Automated estimation of gadoid and flatfish abundance in stereo-BRUV footage using YOLO object detection
Cette étude présente un pipeline automatisé basé sur YOLO qui détecte avec succès les gadidés et les poissons plats dans des séquences de BRUV stéréo provenant de parcs éoliens en mer du Nord, introduisant une métrique personnalisée pour valider sa capacité à estimer efficacement l'abondance des poissons et démontrant que la combinaison de deux points de vue de caméra améliore la sensibilité des estimations de population par rapport aux points de vue uniques.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Le fond de l'océan est un paysage vaste et mouvant où la vie prospère de manières souvent invisibles à l'œil humain. Pour comprendre comment les populations de poissons évoluent au fil du temps, les scientifiques doivent les compter, mais le faire sous l'eau est notoirement difficile. Les méthodes traditionnelles impliquent souvent de traîner des filets ou des pièges sur le fond marin, ce qui peut nuire aux écosystèmes mêmes que les chercheurs tentent d'étudier. Une alternative plus douce a émergé : la vidéo sous-marine à appât à distance. Les scientifiques descendent un système de caméra, lesté avec une petite quantité d'appât pour poissons, vers le fond de l'océan. L'odeur de l'appât attire les poissons locaux, et la caméra les enregistre pendant une heure ou plus. Cette méthode offre une fenêtre non invasive sur la vie marine, mais elle se heurte à un goulot d'étranglement massif. Une seule campagne peut générer des centaines de gigaoctets de séquences vidéo. Pour obtenir un décompte des poissons, un expert humain doit s'asseoir et regarder chaque minute de ces images, image par image, pour dénombrer le nombre maximum d'individus vus simultanément. Ce processus manuel est lent, coûteux et limite la quantité de données pouvant être analysée.
Une équipe de chercheurs de l'Université d'Exeter a abordé ce goulot d'étranglement en apprenant aux ordinateurs à compter. Ils ont développé un système d'intelligence artificielle spécialisé, conçu pour regarder des vidéos sous-marines et identifier et compter automatiquement deux groupes spécifiques de poissons : les poissons de type cabillaud, appelés gadidés, et les poissons plats. L'étude s'est déroulée dans le nord de la mer du Nord, une zone parsemée de parcs éoliens offshore où l'équipe surveillait l'impact de ces structures massives sur la vie piscicole locale. Au lieu de s'appuyer sur un seul angle de caméra, l'équipe a utilisé un système stéréo, qui enregistre la scène sous deux perspectives légèrement différentes simultanément, un peu comme les yeux humains le font. En entraînant leur IA sur des milliers d'images vidéo annotées, ils ont créé un pipeline capable de scanner des heures de séquences en une fraction du temps qu'il faudrait à un humain, produisant des décomptes fiables de l'abondance des poissons.
Les chercheurs n'ont pas seulement construit un détecteur ; ils ont construit un système qui comprend les défis spécifiques du comptage sous-marin. Dans une image vidéo encombrée, les poissons se cachent souvent les uns derrière les autres, ce qui rend difficile de déterminer exactement combien ils sont. L'équipe a entraîné son modèle à reconnaître que, à mesure que le nombre de poissons augmente, la difficulté de les compter parfaitement augmente également. Ils ont introduit une nouvelle façon de mesurer le succès qui tient compte de cette réalité, acceptant qu'une petite marge d'erreur est naturelle lorsque les poissons sont serrés les uns contre les autres. Lorsqu'ils ont testé leur système par rapport aux décomptes effectués par des experts humains, les résultats ont été frappants. Les estimations de l'ordinateur correspondaient aux décomptes humains avec une très grande précision, identifiant correctement la présence et le nombre approximatif de poissons plats et de poissons de type cabillaud dans presque tous les cas. Le système était si efficace qu'il pouvait remplacer une partie importante du travail manuel, réduisant le temps nécessaire pour traiter les données de l'étude de plusieurs mois à quelques semaines.
L'une des découvertes les plus surprenantes est venue de la manière dont le système utilise les deux angles de caméra. Dans les relevés traditionnels, les scientifiques choisissent généralement une seule vue de caméra pour compter les poissons, traitant la seconde comme une sauvegarde ou pour mesurer la longueur des poissons. Les chercheurs ont découvert qu'en laissant l'ordinateur regarder les deux angles et en prenant simplement le décompte le plus élevé des deux, ils obtenaient une image beaucoup plus claire de la population de poissons. Cette approche, qu'ils ont appelée « décompte maximal », a réduit le bruit et l'incertitude dans les données. Elle a rendu les résultats de l'étude plus sensibles aux changements réels de l'environnement. Par exemple, lors de l'analyse de la façon dont le nombre de poissons changeait en fonction de la distance par rapport aux bases des éoliennes, la méthode à deux caméras a révélé un schéma clair que la méthode à une seule caméra avait manqué. Les poissons plats, qui ont tendance à rester bas et à se fondre dans le fond marin, étaient particulièrement difficiles à repérer d'un seul angle, mais l'approche à double vue les a capturés beaucoup plus efficacement.
L'étude a également mis en évidence les avantages pratiques de cette automatisation pour le suivi à long terme. Bien que la mise en place du système ait nécessité un investissement initial de temps pour étiqueter les données d'entraînement et régler le logiciel, le retour sur investissement a été immédiat sur le terrain. L'équipe a pu traiter les données de l'enquête de 2024 en seulement 68 jours, contre 134 jours pour l'enquête de l'année précédente, qui reposait entièrement sur un comptage manuel. Cette rapidité ne fait pas que gagner du temps ; elle permet aux scientifiques de poser des questions plus complexes sur la façon dont les écosystèmes marins réagissent à l'activité humaine. Les chercheurs ont noté que, bien que leur système soit actuellement adapté aux poissons et aux conditions spécifiques de la mer du Nord, le cadre est ouvert et accessible. Il prouve qu'avec les bons outils, les volumes massifs de données vidéo collectés par les scientifiques marins peuvent être transformés en connaissances exploitables sans être enterrés sous le poids du travail manuel.
Le succès de ce projet suggère une nouvelle voie pour la conservation marine. En automatisant la tâche fastidieuse du comptage, les scientifiques peuvent concentrer leur énergie sur l'interprétation des données plutôt que sur leur simple collecte. La capacité de détecter des changements subtils dans l'abondance des poissons, comme le déclin des effectifs à mesure que l'on s'éloigne des éoliennes, fournit des preuves cruciales pour gérer ces sites industriels de manière responsable. Les chercheurs soulignent que, si l'ordinateur est un outil puissant, il fonctionne mieux lorsqu'il complète l'expertise humaine plutôt que de la remplacer entièrement. Le système est conçu pour gérer le gros du comptage, signalant les scènes les plus complexes pour un examen humain si nécessaire. Ce partenariat entre l'intuition humaine et la vitesse de la machine offre une solution évolutive pour surveiller la santé de nos océans, garantissant qu'en construisant davantage d'infrastructures sur le fond marin, nous puissions également garder un œil précis et vigilant sur la vie qui y réside.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.