Le drone Koala-sensing aide à garder un œil sur le nombre d’ours en peluche.

Il est évidemment important pour les Australiens de s’assurer que leur population de koalas est suivie de près – mais comment peut-on le faire quand les drageons vivent dans les forêts et grimpent tout le temps aux arbres ? Avec des drones et l’IA, bien sûr.

Un nouveau projet de la Queensland University of Technology combine des techniques bien connues d’une nouvelle manière pour aider à garder un œil sur les populations sauvages des marsupiaux célèbres et mous. Ils ont utilisé un drone équipé d’une caméra de détection de chaleur, puis ont visionné les images dans un modèle d’apprentissage en profondeur entraîné à la recherche de signatures thermiques semblables au koala.

A lire en complément : Startups Weekly : Qu'est-ce qui se passe avec YC ? De plus, les mises à pied pour cause de mobilité et les grands projets d'Airbnb

C’est en quelque sorte semblable à un projet antérieur de la QUT dans lequel des dugongs – des vaches marines en voie de disparition – ont été dénombrés le long de la côte par imagerie aérienne et par apprentissage automatique. Mais c’est beaucoup plus difficile.

A lire également : Ce VC a été long sur HotelTonight et ça a payé ; voici comment.

Un koala

“Un phoque sur une plage est une chose très différente d’un koala dans un arbre “, a déclaré Grant Hamilton, co-auteur de l’étude, dans un communiqué de presse, choisissant peut-être de ne pas utiliser les dugongs comme exemple parce que relativement peu savent ce qu’ils sont.

“La complexité fait partie de la science ici, ce qui est vraiment passionnant”, a-t-il poursuivi, “Ce n’est pas seulement quelqu’un qui compte les animaux avec un drone, nous avons réussi à le faire dans un environnement très complexe.”

L’équipe a envoyé son drone tôt le matin, alors qu’elle s’attendait à voir le plus grand contraste entre la température de l’air (frais) et les koalas liés aux arbres (chauds et à poils). Elle voyageait comme si c’était une tondeuse à gazon taillant la cime des arbres, recueillant des données sur une grande surface.

Image infrarouge, à gauche, et sortie du réseau neuronal mettant en évidence les zones d’intérêt

Ces images ont ensuite été filmées dans un système d’apprentissage en profondeur entraîné à reconnaître la taille et l’intensité de la chaleur émise par un koala, tout en ignorant les autres objets et animaux comme les voitures et les kangourous.

Pour ces premiers essais, la précision du système a été vérifiée en comparant les emplacements présumés des koalas avec les mesures de vérité au sol fournies par les unités GPS sur certains animaux et les étiquettes radio sur d’autres. Il s’avère que le système a trouvé environ 86 pour cent des koalas dans une zone donnée, ce qui est considérablement mieux qu’un “expert de l’observation des koalas”, qui obtient environ 70. Non seulement ça, mais c’est beaucoup plus rapide.

“Nous couvrons en quelques heures ce qu’il faudrait à un humain toute la journée pour faire “, dit Hamilton. Il y a des endroits où les gens ne peuvent pas aller et il y a des endroits où les drones ne peuvent pas aller. Chacune de ces techniques présente des avantages et des inconvénients, et nous devons trouver la meilleure façon de les mettre toutes ensemble. Les koalas sont menacés d’extinction dans de vastes zones, tout comme de nombreuses autres espèces, et il n’y a pas de solution miracle.”

Après avoir testé le système dans une région du Queensland, l’équipe va maintenant l’essayer dans d’autres régions de la côte. Il est prévu d’ajouter d’autres classificateurs afin que d’autres espèces en voie de disparition ou envahissantes puissent être identifiées avec la même facilité.

Leur article a été publié aujourd’hui dans la revue Nature Scientific Reports.