BIODIVERSITÉ · IA

Projet Karibou

Trier automatiquement les images des pièges photographiques pour ne garder que celles où un animal est présent.

Projet Karibou : détection d'animaux sauvages par intelligence artificielle

LES ENJEUX

Des centaines de milliers d’images, très peu d’animaux

Installés dans la toundra, les pièges photographiques se déclenchent en continu. Sur une saison, ils produisent des centaines de milliers d’images, dont l’immense majorité ne contient aucun animal. Les trier à la main demande des semaines de travail.

Le projet Karibou a deux objectifs :

  • éliminer automatiquement une grande partie des images sans présence d’animaux ;
  • conserver toutes les autres pour qu’un œil humain les examine.
Image de piège photographique dans la toundra, un animal repéré dans un cadre rouge
Un animal repéré dans le paysage : quelques pixels seulement.

NOTRE APPROCHE

On voit l’animal parce qu’il bouge

Sur ces grands paysages ouverts, un caribou ou une oie ne mesure souvent que quelques pixels : bien trop petit pour les systèmes de détection classiques. Le projet Karibou exploite donc le mouvement, en analysant chaque image avec la précédente et la suivante. Découvrez notre approche de l’IA appliquée à l’environnement.

Image précédente, image annotée, image suivante et composite couleur
Image précédente, image annotée, image suivante et composite couleur : le mouvement fait ressortir l’animal.

Fenêtre temporelle

Chaque image est comparée à ses voisines immédiates pour faire ressortir ce qui bouge.

Événements

Un train d’images consécutives forme un « événement », l’unité que le modèle conserve ou écarte.

Tri assisté

Le modèle ne remplace pas l’expert : il lui évite d’examiner les images vides.

LES DONNÉES

Onze cartes, sept sites, 318 événements

105 320

images collectées

7

sites de suivi

318

événements annotés

2 486

images annotées

Les événements annotés concernent surtout des oies (142), des oiseaux indéterminés (60) et des caribous (41), mais aussi d’autres mammifères, des mouettes et des passages humains ou de véhicules.

93 % des images annotées ont une voisine quasi identique dans la même rafale. Pour éviter une évaluation trop optimiste, le modèle n’est donc jamais validé sur un tirage aléatoire d’images, mais toujours sur un site entier mis de côté.

Exemple de détection d'un caribou avec la fenêtre temporelle
Exemple de caribou détecté : le composite temporel fait ressortir l’animal en mouvement.

LES DIFFICULTÉS

Des annotations imparfaites

  1. La position des annotations est décalée selon les caméras.
  2. Une annotation peut correspondre à un ou plusieurs animaux.
  3. Certaines images sont signalées avec un animal, mais sans coordonnées.

LA MESURE

Ne rater aucun animal

On mesure la proportion d’images vides écartées tout en conservant les événements annotés :

  • à 100 % : le modèle n’écarte aucun bon événement ;
  • à 99 % : on s’autorise à rater 1 % des bons événements.

Un projet de suivi de la faune ?

Parlons de vos besoins en détection et en analyse d’images.