Dans le cadre d’une recherche sur la protection de la biodiversité et la gestion durable des ressources naturelles, nous avons expérimenté les capacités d’apprentissage d’un modèle d’IA spécialisé en reconnaissance d’image.

Le modèle IA utilisé : YOLOv10, « You Only Look Once ».

YOLO est réputé pour sa capacité à effectuer la détection d’objets de manière extrêmement rapide et efficace.

Le défi à relever ? Détecter et suivre des abeilles !

La difficulté ? Insecte avec un déplacement rapide et erratique.

De base, le modèle YOLO ne détecte pas les abeilles.

Il faut donc l’entraîner spécifiquement pour cette tâche.

Pour cela, il faut « montrer » au modèle des images contenant des abeilles.

Cette étape s’appelle « l’annotation de données » ou « étiquetage de données ».

Pour procéder à l’annotation des images, j’ai utilisé « Label Studio ».

Label Studio est un outil open-source destiné à l’annotation de données, principalement utilisé dans les projets d’apprentissage automatique (machine learning).

Une fois la phase d’annotation terminée, Label Studio génère une « base de données » qui servira à l’entraînement du modèle.

Côté matériel, il est préférable d’avoir une machine équipée d’un GPU (carte graphique spécifique).

Pas besoin d’un GPU récent, ça fonctionne parfaitement avec une carte NVIDIA GTX1070.

On peut donc lancer la phase d’apprentissage (code Python)

À l’issue de cette phase, on obtient un modèle capable de détecter les abeilles !

Il suffit alors d’écrire un programme en Python utilisant notre nouveau modèle pour détecter, tracer, et même compter nos abeilles en temps réel.

Les usages appliqués à la biodiversité sont nombreux :
✔ Surveillance de la faune
✔ Surveillance des forêts et des incendies
✔ Agriculture durable
…

La reconnaissance d’image et l’IA sont des domaines en pleine croissance, avec un potentiel énorme.

Ces technologies pourraient grandement contribuer à la gestion durable des ressources naturelles.