Discrimination automatique par Intelligence Artificielle des Palmiers et Observations Satellitaires en THR
L’intensification écologique est une piste de recherche face aux grands défis mondiaux visant à nourrir la population humaine dans le futur. Elle peut passer, entre autres, par la conservation d’arbres et de palmiers utiles. Pour cela, de nouvelles méthodes doivent être mises en place pour identifier les zones d’occurrence de ces ressources végétales, mais aussi des ressources indésirables envahissantes qui peuvent porter préjudice aux cultures. Dans ce contexte, nous avons choisi de travailler sur un modèle qui est à la fois une espèce utile et envahissante, monocaule et qui présente de larges couronnes circulaires (LCC) de plus de 6m de diamètre : le palmier babaçu (Attalea speciosa Mart. ex Spreng.), espèce native des forêts denses humides de l’Amazonie brésilienne qui se maintient dans les agrosystèmes après le défrichement de la forêt. Au Brésil, il se répartit sur près de 200.000 km² (May et al., 1985), est répertorié par l’Institut brésilien de géographie et contribue à l’économie de certains états (Ferreira, 1999). Il est exploité par une population de travailleurs ruraux à faibles revenus (Mitja et Ferraz, 2001). De plus, du fait de son caractère invasif les propriétaires de grandes fermes souhaitent s’en débarrasser. Enfin ce palmier peut abriter la punaise vecteur de la maladie de Chagas très présente en Amérique Centrale et du Sud. Concilier le développement social, sanitaire et économique avec la conservation des ressources est un réel défi qui se fonde de plus en plus sur la disponibilité de données de qualité et sur des outils aptes à extrapoler.
La disponibilité actuelle d’images satellitaires THR submétriques augmente considérablement la pertinence de la télédétection en sciences de la plante (Engler et al., 2013), notamment en forêt non cultivée où la répartition spatiale des essences n’est pas régulière. Il est parfois non seulement pertinent mais nécessaire d’utiliser la THR en foresterie pour établir dans des délais courts, des plans de gestion durable des ressources naturelles qui se fondent sur une estimation quantitative des arbres individuels et de leur distribution spatiale. Néanmoins, dans ce cas, les chaînes algorithmiques de traitement d’images THR restent peu nombreuses et souvent en phase de développement ou de prototypes. Ce projet trouve toute sa place dans le cadre de la mission Pléiades en vol et de futures missions d’observation optique Très Haute Résolution à l’étude, en fournissant une solution générique de détection des arbres en général en tant qu’individus, et des recommandations sur les résolutions spatiales pour localiser les palmiers en particulier.
Thématique
Ce projet propose de tester une nouvelle approche de reconnaissance d’objets palmiers/arbres avec une intégration hybride de plusieurs techniques issues de l’Intelligence Artificielle : (1) utilisation de la programmation par contraintes (PPC) pour segmenter les zones d’intérêt de l’image en éliminant les zones qui ne satisfont pas les propriétés géométriques des objets, (2) simulation d’images variées de l’objet par le modèle DART, à partir de maquettes 3D du palmier produites par le modèle Xplo/PRINCIPES, intégrés dans des motifs paysagers, (3) apprentissage et paramétrage d’un réseau neuronal convolutif (RNC) appliqué ensuite à la reconnaissances des objets dans une image réelle (Pléiade, WorldView et drone) Les résultats obtenus sur les images seront validés par photo-interprétation et en lien avec les données récoltées sur le terrain. Une approche itérative vers la simulation et l’apprentissage-reconnaissance sera activée. Des cartes de densité du palmier seront alors produites à destination de la société civile.