Les modèles d’IA pour aider à identifier les espèces végétales envahissantes à travers le Royaume-Uni

Les scientifiques environnementaux et les chercheurs en intelligence artificielle utilisent l’IA pour lutter contre une espèce envahissante qui se propage à travers le Royaume-Uni. Les chercheurs du Centre britannique d’écologie et d’hydrologie (UKCEH) et de Birmingham ont développé un modèle d’IA destiné à étudier des régions comme les accotements de routes pour la présence de diverses espèces envahissantes, notamment le renouée du Japon.

Le renouée du Japon est une espèce envahissante qui peut endommager les paysages naturels et les bâtiments du Royaume-Uni, car elle peut endommager les fondations des bâtiments. Il est souvent considéré comme l’une des espèces végétales envahissantes les plus nuisibles et agressives du Royaume-Uni. Éliminer le renouée du Japon s’avère souvent difficile, car il est difficile à trouver et à identifier. Les chercheurs en IA espèrent que les algorithmes d’apprentissage automatique peuvent réduire le temps et les ressources nécessaires pour identifier le renouée du Japon.

Les données de formation ont été collectées pour le modèle à l’aide de caméras haute vitesse placées sur le dessus de véhicules, qui ont collecté des images d’environ 120 miles de végétation le long des routes. Les écologistes examineront les images et étiquetteront le renouée, et les images seront étiquetées avec leur emplacement GPS. Les images étiquetées seront ensuite utilisées pour former un modèle de vision par ordinateur pour reconnaître des échantillons de renouée du Japon. Le même processus sera utilisé pour reconnaître d’autres espèces de plantes envahissantes trouvées au Royaume-Uni, telles que la balsamine de l’Himalaya et les rhododendrons. Le système sera également utilisé pour détecter les frênes, qui sont natifs du Royaume-Uni mais sont menacés par une maladie.

Le modèle d’IA sera testé au cours d’un projet pilote de 10 mois. L’équipe de recherche indique qu’il y a des défis à surmonter, tels que s’assurer que les images capturées par les caméras sont de qualité constante et que, lorsqu’il y a plusieurs espèces dans une seule image, toutes les espèces sont correctement identifiées. Si le programme pilote donne des résultats prometteurs, il pourrait être adapté pour une utilisation dans d’autres pays à travers le monde, aidant ces pays à lutter contre leurs propres problèmes d’espèces envahissantes. Selon le Dr Tom August, écologue computationnel à l’UKCEH, cité par The Next Web :

« Les espèces végétales envahissantes ont tendance à pousser dans des corridors, c’est pourquoi nous nous concentrons sur les études le long des routes. Si le pilote est réussi, cela pourrait être mis à l’échelle dans d’autres pays, ou pour d’autres espèces de plantes, d’arbres ou même d’insectes et d’animaux. »

Selon August, les modèles d’IA ouvrent de nombreuses possibilités pour apprendre sur le monde naturel et concevoir des solutions efficaces et rentables pour les espèces envahissantes. L’UKCEH collabore avec Keen AI, une entreprise d’IA basée à Birmingham. Le fondateur de Keen AI, Amjad Karim, a été cité par Science Focus comme disant que l’utilisation de modèles d’IA pour analyser les images et détecter les espèces envahissantes peut aider à réduire les coûts et à assurer la sécurité des propriétaires fonciers, des agences routières et des décideurs politiques. La méthode principale de collecte d’images le long des routes nécessite actuellement des géomètres, et la route est temporairement fermée pendant qu’ils effectuent leur travail.

Le nouveau projet conçu par l’UKCEH et Keen AI est le dernier d’une tendance croissante qui voit l’application de l’IA pour lutter contre les espèces envahissantes. À la fin de l’année dernière, des chercheurs en IA de Microsoft et de CSIRO ont uni leurs forces pour concevoir un modèle d’IA capable de détecter une espèce envahissante appelée para grass, trouvée dans tout le parc national de Kakadu en Australie. Le para grass est une mauvaise herbe à croissance rapide qui peut se propager rapidement, déplaçant rapidement de nombreuses plantes indigènes dans une région. Les chercheurs ont utilisé des images collectées par des drones, et une fois le modèle formé sur les images étiquetées, il a pu identifier avec succès le para grass, permettant aux chercheurs de l’éliminer des zones humides vulnérables. Cela a eu pour effet de permettre à des milliers de bernaches de magpie de revenir dans la région. Une autre équipe de chercheurs de l’Université de l’Alberta a utilisé des modèles d’apprentissage automatique pour concevoir des stratégies de confinement et d’atténuation pour diverses espèces envahissantes au Canada.