Dernière mise à jour le 4 avril 2024 par L'équipe Divernet
Un système d'intelligence artificielle développé à l'EPFL, l'université publique de recherche de Lausanne, en Suisse, serait capable de produire des cartes 3D détaillées des récifs coralliens, même à partir de séquences vidéo de plongeurs amateurs à l'éclairage douteux, en quelques minutes.
Les données requises pour le système DeepReefMap peuvent être collectées par toute personne équipée d'un équipement de plongée standard et d'une caméra disponible dans le commerce.
Tout ce qu’ils ont à faire est de nager lentement au-dessus d’un récif sur plusieurs centaines de mètres, en capturant des images vidéo de la vue en contrebas au fur et à mesure.
Les seules limites sont la durée de vie de la batterie de la caméra et la quantité d'air dans le réservoir du plongeur, explique l'EPFL, affirmant que ce développement marque « un grand pas en avant dans les capacités d'exploration et de conservation des fonds marins pour des organisations telles que le Transnational Red Sea Center (TRSC). )» – un organisme de recherche scientifique hébergé par l’EPFL depuis 2019.
Le TRSC a mené des études approfondies sur les espèces de coraux de la mer Rouge qui se sont révélées les plus résistantes au stress lié au climat, son initiative servant également de terrain d'essai pour le système DeepReefMap.
Des cartes en quelques instants
Développé au Laboratoire de science computationnelle de l'environnement et d'observation de la Terre (ECEO) au sein de l'École d'architecture, d'ingénierie civile et environnementale (ENAC) de l'EPFL, DeepReefMap aurait le pouvoir de produire plusieurs centaines de mètres de cartes de récifs 3D en quelques instants.
Non seulement cela, mais il peut également reconnaître les caractéristiques distinctives des coraux et les classer.
"Grâce à ce nouveau système, n'importe qui peut jouer un rôle dans la cartographie des récifs coralliens du monde", explique Samuel Gardaz, coordinateur des projets du TRSC. "Cela stimulera réellement la recherche dans ce domaine en réduisant la charge de travail, la quantité d'équipement et de logistique, ainsi que les coûts informatiques."
L'obtention de cartes 3D des récifs coralliens à l'aide de méthodes conventionnelles s'est avérée difficile et coûteuse dans le passé, explique l'EPFL.
Les reconstructions informatiques intensives s'appuient sur plusieurs centaines d'images d'une même portion de récif de taille très limitée (quelques dizaines de mètres) prises à partir de nombreux points de référence différents, et seuls des plongeurs spécialisés ont pu obtenir de telles images.
Ces facteurs ont considérablement limité la cartographie des récifs coralliens dans les régions du monde dépourvues de l'expertise technique nécessaire, et ont découragé la surveillance de récifs étendus couvrant des kilomètres, voire des centaines de mètres.
Réseau de six caméras
Alors que les données sur les petits récifs peuvent être facilement capturées pour DeepReefMap par des plongeurs amateurs, pour obtenir des données sur une zone plus large, les chercheurs de l'EPFL ont développé une structure en PVC contenant six caméras – trois tournées vers l'avant et trois vers l'arrière. Les caméras sont espacées de 1 m et le dispositif est toujours piloté par un seul plongeur.
Ce réseau de six caméras offrirait une option peu coûteuse aux équipes de plongée locales travaillant avec des budgets limités.
Une fois les images téléchargées, DeepReefMap n'aurait aucun problème de mauvais éclairage ou de diffraction et d'effets caustiques que l'on retrouve souvent dans les images sous-marines.
« Les réseaux de neurones profonds apprennent à s’adapter à ces conditions, qui ne sont pas optimales pour les algorithmes de vision par ordinateur ».
Les programmes de cartographie 3D existants ne fonctionnent de manière fiable que dans des conditions d'éclairage précises et avec des images haute résolution, et sont « également limités en termes d'échelle », selon le professeur Devis Tuia de l'ECEO.
"À une résolution permettant d'identifier les coraux individuels, les plus grandes cartes 3D mesurent plusieurs mètres de long, ce qui nécessite un temps de traitement énorme", explique-t-il. "Avec DeepReefMap, nous sommes limités uniquement par la durée pendant laquelle le plongeur peut rester sous l'eau."
Santé et forme
Les chercheurs affirment également avoir facilité la vie des biologistes de terrain en incluant des « algorithmes de segmentation sémantique » capables de classer et de quantifier les coraux selon deux caractéristiques.
La première caractéristique est la santé – de très colorée (suggérant une bonne santé) au blanc (indiquant un blanchissement) et recouverte d'algues (indiquant la mort) – et la seconde est la forme, en utilisant une échelle internationalement reconnue pour classer les types de coraux les plus couramment trouvés. dans les récifs peu profonds de la mer Rouge (branches, rochers, plaques et mous).
"Notre objectif était de développer un système qui s'avérerait utile aux scientifiques travaillant dans ce domaine et qui pourrait être déployé rapidement et à grande échelle", explique Jonathan Sauder, qui a travaillé sur le développement de DeepReefMap pour sa thèse de doctorat.
« Djibouti, par exemple, possède 400 km de côtes. Notre méthode ne nécessite aucun matériel coûteux. Tout ce qu'il faut, c'est un ordinateur doté d'une unité de traitement graphique de base. La segmentation sémantique et la reconstruction 3D se déroulent à la même vitesse que la lecture vidéo.
Les chercheurs pensent qu'en utilisant cette technologie, il deviendra facile de surveiller l'évolution des récifs au fil du temps et d'identifier les zones de conservation prioritaires.
Cela fournira également aux scientifiques un point de départ pour ajouter d’autres données telles que la diversité et la richesse des espèces récifales, la génétique des populations, le potentiel d’adaptation des coraux aux eaux plus chaudes et la pollution locale des récifs. Ce processus pourrait éventuellement conduire à la création d’un jumeau numérique complet d’un récif.
DeepReefMap pourrait également être utilisé dans les mangroves et autres habitats en eaux peu profondes, et servir de guide dans l'exploration des écosystèmes marins plus profonds, indique l'EPFL.
"La capacité de reconstruction intégrée à notre système d'IA pourrait facilement être utilisée dans d'autres contextes, même s'il faudra du temps pour entraîner les réseaux neuronaux à classer les espèces dans de nouveaux environnements", explique Tuia.
Cartographie des épaves ?
"Je ne m'attends pas à une utilisation commerciale (à la fois dans le sens d'une utilisation en plongée commerciale et dans le sens de la vente d'un produit) bientôt", a déclaré Jonathan Sauder. Divernet. « La méthode restera très probablement en cours de développement, avec des versions open source plus conviviales à venir.
« La vision 3D est un domaine brûlant dans la recherche en apprentissage automatique et en robotique. Les choses évoluent extrêmement vite et je m'attends à ce que la cartographie en temps réel connaisse son « moment ChatGPT » dans les années à venir, avec une soudaine disponibilité généralisée d'algorithmes très puissants, pilotés par de grandes entreprises avec des budgets de recherche et d'ingénierie apparemment infinis, mais nous allons voir!"
Le système pourrait-il être adapté pour la cartographie 3D des épaves ? « La cartographie 3D est un algorithme appris, ce qui signifie qu'elle apprend à partir d'un ensemble de vidéos de formation.
Dans notre scénario, nous entraînons le système de cartographie sur des vidéos de récifs. Je soupçonne qu'à l'heure actuelle, cela fonctionnerait plutôt bien sur les épaves de navires, mais pourrait fonctionner beaucoup mieux s'il était entraîné sur de grandes quantités de vidéos de telles scènes.
« Pour l'instant, je m'attendrais à ce que la meilleure méthode pour obtenir des reconstructions 3D intéressantes d'épaves reste un flux de travail de cartographie 3D conventionnel consistant à prendre de nombreuses photos haute résolution, à calculer les poses de la caméra avec un logiciel de structure à partir du mouvement tel qu'Agisoft Metashape ou COLMAP, puis potentiellement les rendre joliment sous forme de Splat gaussien.
Un article sur la recherche sur la cartographie des récifs a été récemment publié dans la revue Méthodes en écologie et évolution.
Également sur Divernet : Les récifs coralliens du monde sont plus grands que nous le pensions…, 10 façons dont la technologie sauve le corail, Le récif corallien profond est le plus grand récif connu au monde, Des cartes du XVIIIe siècle révèlent une perte de corail
