Enhancing Tree Species Classification: Insights from YOLOv8 and Explainable AI Applied to TLS Point Cloud Projections

Cette étude présente un cadre intégrant YOLOv8 et Finer-CAM pour classifier les espèces d'arbres à partir de nuages de points TLS, démontrant une précision de 96 % et révélant que les modèles s'appuient principalement sur les cimes, bien que les troncs soient déterminants pour certaines espèces, améliorant ainsi l'interprétabilité des décisions du modèle.

L'essentiel

Voici une explication simple et imagée de cette recherche scientifique, comme si on la racontait autour d'un café.

🌳 Le Défi : Comment faire comprendre à un robot ce qu'est un arbre ?

Imaginez que vous avez un robot très intelligent (une intelligence artificielle) qui doit reconnaître 7 espèces d'arbres différents dans une forêt, comme le chêne, le hêtre ou le sapin. Pour cela, on lui donne des "photos" en 3D très précises prises par un scanner laser au sol (ce qu'on appelle le TLS).

Le robot est excellent : il réussit à identifier l'arbre dans 96 % des cas. C'est impressionnant ! Mais il y a un problème : le robot est une "boîte noire". Il nous dit "C'est un chêne", mais il ne nous explique pourquoi. Est-ce qu'il regarde les feuilles ? Le tronc ? La forme générale ? Ou est-ce qu'il triche en se basant sur un détail bizarre qu'on ne voit pas ?

C'est là que cette étude intervient. Les chercheurs ont voulu ouvrir cette boîte noire pour voir comment le robot pense vraiment.

🔍 La Loupe Magique : "Finer-CAM"

Pour comprendre le robot, les chercheurs ont utilisé un outil spécial appelé Finer-CAM.

Imaginez que vous avez un crayon magique. Quand le robot regarde une photo d'arbre et dit "C'est un hêtre", vous passez ce crayon sur la photo. Le crayon s'allume en jaune vif sur les zones qui ont convaincu le robot, et reste gris là où il s'en fout.

Mais attention, ce n'est pas n'importe quel crayon. Ce crayon est très malin : il ne s'allume que sur les détails qui distinguent le hêtre de ses "cousins" (comme le chêne). Si le robot regarde juste la couleur verte (commune à tous), le crayon reste gris. Il cherche les signes distinctifs.

🎯 Ce que le robot regarde vraiment (Les résultats)

En utilisant cette loupe sur des milliers d'arbres, les chercheurs ont découvert des choses surprenantes :

1. La couronne est la star (pour la plupart) :
   Pour la majorité des arbres (comme le bouleau, le hêtre, le chêne), le robot regarde surtout la cime de l'arbre (la couronne). Il analyse la forme des petites branches, comme si un expert regardait la coiffure d'une personne pour l'identifier.

   • Analogie : C'est comme si vous reconnaissiez un ami non pas par son visage, mais par la façon spécifique dont il coiffe ses cheveux.

2. Le tronc est crucial pour certains :
   Pour d'autres arbres, comme le frêne, le pin ou le douglas, le robot regarde beaucoup le tronc.

   • Le cas du Frêne : Le robot s'est spécialisé sur les courbures du tronc. Il pense : "Ah, un tronc tordu ? C'est sûrement un frêne !"
   • Le piège : Les chercheurs ont réalisé que c'est peut-être un piège ! Dans leurs données, les frênes avaient souvent des troncs tordus, mais dans la vraie vie, n'importe quel arbre peut avoir un tronc tordu à cause du vent. Le robot a peut-être appris un "truc" spécifique à leurs données plutôt qu'une vraie règle biologique. C'est comme apprendre à reconnaître un ami uniquement parce qu'il porte toujours un chapeau rouge, alors qu'il ne le porte pas toujours.

3. Les branches collées au tronc :
   Pour les pins et les douglas, le robot repère les branches mortes qui restent accrochées au tronc. C'est un détail très précis que seul un scanner laser très fin peut voir.

📉 L'expérience du "Flou Artistique"

Pour tester la solidité du robot, les chercheurs ont fait une expérience : ils ont pris les photos et les ont rendues de plus en plus floues, jusqu'à ce qu'on ne voie plus que la silhouette de l'arbre (comme un dessin au trait).

• Résultat : Même avec une silhouette floue, le robot reste assez bon (environ 79 % de réussite).
• Conclusion : Le robot est très fort pour comprendre la forme globale de l'arbre (son "habitus"). Mais dès qu'on lui enlève les détails fins (les petites branches), sa performance baisse un peu. Cela prouve qu'il utilise bien les détails fins quand ils sont disponibles, mais qu'il peut aussi se débrouiller avec moins d'informations.

🏆 Pourquoi c'est important ?

Cette étude est comme un manuel d'instruction pour les développeurs d'intelligence artificielle en foresterie.

• Confiance : On sait maintenant que le robot ne triche pas (il ne regarde pas des artefacts bizarres comme des lignes de scanner), il regarde de vrais détails biologiques.
• Amélioration : Si on sait que le robot se trompe souvent sur les troncs tordus, on peut lui apprendre à ne pas se fier uniquement à ça.
• Efficacité : On pourrait peut-être scanner moins de détails dans le futur pour aller plus vite, car le robot sait déjà repérer les indices clés.

En résumé : Les chercheurs ont prouvé que leur robot est un excellent "détective" des arbres, capable de voir des détails invisibles à l'œil nu. Mais comme tout bon détective, il faut vérifier qu'il ne se base pas sur des indices trompeurs. Grâce à cette étude, on sait exactement sur quels indices il se base pour résoudre le mystère de l'espèce de l'arbre.

Résumé technique

Voici un résumé technique détaillé de l'article scientifique en français, structuré selon les sections demandées.

Titre de l'étude

Amélioration de la classification des espèces d'arbres : Insights de YOLOv8 et de l'IA Explicable appliqués aux projections de nuages de points TLS.

---

1. Problématique

La classification des espèces d'arbres à partir de données de télédétection est un défi majeur en foresterie. Bien que les modèles d'apprentissage profond (Deep Learning), en particulier les réseaux de neurones convolutifs (CNN), atteignent des précisions élevées avec les données de numérisation laser terrestre (TLS), leur processus décisionnel reste une "boîte noire".

• Manque d'interprétabilité : La plupart des études se contentent de métriques de performance (précision, rappel) sans expliquer comment le modèle distingue les espèces.
• Risque d'apprentissage par raccourci (Shortcut Learning) : Les modèles peuvent apprendre des artefacts des données (ex: motifs de points spécifiques au scanner) plutôt que des traits biologiques réels, ce qui nuit à leur généralisation sur des données réelles.
• Limites des méthodes XAI existantes : Les cartes de saillance classiques (comme Grad-CAM) identifient les régions importantes pour une classe, mais échouent souvent à distinguer les classes similaires car elles ne suppriment pas les caractéristiques communes aux espèces proches.

2. Méthodologie

L'étude propose un cadre d'analyse novateur combinant un modèle de classification performant et une méthode d'IA explicable (XAI) avancée.

A. Données et Prétraitement

• Jeu de données : Sous-ensemble du benchmark FOR-Species20k, contenant 2 445 arbres individuels de 7 espèces européennes (Bouleau, Hêtre, Frêne, Pin sylvestre, Épicéa, Douglas, Chêne).
• Projections 2D : Les nuages de points 3D TLS sont convertis en images de vue latérale (2D side-view) orthographiques via une projection sur des plans tournés à 0°, 45°, 90° et 135°.
• Préparation : Les images sont normalisées (640x640 px), transformées en niveaux de gris avec une transformation logarithmique pour gérer la densité des points, et perturbées aléatoirement pour éviter l'apprentissage de motifs de points réguliers.

B. Modèle de Classification

• Architecture : Utilisation de YOLOv8 (version classification), choisi pour sa supériorité par rapport à YOLOv5 et sa capacité à gérer des images de haute résolution.
• Entraînement : Cinq modèles indépendants entraînés avec validation croisée (5 plis) pour assurer la robustesse. Utilisation de poids pré-entraînés sur COCO et d'une stratégie d'apprentissage "1cycle".

C. Cadre d'Explication (XAI)

• Méthode : Utilisation de Finer-CAM (une évolution de Grad-CAM).
  • Contrairement aux méthodes classiques, Finer-CAM génère des cartes de saillance en comparant la classe cible ($c$) avec une classe contrastive ($c'$), définie comme l'espèce la plus similaire (basée sur les logits de sortie).
  • Cela permet de mettre en évidence les régions qui distinguent l'espèce cible de ses "faux proches", et non simplement ce qui la définit globalement.
• Intégration Héuristique : Pour éviter les biais cognitifs dans l'interprétation visuelle, les cartes de saillance sont liées automatiquement à des segments structurels de l'arbre (Tronc, Couronne, et sous-segments de la couronne : base, milieu, sommet, bordure).
• Évaluation de la Fidélité : Utilisation d'une stratégie de perturbation "Least Relevant First" (LeRF) où les pixels les moins importants (selon la carte de saillance) sont masqués progressivement. Si la confiance du modèle chute rapidement, la carte de saillance est considérée comme fidèle.

D. Expériences de Perturbation

Des expériences supplémentaires ont été menées pour tester la sensibilité du modèle :

1. Réduction de la structure interne : Transformation des images en binaire (masques) pour éliminer la densité des points.
2. Réduction de la résolution : Rééchantillonnage des images (de 320px à 10px) pour simuler une perte de détails structurels.
3. Forme pure : Utilisation uniquement de la silhouette de l'arbre (habitus).

3. Résultats Clés

Performance de Classification

• Les cinq modèles YOLOv8 ont atteint une précision moyenne de 96 % (SD = 0,24 %) sur les données de test non perturbées.
• Les confusions se produisent principalement entre espèces similaires (ex: conifères entre eux, feuillus entre eux).

Analyse de Fidélité (Finer-CAM)

• Les cartes Finer-CAM se sont révélées fiables (faithful). La confiance du modèle reste stable tant que les pixels les moins pertinents sont masqués, mais chute drastiquement une fois que les pixels les plus saillants (les 20 % les plus importants) sont supprimés.
• Cela confirme que Finer-CAM identifie correctement les régions discriminantes utilisées par le modèle.

Contribution des Traits Structurels

• Dominance de la Couronne : En moyenne, 68,6 % des pixels saillants se situent dans la couronne. C'est particulièrement vrai pour le Bouleau, le Hêtre, l'Épicéa et le Chêne.
• Rôle du Tronc : Pour le Frêne, le Pin et le Douglas, le tronc contribue davantage à la décision.
  • Cas spécifique du Frêne : Le modèle se focalise sur les coudes du tronc (64,4 % des cas), suggérant un biais potentiel lié au jeu de données (artefact) plutôt qu'à un trait biologique exclusif.
  • Cas du Pin et Douglas : Le modèle détecte les branches mortes persistantes attachées au tronc.
• Détails de la Couronne : Les bords de la couronne (où les petites branches sont visibles) contiennent autant de pixels saillants que le centre de la couronne, indiquant que le modèle apprend des motifs de ramification spécifiques.

Impact de la Résolution et de la Structure

• Le modèle maintient une haute performance tant que la résolution spatiale effective est supérieure à ~0,5 m (taille d'image > 40px), ce qui correspond à la visibilité des branches individuelles.
• Même avec des images binaires (sans densité de points) ou des silhouettes pures, le modèle atteint ~79 % de précision (F1-score), prouvant sa capacité à utiliser la forme globale (habitus), bien que cela représente une baisse de ~15 % par rapport aux données complètes.

4. Contributions Principales

1. Cadre d'interprétabilité systématique : Introduction d'une méthode liant les cartes de saillance Finer-CAM à des segments biologiques (tronc, couronne) pour quantifier objectivement l'importance des traits structurels.
2. Validation de Finer-CAM : Démonstration que Finer-CAM est supérieur aux méthodes classiques pour distinguer des espèces d'arbres morphologiquement proches en supprimant les caractéristiques communes.
3. Insights biologiques : Preuve que les modèles CNN basés sur TLS apprennent non seulement la forme globale, mais aussi des détails fins comme les motifs de ramification et la présence de branches mortes, ce qui est biologiquement pertinent.
4. Identification de biais : Mise en évidence d'un potentiel "raccourci d'apprentissage" pour le Frêne (basé sur la courbure du tronc présente dans le jeu de données mais pas exclusive à l'espèce), soulignant la nécessité de jeux de données plus équilibrés.

5. Signification et Implications

• Confiance et Déploiement : Cette étude fournit les premiers pas vers la compréhension des décisions des modèles CNN pour la classification d'arbres, augmentant la confiance des utilisateurs pour le déploiement opérationnel.
• Optimisation des Données : Les résultats suggèrent que pour la classification, il pourrait être plus efficace de se concentrer sur des vues détaillées des traits discriminants (ex: couronne) plutôt que sur des scans complets, optimisant ainsi la collecte de données.
• Qualité des Jeux de Données : L'étude met en lumière la criticité de la qualité et de la diversité des jeux de données TLS publics. Elle plaide pour des protocoles standardisés afin d'éviter que les modèles n'apprennent des artefacts spécifiques à un scanner ou à un site de collecte.
• Futur de la Recherche : L'article appelle à des méthodes XAI capables d'évaluer directement l'importance des traits (au-delà de la visualisation) et à la validation des modèles sur des données totalement indépendantes pour tester la généralisation réelle.

En résumé, cette recherche démontre que l'IA explicable appliquée aux données TLS permet non seulement de valider la performance des modèles, mais aussi de révéler ce qu'ils apprennent, ouvrant la voie à des algorithmes plus robustes, moins biaisés et biologiquement interprétables.