Le frelon asiatique est une espèce invasive
Le frelon asiatique Vespa velutina nigrithorax est une menace croissante pour les pollinisateurs en Europe depuis son arrivée accidentelle en 2004. Pour limiter efficacement sa propagation, il est essentiel de détecter et détruire rapidement les colonies au début de la courbe d’invasion.
Cependant, les signalements visuels du public ne sont pas très précis ni suffisants et ne permettent pas de lutter efficacement contre la propagation de l’insecte. Les progrès réalisés dans le domaine de l’intelligence artificielle offrent une solution potentielle à ce problème, mais l’application de cette technologie reste difficile.
Solution proposée : VespAI, un système automatisé de détection des frelons asiatiques
Nous présentons ici VespAI, un système automatisé pour la détection rapide du Vespa velutina. Ce système utilise une approche d’intelligence artificielle assistée par matériel.
Pour les connaisseurs, elle combine une station de surveillance standardisée avec une architecture YOLOv5s profonde et une base ResNet, entraînée sur une chaîne de traitement personnalisée de bout en bout (Mean Precision-Recall Score ≥0.99).
Cette configuration permet au système de détecter les frelons en temps réel et d’envoyer des alertes sous forme d’images via un processeur distant compact.
L’Université d’Exeter en Angleterre a démontré le bon fonctionnement d’un prototype du système sur le terrain et a confirmé sa pertinence pour être déployé à grande échelle dans de futurs cas d’usage. Ainsi, VespAI a le potentiel de transformer notre approche de la gestion des invasions de frelons asiatiques en fournissant un solide système d’alerte précoce pour prévenir leur entrée dans de nouvelles régions.
Les défis posés par la détection manuelle des espèces envahissantes
La détection des espèces envahissantes le plus tôt possible est cruciale pour atténuer leurs impacts et représente souvent la seule opportunité réaliste de prévenir l’établissement d’une population.
Les méthodes traditionnelles telles que les levées manuelles, les pièges et la modélisation prédictive rencontrent des difficultés importantes lorsqu’il s’agit de détecter des insectes sociaux petits et mobiles, qui représentent environ 40% des espèces envahissantes.
L’utilisation de l’Intelligence Artificielle pour résoudre ce problème
- VespAI tire parti des dernières avancées en matière de Deep Learning pour améliorer la précision de la détection des colonies de frelons asiatiques.
- Le système utilise une combinaison de techniques pour analyser rapidement les images capturées par des caméras spécifiquement conçues à cet effet.
- Cette approche permet non seulement une détection plus rapide des colonies, mais aussi une réduction significative des faux positifs et négatifs.
Le deep-learning est une technique d’intelligence artificielle qui enseigne aux ordinateurs à manipuler les données en s’inspirant du fonctionnement du cerveau humain (réseau de neurones).
Impact potentiel de VespAI sur la gestion des invasions de frelons asiatiques
La mise en œuvre de VespAI pourrait avoir plusieurs implications importantes pour la lutte contre les invasions de frelons asiatiques :
- Réduction du coût et des ressources nécessaires pour localiser et contrôler les colonies : VespAI permettrait d’automatiser une partie importante du processus de détection et de signalisation des colonies envahissantes, économisant ainsi du temps et des efforts considérables.
- Amélioration de la précision des estimations de la taille des populations et de leur distribution géographique : Le recours à des algorithmes sophistiqués permettrait d’affiner ces estimations, fournissant ainsi des informations essentielles pour mieux cibler les efforts de lutte contre les invasions.
- Possibilité d’un déploiement rapide dans de nombreux contextes : Le système pourrait être facilement mis en œuvre dans divers pays et régions touchés par les invasions de frelons asiatiques, contribuant ainsi à protéger de nombreuses espèces de pollinisateurs et leurs habitats.
Prédiction des futures invasions de frelons asiatiques
Dans une autre étude, parue dans la revue Nature le 3 avril 2020, des chercheurs ont utilisé des modèles informatiques pour prédire dans quelle mesure le climat est adapté au frelon à pattes jaunes. La « convenance climatique » représente alors la probabilité que le climat soit idéal pour que cette espèce prospère. En moyenne, les modèles ont montré une précision de 90% ± 7% pour prédire cette convenance climatique, ce qui est plutôt bon.
VespAI pourrait permettre de faciliter la détection précoce de la présence du Vespa velutina sur les territoires colorés sur la carte.
En résumé
VespAI représente une avancée importante dans la détection et la gestion des invasions de frelons asiatiques. Son utilisation de l’intelligence artificielle et du matériel spécialisé en fait un outil prometteur pour améliorer l’efficacité des approches traditionnelles de gestion des espèces envahissantes. Les futures applications de cette technologie pourraient remodeler notre capacité à protéger les pollinisateurs et, par extension, les écosystèmes dont ils font partie intégrante. A suivre.
Sources: article publié dans la revue Nature le 3 avril 2024, rédigé par des chercheurs de l’Institut de l’Environnement et de la Durabilité ainsi que de l’Institut pour la Science des Données et l’Intelligence Artificielle de l’Université d’Exeter, au Royaume-Uni, en collaboration avec des chercheurs du Centre pour l’Écologie et la Conservation de la même université ainsi que de l’Institut de Médecine Tropicale de l’Université de Tübingen en Allemagne, présente les résultats d’une étude sur le prototypage du VespAI.
Les auteurs de cet article sont Thomas A. O’Shea-Wheller, Juliet L. Osborne, Peter J. Kennedy, Andrew Corbett et Mario Recker.
Last Updated on avril 4, 2024 by Castagné Guillaume