BIOC@PT - Capteurs automatiques de biodiversité en forêt

Grâce aux avancées réalisées durant la dernière décennie dans les domaines de la génomique, de l’informatique et de l'intelligence artificielle, les capteurs peuvent maintenant être associés à des technologies de barcoding d’ADN environnemental, de reconnaissance visuelle ou sonore autonome pour identifier ou dénombrer les espèces.

Démarches

Le projet Bioc@pt a exploré de nouveaux moyens d’acquérir des données de biodiversité, plus rapides et moins coûteuses que la détermination morphologique classique en laboratoire, en automatisant les relevés sur le terrain (par des capteurs) et la détermination des espèces (par des techniques d’intelligence artificielle appliquées à la reconnaissance photographique), dans une triple optique de biovigilance, de suivis de biodiversité et d’étude des patrons spatiotemporels de biodiversité. Cette démarche exploratoire a concerné deux groupes taxonomiques forestiers importants et relativement mal connus (insectes et bryophytes) et pourra être adaptée à d’autres groupes.

Etudes bryologiques et mycologiques

Un test de faisabilité de reconnaissance visuelle autonome par apprentissage profond a été conduit sur des photos de spores de bryophytes, échantillonnées en forêt par aspiration active de particules aéroportées avec un capteur Cyclone Sampler automatique. Nous avons développé un algorithme de type CNN apte à discriminer des objets de type « spore » et constitué une banque photo des diaspores de 54 espèces de Bryophytes, incluant les espèces recensées par inventaire naturaliste sur les sites d’échantillonnage par aspiration.

Prototype de capteur entomologique photographique

Un prototype de capteur d’insectes à piège photographique automatique a été mis au point et testé en forêt sur un groupe d’espèces de coléoptères xylophages (buprestes Agrilus sp.). En collaboration avec la société Cap2020 pour l’ingénierie mécatronique du capteur (boitage, capteur optique rétro-éclairage, communication, sauvegarde, autonomie énergétique), nous avons transformé un piège Lindgren vert, sélectif à l’égard des buprestes, en un prototype de capteur photographique sélectif, non destructif, automatique et connecté.

Reconnaissance visuelle autonome des photos de coléoptères Agrilus

L’objectif à moyen terme est  un piège photographique automatique avec algorithme embarqué de traitement des photos. Dans BIOC@PT nous avons travaillé sur un outil de tri automatique de laboratoire capable d'assurer la reconnaissance automatique (classification par apprentissage profond) de coléoptères photographiés au laboratoire, de façon à automatiser le dépouillement d’échantillons provenant de pièges classiques

Résultats

Etudes bryologiques et mycologiques

 Sur les données d’apprentissage, le taux de reconnaissance global est insuffisant, entre 63% et 80%, et la sensibilité et la précision moyenne sont faibles pour l’ensemble des espèces, avec des confusions fréquentes entre certaines espèces.

Prototype de capteur entomologique photographique

La mise à jour à distance du script pilotant la fréquence régulière des prises de vue et la télétransmission des clichés sont opérationnels. La géométrie d’une nouvelle chambre de prise de vue, avec collerette anti-retour, optimisée après observation du comportement des insectes piégés, a été intégrée à la version 2 du boîtier de capteur Cap2020 et testée avec succès en forêt à l’été 2024 (photo).

Reconnaissance visuelle autonome des photos de coléoptères Agrilus

Un réseau de neurone personnalisé a été créé puis entraîné pour discriminer les classes (espèces) d’une photothèque  d'apprentissage constituée de plusieurs milliers de clichés  des 7 principales espèces régionales du genre Agrilus et d’une  d’Agrilus exotique envahissante. Puis 8 espèces de scolytes ont été ajoutés.  Le réseau de neurones montre de bonnes performances à discriminer les taxa. Avec la photothèque d’apprentissage augmentée, le taux de reconnaissance global atteint 90%.

L’algorithme entraîné avec la photothèque de laboratoire s’est montré capable de discriminer les espèces d’Agrilus sur des photos provenant du capteur de terrain, pourtant moins qualitatif au niveau optique que le microscope numérique de labo

Participants

Structures INRAE

• UR EFNO - Unité de recherche Écosystèmes forestiers
• UMR SADAPT - Sciences pour l'action et le développement : activités, produits, territoires 
• UR P2E - Laboratoire de Physiologie, Ecologie et Environnement - Université d'Orléans
• USC Ecodiv-Rouen - Étude et compréhension de la biodiversité 
• UMR Herbivore - VetAgro Sup

Partenaire externe

• IRBI - Institut de Recherche sur la Biologie de l'Insecte - Université de Tours / CNRS