Outils pratiques pour faire progresser la bio-engagement basée sur l’image dans les écosystèmes marins – Blog de méthodes

Post fourni par Marianna Chimienti

Je m’appelle le Dr Marianna Chimienti, et je suis maître de conférences dans l’écologie de la Marine Top Predator à la School of Ocean Sciences de Bangor University (Royaume-Uni). Je suis fasciné par les mouvements animaux. Mes principales recherches visent à comprendre comment, où, quand et pourquoi les animaux se déplacent, en utilisant la technologie de bio-engagement (dispositifs attachés aux animaux qui peuvent enregistrer l’emplacement, la profondeur, l’accélération, l’orientation, les conditions environnementales et même les images). Cette approche est souvent appelée «suivi des animaux».

La collecte d’images et de vidéos sous-marines d’animaux et de leur environnement à l’aide de dispositifs qu’ils transportent se sont développées plus lentement que les autres types de données. Cela était principalement dû au fait que l’équipement est initialement resté du grand côté, et il ne pouvait donc être transporté que par de grands animaux marins. Mais les progrès rapides de la technologie – en particulier dans la miniaturisation des capteurs d’image – changent le jeu. De petits appareils légers peuvent désormais capturer un large éventail de visuels sous-marins, y compris des images fixes, des séquences vidéo et des lectures de sonar de tout ce que font les animaux, voir et rencontrer lorsqu’ils visent leur vie quotidienne.

Ces outils offrent de nouvelles façons passionnantes de comprendre les animaux marins et comment ils interagissent avec leur environnement. Par exemple, les capteurs micro-sonares ont aidé les chercheurs à étudier les tactiques de chasse au sceau et comment leur proie essaie de s’échapper en réponse. Des images enregistrées d’animaux comme SEALS, les oiseaux de mer et les requins ont révélé une large éventail de connaissances sur la recherche de nourriture, la dynamique des vols ou le comportement social chez les animaux par exemple. Au-delà du comportement, les données basées sur l’image peuvent aider à mesurer les caractéristiques physiques de l’océan – telles que la glace de mer, les fonds marins et les habitats benthiques ou les zones pélagiques – de manière directement pertinente pour la vie quotidienne des animaux. En bref, ces appareils ouvrent de nouvelles fenêtres sur la dynamique des écosystèmes marins.

Malgré ces progrès énormes, une chose s’est démarquée à mon équipe et à moi: bien que l’intelligence artificielle (IA) et les outils de vision par ordinateur (comme les outils utilisés dans la reconnaissance faciale ou les voitures autonomes) peuvent améliorer considérablement et accélérer l’analyse d’images, ils restent largement sous-utilisés dans les sciences marines, et pratiquement absentes de la recherche bio-élogeante. Nous avions besoin de comprendre pourquoi et d’essayer d’aider notre communauté à monter à bord avec ces nouvelles méthodes qui ont le potentiel de débloquer rapidement de vastes connaissances sur nos océans, en particulier dans le contexte réel du changement climatique.

Cette idée derrière notre récente revue a commencé à prendre forme à l’automne 2023. À l’époque, j’étais chercheur postdoctoral au Centre d’Études Biologiques de Chizé (CEBC) et au Laboratoire informatique, Image, interaction (L3i) à la Rochelle University en France, travaillant sur les données d’image à partir d’animaux sauvages. J’avais déjà regardé ce type de données et j’étais frappé par son potentiel. Nous avons rapidement réalisé qu’il n’y avait pas de méthode standardisée pour analyser ces données entre les espèces ou les systèmes d’étude. Avec mes collaborateurs (le Dr Akiko Kato et le Dr Tiphaine Jeanniard du Dot), nous avons commencé à tendre la main à d’autres chercheurs travaillant avec des données similaires à partir d’une gamme d’espèces marines.

Tous les auteurs se sont réunis pour rédiger une revue complète visant une ressource qui rassemble des questions de recherche partagées, des défis et des opportunités pour faire progresser ce domaine émergent. Notre objectif n’était que de mettre en évidence le potentiel de la bio-loging basée sur l’image, mais d’offrir des solutions pratiques pour analyser ces données. Cela signifiait construire une équipe interdisciplinaire qui comprenait des statisticiens, des modélistes et des informaticiens.

Notre examen commence par couvrir deux domaines: (i) comment l’IA est actuellement utilisée pour traiter l’imagerie sous-marine, et (ii) comment la bio-bloc basée sur l’image est appliquée dans les environnements marins. Nous identifions ce qui fonctionne, où se trouvent les lacunes et comment l’écologie et la vision par ordinateur pourraient être intégrées plus efficacement. Nous proposons également un cadre étape par étape pour guider les chercheurs dans l’analyse des données d’image, avec un exemple pratique dans un cahier de jupyter.

Pour l’avenir, nous sommes ravis d’aligner les données d’image avec d’autres flux de données bio-loging (comme la profondeur, le mouvement et l’emplacement) qui sont souvent enregistrés à différentes résolutions. Nous voyons également un potentiel dans le développement de modèles légers qui pourraient traiter les images directement à bord de l’appareil tandis que l’animal est toujours en itinérance libre dans la nature.

À la base, ce travail appelle à une communauté de recherche collaborative à l’intersection de l’écologie et de l’IA. En partageant des données, des outils et des connaissances entre les disciplines, nous pouvons accélérer la découverte et conduire une science plus innovante. Ces efforts vont au-delà de l’intérêt académique, ils peuvent aider les écologistes et les décideurs politiques à mieux comprendre et protéger la vie marine. L’application de l’IA à la bio-loging basée sur l’image de manière systématique pourrait transformer la façon dont nous étudions les écosystèmes marins, faisons progresser la théorie écologique et soutenons les efforts de conservation à un moment critique.

Lire l’article complet ici.