Une nouvelle méthode pour identifier les animaux

Surveillance des lieux publics, identification des personnes, les systèmes de reconnaissance faciale sont de plus en plus utilisés. Pour étudier les animaux dans leur milieu naturel, développer cette technologie serait idéale. À l’heure actuelle, les animaux sont bien souvent capturés pour être marqués. Autre méthode pratiquée, les identifier de visu grâce à des caractéristique physiques (taille, couleur, motifs du pelage...). Ces méthodes sont chronophages, source d’erreurs, coûteuses et limitantes…. La taille de l’échantillon est forcément réduite, si tout repose sur une identification de visu ou sur un système de capturage, marquage. La recherche avance dans ce domaine, et c’est une bonne nouvelle pour les animaux qui vont pouvoir être observés, étudiés, sans pratique invasive. La reconnaissance faciale des animaux a été l’objet d’une étude chez Natural Solutions. Et pas n’importe quel animal ! L’hippocampe moucheté. Grâce à l’intelligence artificielle et au deep learning, ll a été possible d’automatiser la reconnaissance faciale des hippocampes sur la base de 14 000 clichés.

Une base de données de 14 000 images !

L’étude s’est portée sur une base de données existante de l’association peau bleue, association qui oeuvre sur le pourtour du bassin de Thau dans l’Hérault à l’étude, la préservation et la sensibilisation autour des hippocampes, notamment les hippocampes mouchetés. Depuis 2020, les plongeurs ont identifié 342 individus et ont récolté plus de 14 000 images ! Dans le cadre d’un stage de fin de master II en informatique et intelligence artificielle, Mathias Aloui accompagné des équipes de Natural Solutions et encadré scientifiquement par le Centre d’Écologie Fonctionnelle et Évolutive de Montpellier a mis en place un modèle pour permettre la reconnaissance faciale automatique des photos des hippocampes et faciliter le travail des scientifiques qui identifiaient cela manuellement ! Le modèle est bien entendu perfectible et une deuxième phase de recherche devrait rendre l’outil complètement stable. l’identification photographique individuelle des espèces basée sur l’intelligence artificielle est concluante.

Le deep learning au service de la biodiversité

Le deep learning a envahi tous les domaines et les sphères de la société. On connait ses applications dans le domaine de l’automobile avec l’arrivée de la conduite assistée ou encore dans le domaine de la santé pour automatiquement diagnostiquer un patient.

Le deep Learning a fait aussi que le modèle Alpha Go de Google a réussi à battre les meilleurs champion de Go en 2016.

Aujourd’hui le deep Learning est même capable de « créer » tout seul des tableaux de peintre.

Dans le domaine de la biodiversité, le développement de ces techniques permettraient de recenser des espèces à grande échelle, de gérer un grand volume de données et de permettre des analyses plus poussées car on ne raisonnerait plus à l’échelle de l’échantillon. En s’appuyant sur l’intelligence artificielle et le deep learning, le recensement d’une population donnée devient non invasif. Une avancée majeure dans le domaine ! La méthode « capture-marquage-recapture » ou « CMR1 » ,méthode statistique couramment utilisée en écologie pour estimer la taille d’une population animale, pourra être remplacée par d’autres méthodes, plus respectueuses des espèces . En s’appuyant sur l’intelligence artificielle et le deep learning, le recensement d’une population donnée devient non invasif. Une avancée majeure dans le domaine !

Pour aller plus loin :