Les lamantins sont des espèces menacées et volatiles pour l’environnement. En raison de leur appétit vorace, ils passent souvent jusqu’à huit heures par jour à brouter pour se nourrir dans les eaux peu profondes, ce qui les rend vulnérables aux changements environnementaux et à d’autres risques.
Compter avec précision les regroupements de lamantins dans une région est non seulement biologiquement significatif pour observer leurs habitudes, mais également crucial pour concevoir des règles de sécurité pour les plaisanciers et les plongeurs ainsi que pour planifier les soins infirmiers, les interventions et autres plans. Néanmoins, compter les lamantins est un défi.
Parce que les lamantins ont tendance à vivre en troupeaux, ils se bloquent souvent lorsqu’ils sont observés depuis la surface. En conséquence, les petits lamantins sont susceptibles d’être partiellement ou complètement cachés. De plus, les reflets de l’eau ont tendance à rendre les lamantins invisibles et ils peuvent également être confondus avec d’autres objets tels que des rochers et des branches.
Bien que les données de relevés aériens soient utilisées dans certaines régions pour compter les lamantins, cette méthode prend du temps et est coûteuse, et la précision dépend de facteurs tels que le biais des observateurs, les conditions météorologiques et l’heure de la journée. De plus, il est crucial de disposer d’une méthode peu coûteuse qui fournit un décompte en temps réel pour alerter précocement les écologistes des menaces afin de leur permettre d’agir de manière proactive pour protéger les lamantins.
L’intelligence artificielle est utilisée dans un large éventail de domaines, et maintenant, des chercheurs du Collège d’ingénierie et d’informatique de la Florida Atlantic University ont exploité ses pouvoirs pour aider à sauver le lamantin bien-aimé. Ils sont parmi les premiers à utiliser une approche de comptage de foule basée sur l’apprentissage profond pour compter automatiquement le nombre de lamantins dans une région désignée, en utilisant comme entrée les images capturées par les caméras de vidéosurveillance, facilement disponibles.
Cette étude pionnière, publiée Rapports scientifiquesrépond non seulement aux défis techniques du comptage dans des environnements extérieurs complexes, mais offre également des moyens potentiels d’aider les espèces menacées.
Pour déterminer les densités de lamantins et calculer leur nombre, les chercheurs ont utilisé des images génériques capturées à partir de vidéos de surveillance de la surface de l’eau. Ils ont ensuite utilisé un design unique correspondant à la forme des lamantins – le noyau gaussien anisotrope (AGK) – pour transformer les images en cartes de densité personnalisées des lamantins, représentant les formes corporelles uniques des lamantins.
Bien qu’il existe de nombreuses méthodes de comptage, la plupart des méthodes de comptage existantes sont appliquées aux foules pour compter le nombre de personnes, en raison de leur pertinence pour des applications importantes telles que l’urbanisme et la sécurité publique.
Pour réduire les coûts d’étiquetage, les chercheurs ont utilisé une annotation basée sur une étiquette avec une seule ligne droite pour marquer chaque lamantin. Le but de l’étude était d’apprendre à compter le nombre d’objets dans une scène et d’obtenir des étiquettes pour faciliter le comptage.
Les résultats de l’étude révèlent que la méthode développée par FAU a surpassé les autres références, y compris l’approche traditionnelle basée sur le noyau gaussien. Le passage de l’étiquetage point à ligne a également amélioré la précision du comptage des épis de blé, un rôle important dans l’estimation du rendement des cultures, suggérant des applications plus larges pour les objets de forme convexe dans divers contextes. Cette approche a fonctionné particulièrement bien lorsque l’image présentait une forte densité de lamantins sur un arrière-plan complexe.
En formatant le comptage des lamantins comme une tâche d’apprentissage approfondie de l’estimation de la densité du réseau neuronal, cette approche a équilibré les coûts d’étiquetage par rapport à l’efficacité du comptage. En conséquence, cette méthode offre une solution simple et à haut débit pour le comptage des lamantins qui nécessite très peu d’efforts d’étiquetage. Un impact direct est que les parcs nationaux peuvent tirer parti de cette méthode pour comprendre le nombre de lamantins dans différentes régions, en utilisant leurs caméras de vidéosurveillance existantes, en temps réel.
« Il existe de nombreuses façons d’utiliser des méthodes informatiques pour aider à sauver les espèces menacées, comme détecter la présence des espèces et les compter pour collecter des informations sur leur nombre et leur densité », a déclaré Xingquan (Hill) Zhu, Ph.D., auteur principal, membre de l’IEEE et professeur au Département de génie électrique et d’informatique de la FAU. « Notre méthode a pris en compte les distorsions causées par la perspective entre l’espace aquatique et le plan de l’image. Étant donné que la forme du lamantin est plus proche d’une ellipse que d’un cercle, nous avons utilisé AGK pour représenter au mieux le contour du lamantin et estimer sa densité dans la scène. Cela permet à la carte de densité d’être plus précise, en termes d’erreurs absolues moyennes et d’erreur quadratique moyenne, que d’autres alternatives pour estimer le nombre de lamantins.
Pour valider leur méthode et faciliter la poursuite des recherches dans ce domaine, les chercheurs ont développé un ensemble de données complet de comptage des lamantins, ainsi que leur code source, publiés via GitHub pour un accès public à l’adresse github.com/yeyimilk/deep-learning-for-manatee-counting.
« Les lamantins sont l’une des espèces sauvages affectées par les menaces d’origine humaine. Par conséquent, calculer leur nombre et leurs schémas de rassemblement en temps réel est essentiel pour comprendre la dynamique de leur population », a déclaré Stella Batalama, Ph.D., doyenne du FAU College of Ingénierie et informatique. « La méthodologie développée par le professeur Zhu et nos étudiants diplômés offre une trajectoire prometteuse pour des applications plus larges, en particulier pour les objets de forme convexe, afin d’améliorer les techniques de comptage susceptibles de prédire de meilleurs résultats écologiques issus des décisions de gestion. »
Les lamantins peuvent être trouvés du Brésil à la Floride et tout autour des îles des Caraïbes. Certaines espèces, dont le lamantin de Floride, sont considérées comme en voie de disparition par l’Union internationale pour la conservation de la nature.
Les co-auteurs de l’étude sont Zhiqiang Wang, étudiants diplômés de la FAU ; Yiran Pang ; et Cihan Ulus, également assistant d’enseignement, tous au sein du Département de génie électrique et d’informatique.
La recherche a été parrainée par la National Science Foundation des États-Unis.
