Skip to main content

25 Mar, 2024

Cartographier les coraux en un temps record grâce à l’IA et des Go Pro

Cartographier les coraux en un temps record grâce à l’IA et des Go Pro

Les caméras sont placées sur une structure permettant de prendre des données sur une large bande de coraux © 2024 Lukasz Warzecha © LWimages

Sur la base d’images prises par caméras, une IA mise au point à l’EPFL permet de reconstituer des récifs de coraux en 3D en quelques minutes. Une petite révolution pour les missions d’étude et de préservation des fonds marins comme celles du Transnational Red Sea Center.

Figurants de second plan sur les clichés de poissons chatoyants des amateurs de plongée, les coraux occupent pourtant le devant de la scène pour de nombreux scientifiques tant leur rôle écologique est fondamental.

Ces animaux au squelette calcaire font partie des écosystèmes les plus diversifiés de la planète : bien qu’ils couvrent moins de 0,1 % de la surface totale des océans, ils abritent près d’un tiers des espèces marines connues. Ils ont également un impact majeur sur la vie des habitants de nombreux pays bordés par des récifs: d’après une étude de l’Agence américaine d’observation océanique et atmosphérique, jusqu’à un demi-milliard de personnes dans le monde dépendent des récifs coralliens en ce qui concerne leur sécurité alimentaire et leurs revenus liés au tourisme.

Mis en péril notamment par l’augmentation de la température des océans et les pollutions d’origine anthropique locales qui provoquent leur blanchiment et leur mort, les coraux font l’objet d’études approfondies comme celles du Transnational Red Sea Center (TRSC) qui vise à percer les secrets des espèces de la mer Rouge, particulièrement résistantes au stress lié au changement climatique.

C’est dans le cadre de cette mission pilotée par l’EPFL* qu’a été testée DeepReefMap, une intelligence artificielle développée par le Laboratoire de science computationnelle pour l’environnement et l’observation de la terre (ECEO) à l’EPFL capable de reconstituer plusieurs centaines de mètres de récifs de bancs de coraux en 3D sur la base d’un film sous-marin pris par une caméra du commerce en quelques minutes. Elle sait également reconnaître certaines caractéristiques du corail et les quantifier.

« Cette méthode démocratise la reconstitution numérique des récifs et donne un gros coup d’accélérateur à leur suivi en réduisant le travail, l’équipement, la logistique ainsi que les coûts informatiques », souligne Samuel Gardaz, responsable des projets du TRSC. Cette recherche fait aujourd’hui l’objet d’une publication dans Methods in Ecology and Evolution.

Des plongeurs locaux peuvent acquérir les données simplement

Obtenir un récif corallien en 3D avec les méthodes habituelles se mérite : les reconstitutions coûteuses et très intenses en termes d’analyses computationnelles, se font sur la base de plusieurs centaines d’images d’une même portion de récif de taille très limitée (quelques dizaines de mètres seulement), prises avec de nombreux points de repère différents, et nécessitent le travail d’un spécialiste pour les obtenir.

Ces facteurs limitent grandement la mise en application de ces méthodes dans des pays qui ne possèdent pas l’expertise technique nécessaire, et empêchent le suivi de larges portions de récifs (centaines de mètres, voire kilomètres).

Devis Tuia, professeur au Laboratoire ECEO durant une plongée à Djibouti © LWimages

L’IA développée à l’EPFL permet à des plongeuses et plongeurs non spécialistes d’acquérir aisément ces données. Avec des caméras du commerce, ils ou elles se déplacent lentement au-dessus d’une bande de récifs sur plusieurs centaines de mètres, la récolte d’images n’étant limitée que par la batterie de l’appareil ou l’air dans la bouteille de plongée.

Afin d’élargir la zone d’acquisition, les scientifiques ont installé sur une structure en PVC trois caméras à environ 1m d’intervalle filmant vers l’avant ainsi que trois orientées vers l’arrière qui peut être maniée par une seule personne. Des équipes locales, qui ont souvent peu de moyens, pourront ainsi utiliser ce système à très bas coût et sur de larges portions de récifs.

« Une véritable révolution dans le monde de la conservation des écosystèmes », souligne Guilhem Banc-Prandi, post-doctorant au Laboratoire de géochimie biologique de l’EPFL et directeur scientifique du TRSC.

Une fois les images téléchargées, DeepReefMap, rapide et agile, se joue des conditions d’éclairage difficiles, de la diffraction ou encore des effets caustiques caractéristiques des images sous-marines. Des réseaux neuronaux profonds apprennent à s’adapter à des environnements non optimaux pour les algorithmes de vision par ordinateur.

Non seulement les programmes utilisés jusqu’à présent pour la reconstitution en 3D ne fonctionnent de manière fiable qu’avec des conditions lumineuses précises et sur la base d’images en haute résolution, mais « ils sont également limités en termes d’échelle : à une résolution permettant l’identification des coraux, les plus grandes reconstructions 3D couvrent quelques dizaines de mètres de long, tout en nécessitant d’importants temps de calcul, explique Devis Tuia, professeur du laboratoire ECEO. Avec DeepReefMap, nous sommes limités uniquement par le temps de plongée ».

« L’objectif était vraiment de répondre aux besoins des scientifiques et agents de conservation qui travaillent sur le terrain avec un outil qui peut être déployé largement et très rapidement : à Djibouti par exemple il y a 400 km de côte » Jonathan Sauder

Classer les coraux selon leur état de santé et leur forme

Afin de faciliter davantage le travail de leurs collègues biologistes œuvrant sur le terrain, les scientifiques ont inclus des algorithmes de segmentation sémantique permettant de classer et quantifier les coraux selon leur état de santé – de sain, c’est-à-dire très coloré, à morts et recouverts d’algues, en passant par le blanc du blanchiment – et d’identifier les formes de croissance de coraux qui sont les plus communs dans les récifs peu profonds de mer rouge selon une hiérarchisation reconnue internationalement – à branches, massifs, durs, mous, etc. -.

« L’objectif était vraiment de répondre aux besoins des scientifiques et agents de conservation qui travaillent sur le terrain avec un outil qui peut être déployé largement et très rapidement : à Djibouti par exemple il y a 400 km de côte », souligne Jonathan Sauder, qui a fait du développement de cette IA le sujet de sa thèse de doctorat. « Notre méthode ne nécessite pas d’infrastructure informatique coûteuse : sur un ordinateur équipé d’une simple unité de traitement graphique, la segmentation sémantique et la reconstruction 3D peuvent être obtenues dans un temps égal au temps de la vidéo ».

Vers un jumeau numérique du récif

« Cette facilité de mise en œuvre va nous permettre de suivre les changements des récifs dans le temps pour identifier des zones de priorité de conservation. Une quantification rapide de leur composition et de leur santé est essentielle pour mieux comprendre leur évolution dans le contexte actuel de bouleversements environnementaux rapides», confirme Guilhem Banc-Prandi.

La nouvelle méthode de cartographie 3D va offrir aux autres scientifiques une base sur laquelle ajouter des données de diversité et richesse des espèces récifales, de génétique des populations, de potentiel adaptatif des coraux au réchauffement des eaux, de pollution locale dans les récifs et tendre vers un jumeau numérique.

DeeReefMapping peut également être transposée dans d’autres environnements sous-marins peu profonds tels que les écosystèmes submergés des mangroves ou pour guider l’exploration d’environnements plus profonds : « la partie reconstruction de notre IA peut facilement être utilisée dans d’autres contextes, par contre il faut prévoir un temps d’entraînement des réseaux neuronaux pour la classification dans des endroits nouveaux », conclut Devis Tuia.

* Laboratoire de géochimie biologique de l’EPFL et TRSC

https://actu.epfl.ch/news/cartographier-les-coraux-en-un-temps-record-grace-/

https://www.epfl.ch/labs/eceo/fr/home-fr/

https://trsc.org/en/

https://doi.org/10.1111/2041-210X.14307