efforts de conservation sont en cours pour la Grande Barrière de Corail, il y a un autre problème. La taille du système récifal et les terres qu’il occupe font que ces efforts ne peuvent être concentrés que sur de petites sections. Selon Andy Ridley, PDG et fondateur de Citizens of Great Barrier Reef, qui mène le Great Reef Census, les chercheurs n’ont pu surveiller qu’environ 5 à 10 % des 3 000 récifs individuels du système dans le passé. Cela rend difficile la prise de décisions éclairées en matière de conservation.

Le Greater Reef Census aide à résoudre ce problème en utilisant des milliers d’images capturées par des bénévoles sur des bateaux de plongée, des bateaux d’excursion, des yachts, des bateaux de pêche et des remorqueurs pour rechercher des images de récifs. Il utilise ensuite ces images pour comprendre la santé des récifs et identifier où les efforts de conservation doivent être concentrés. Dans le cadre du projet, des chercheurs de l’Université du Queensland, Dell Technologies et d’autres organisations se sont associés pour tirer parti de l’intelligence artificielle et du crowdsourcing afin de mieux comprendre le récif. Deux recensements du Grand Recife ont déjà été effectués.

Lors du deuxième recensement, les chercheurs ont d’abord recueilli plus de 40 000 images de coraux dans la Grande Barrière de Corail auprès de milliers de volontaires. Le défi était donc de marquer et d’identifier les espèces de coraux dans les images pour voir lesquelles devaient être étudiées par les biologistes marins. Les volontaires ont ensuite marqué et identifié plusieurs espèces différentes de coraux, ce qui s’est avéré être un processus chronophage.

C’est là qu’est né le modèle d’apprentissage en profondeur développé par Dell Technologies. À l’aide de ces données fournies par les volontaires, Dell a formé un modèle d’apprentissage en profondeur pour analyser chaque pixel d’une image afin de classer l’infrastructure de la bobine et du corail.

“Le modèle d’apprentissage en profondeur identifie d’abord quelle partie de l’image contient du corail. Et puis, il est capable de les classer s’ils appartiennent à cinq espèces sélectionnées de coraux. Il est limité à cinq maintenant pour maintenir la précision. Ces données, combinées aux données de localisation des images, peuvent donner aux chercheurs un aperçu des types de coraux qui existent et où. Les chercheurs peuvent alors vérifier la santé du corail à partir d’images sélectionnées. Ils peuvent ensuite utiliser ces données pour prioriser le récif à conserver en premier », a déclaré Aruna Kolluru, chef de la technologie émergente chez Dell, à indianexpress.com via une interaction vidéo.

Cela signifie que le modèle d’apprentissage en profondeur peut assumer la tâche répétitive et fastidieuse d’identifier et de classer les coraux, libérant ainsi des volontaires pour des tâches qui nécessitent encore une intervention humaine. Ces images peuvent être analysées par des experts en biologie marine, si nécessaire, sur la base de cette identification et classification. Actuellement, le modèle prend une minute pour analyser une image.

Selon Kolluru de Dell, le modèle d’apprentissage en profondeur peut être amélioré non seulement pour analyser les images avec plus de précision, mais également pour identifier davantage d’espèces de coraux. Mais pour cela, il doit être entraîné sur un nombre beaucoup plus important d’images et de points de données.

« Par exemple, si vous souhaitez entraîner un modèle à identifier une voiture, vous devez l’entraîner sur de nombreux types d’images différents. Il peut s’agir d’images de différentes parties de la voiture, telles que les pneus ou les portes. Il aurait également besoin d’être formé sur des images de voitures sous différents angles et avec différentes conditions d’éclairage. Avec toutes ces données sur l’apparence d’une voiture dans différentes images, il comprendra mieux comment identifier une voiture », a expliqué Kolluru.

Au fur et à mesure que le modèle se développe, les chercheurs envisagent de l’utiliser pour protéger d’autres systèmes de récifs dans le monde. «Nous espérons étendre le recensement à l’échelle mondiale et tirer parti de l’atlas corallien Allen disponible dans le monde entier afin que chacun puisse développer des données sur les récifs les plus importants sur le plan écologique dans sa juridiction. Le modèle d’apprentissage en profondeur aidera à normaliser et à soutenir la capacité des citoyens à cartographier l’état des récifs dans le monde », a déclaré Peter Mumby, écologiste des récifs coralliens à l’Université du Queensland, à indianexpress.com par e-mail. Mumby fait partie de l’équipe Great Reef Census.

Ridley de Citizens of Great Barrier Reef a déclaré à indianexpress.com que le troisième recensement du grand récif commencera en octobre. Au fur et à mesure que les chercheurs développent des méthodes de recensement, ils s’assurent également que ces méthodes et technologies sont évolutives et peuvent être utilisées pour mener des enquêtes similaires avec d’autres systèmes de récifs dans le monde.

!function(f,b,e,v,n,t,s)
{if(f.fbq)return;n=f.fbq=function(){n.callMethod?
n.callMethod.apply(n,arguments):n.queue.push(arguments)};
if(!f._fbq)f._fbq=n;n.push=n;n.loaded=!0;n.version=’2.0′;
n.queue=[];t=b.createElement(e);t.async=!0;
t.src=v;s=b.getElementsByTagName(e)[0];
s.parentNode.insertBefore(t,s)}(window, document,’script’,
‘https://connect.facebook.net/en_US/fbevents.js’);
fbq(‘init’, ‘444470064056909’);
fbq(‘track’, ‘PageView’);

Leave a Comment

Your email address will not be published.