Le "deep learning" pour étudier et surveiller la biodiversité marine

Des chercheurs de l'École nationale d’ingénieurs de Brest (Enib) ont développé une technologie de "deep learning" permettant de classifier automatiquement les espèces sous-marines à partir de vidéos.

En raison de besoins accrus pour localiser, recenser et surveiller le milieu marin, notamment pour alerter des possibles changements liés au dérèglement climatique, le traitement et l’analyse d’images vidéo sous-marine automatisés prend de l'ampleur.

Mais il n'est pas encore abouti : "La luminosité change fréquemment à cause du courant océanique, la visibilité est limitée et les fonds coralliens complexes changent parfois rapidement en raison du déplacement des plantes aquatiques", expliquent les chercheurs dans leur article. Les poissons se déplacent librement dans toutes les directions, et peuvent même se chevaucher entre poissons de différentes espèces, ou se cacher derrière des rochers et des algues, évitant ainsi d'être reconnus...

Une autre étude, dirigée par le doctorant Ben Williams de l'University College London et de la Zoological Society of London, publiée en juillet dans la revue Ecological Indicators, affirme qu'un algorithme permettrait d’identifier les récifs coralliens sains à partir des données sonores. Les chercheurs ont analysé les sons dans les récifs pour pouvoir catégoriser ceux qui étaient en bonne santé et ceux qui étaient dégradés. Dans un contexte où beaucoup d'efforts sont déployés pour la restauration des récifs, cette technologie pourrait permettre d'évaluer les avancées. Pour Aaron Rice, chercheur au K. Lisa Yang Center for Conservation Bioacoustics de l'Université Cornell, qui n'a pas participé à l'étude, la possibilité d'utiliser des données acoustiques pour connaître le succès ou non des moyens investis pour la restauration des récifs est pratique, car elles sont relativement faciles à collecter.