Notre équipe travaille principalement sur les léopards et autres mammifères terrestres dans les zones protégées et autres forêts du Karnataka. Notre recherche se concentre sur l’établissement de la population de référence de léopards dans les forêts et les paysages dominés par l’homme, et sur le suivi périodique des mêmes zones pour évaluer les changements dans la population.

Nous étudions une zone d’intérêt à l’aide de pièges photographiques qui capturent des images de la faune avec une intrusion minimale. Les caméras-pièges sont des caméras à détection de mouvement déclenchées à distance qui capturent une photo chaque fois que le faisceau infrarouge est coupé par un animal ou une personne. Ils sont relativement légers, faciles à utiliser et faciles à utiliser sur le terrain, car nous n’avons pas besoin de transporter un ordinateur portable juste pour télécharger les données de chaque caméra-piège. Chaque unité dispose d’un emplacement USB protégé où une clé USB peut être insérée et nous pouvons télécharger instantanément les données sur la clé USB. Cependant, chaque unité doit être fermement attachée à un arbre ou à un poteau de peur que de jeunes éléphants curieux ne les arrachent pendant le jeu, ou que les braconniers ne les volent. Il est intéressant de noter que les groupes qui échouent sont capturés sur les pièges-caméras qu’ils tentent de voler, ou sur celui installé juste en face (qu’ils manquent de repérer).

Les veaux d’éléphants sont pleins de curiosité et aiment interagir avec des choses au sol qu’ils peuvent toucher et sentir. Ce petit passe un bon moment à enlever le piège photographique du jeune arbre auquel il était attaché.
Crédit photo: Sanjay Gubbi

Nous pouvons facilement programmer les pièges à caméra pour la sensibilité de déclenchement et la fréquence des captures selon nos besoins. Le capteur infrarouge détecte ainsi le mouvement de l’animal, déclenchant ainsi la caméra pour capturer une photo. La qualité des photographies est suffisante pour différencier les motifs sur les animaux tels que les léopards et les tigres, ce qui nous préoccupe principalement. Cependant, nous apprécions notre part de photographies divertissantes de macaques posant pour des selfies au bord de l’étang, ou des dholes qui ressemblent à des corgis volants.

Nous obtenons plusieurs milliers de photographies de chaque site d’étude que nous avons initialement utilisé pour trier et analyser manuellement en fonction des espèces photographiées. L’effort de tri des photographies à lui seul nécessitait souvent un travail manuel énorme, et nous prenait généralement plusieurs mois par an. Outre la grande quantité de ressources qu’il consommait, c’était un obstacle à travailler sur plus de sites. Le léopard étant une espèce répandue, il était essentiel de travailler sur un plus grand nombre de sites pour établir des données de référence pour autant de zones que possible. Si nous ne pouvions pas trier les photos d’un site dans un laps de temps gérable, comment étendre l’étude au-delà?

Nous avons photographié ce dhole au milieu d’un sprint. Nous vous assurons que ce n’est pas un Corgi volant, même s’il peut en ressembler.
Crédit photo: Sanjay Gubbi

Compte tenu de la grande échelle des données et du nombre de photos à parcourir, nous avons collaboré avec M. Ramprasad, l’ancien technologue en chef de l’IA chez Wipro, qui a aidé à concevoir un programme qui pourrait faire le tri d’images pour nous.

Le logiciel utilise un réseau neuronal convolutif (CNN), qui est un cadre qui permet aux algorithmes d’apprentissage automatique de travailler ensemble pour analyser des images. Ce type de travail s’inscrit dans un domaine interdisciplinaire appelé «vision par ordinateur» qui traite des machines d’entraînement pour identifier et classer les images comme le ferait un humain. Le classificateur CNN doit être formé pour reconnaître les caractéristiques, les couleurs, les formes, les tailles et les motifs uniques associés aux léopards et autres animaux. Nous avons alimenté des milliers d’images pour former le classificateur à reconnaître les léopards de nos sites de terrain avec une certaine précision.

Dans la première étape de l’analyse, le logiciel nous aide énormément en supprimant tout le «bruit» – toutes les images non pertinentes sans les animaux sauvages cibles, ou celles avec des humains ou du bétail. Les pièges photographiques sont souvent déclenchés par le moindre mouvement de feuilles, même qui tombent, conduisant à ce qu’une grande partie des images soit de fausses captures. Selon une estimation de notre plus grand site en 2018, sur un total de 299364 images capturées, seulement 6% environ (17888) des images obtenues concernaient des mammifères, le reste des 94% étant des humains, du bétail, d’autres espèces. et de faux déclencheurs.

La plupart des photographies que nous obtenons sont des animaux qui marchent – à moitié flous ou partiels. Ce léopard a eu la gentillesse de s’asseoir et de poser pour notre caméra-piège.
Crédit photo: Sanjay Gubbi

Pour la deuxième étape, nous avons formé le classificateur pour identifier et séparer les images d’animaux selon les espèces de mammifères sur lesquelles nous nous concentrons. Le classificateur fonctionne actuellement avec une précision d’environ 90% pour l’identification des grands félins (léopards et tigres). Sa précision augmentera en apprenant plus de caractéristiques de ces espèces cibles au fur et à mesure que nous introduisons plus de photographies d’habitats similaires dans le logiciel. Cette précision est très utile car de nombreuses images que nous obtenons sont partielles avec seulement certaines parties du corps, ou avec des motifs obscurcis, sous des angles différents, ou capturées la nuit ou sous un faible éclairage. Actuellement, la précision du classificateur pour certaines espèces distinctes telles que les léopards, les tigres et les porcs-épics est supérieure à celle d’autres espèces telles que le cerf sambar, le dhole, etc. Nous pouvons y remédier en l’entraînant avec des images plus nombreuses et diverses de ces espèces.

À ce jour, nous avons utilisé ce logiciel pour trier plus de 1,6 million de photographies afin d’identifier 363 individus léopards. Avec ce logiciel, notre charge de travail est passée de plusieurs mois à quelques heures. L’effort monumental que nous aurions autrement déployé pour passer au crible ces nombreuses images manuellement a été considérablement réduit. Pour mettre en perspective, le classificateur peut traiter jusqu’à 60000 images en près de la moitié du temps requis par trois chercheurs travaillant à temps plein pendant trois semaines, ce qui nous permet d’économiser beaucoup de temps et d’efforts précieux.

Les individus tigres et léopards peuvent être différenciés en fonction des motifs uniques de leur corps. Remarquez comment les rayures diffèrent entre les tigres le long des flancs, du ventre, du dessous et des jambes. Les rosettes diffèrent entre les léopards dans les formes et la façon dont elles sont regroupées sur tout le corps.
Crédit photo: Sanjay Gubbi

La dernière étape pour nous est d’identifier les léopards et les tigres individuels pour estimer leur population en utilisant une méthodologie statistique appropriée. Pour les animaux qui ont des marques ou des motifs sur leur corps comme le léopard ou le tigre, nous pouvons identifier les individus en faisant correspondre ces marques ou motifs car ils sont uniques à un individu, tout comme les empreintes digitales chez les humains.

Nous comparons les images de léopards et de tigres qui ont été validées et extraites par le classifieur en utilisant un autre logiciel appelé Wild-ID qui extrait des images avec des motifs similaires pour nous les faire correspondre. Ces correspondances automatisées ont une certaine marge d’erreur, nous validons donc manuellement l’ensemble final d’images. Cependant, ce logiciel réduit encore nos efforts pour parcourir près de 900 images pour identifier environ 70 personnes afin de trouver les correspondances initiales. Regarder à travers des centaines d’images d’animaux à motifs peut être extrêmement fatigant pour les yeux, ce qui augmente encore les risques d’erreur humaine.

Nous nous efforçons d’intégrer la technologie et les logiciels pertinents dans différents aspects de notre travail, afin de réduire l’effort manuel et d’obtenir des résultats plus rapides. L’objectif est de minimiser les erreurs, de maximiser l’efficacité tout en optimisant la composante d’effort humain nécessaire à la mise en œuvre d’une étude de recherche à une si grande échelle.

Amrita Menon s’intéresse à la biologie de la conservation et à l’écologie des populations. Elle travaille actuellement en tant que chercheuse affiliée sur le projet de conservation du léopard au Karnataka avec le programme des Ghâts occidentaux au NCF.

Sanjay Gubbi est un biologiste de la conservation dont le travail se concentre sur la conservation des grands carnivores comme les tigres et les léopards. Il travaille actuellement en tant que scientifique et chef de programme avec le programme Western Ghats à la Nature Conservation Foundation.

Phalguni Ranjan est un biologiste marin qui travaille comme communicateur en sciences et en conservation au sein du programme des Ghâts occidentaux de NCF.

Cette série est une initiative de la Fondation pour la conservation de la nature, dans le cadre de son programme Nature Communication pour encourager le contenu sur la nature dans toutes les langues indiennes. Si vous souhaitez écrire sur la nature et les oiseaux, veuillez remplir ce formulaire.

Comment trouver les meilleures offres lors de ventes en ligne? Nous en avons discuté sur Orbital, notre podcast technologique hebdomadaire auquel vous pouvez vous abonner via Podcasts Apple, Podcasts Google, ou RSS, télécharger l’épisode, ou appuyez simplement sur le bouton de lecture ci-dessous.