Traditionnellement, lorsque les chercheurs voulaient connaître le nombre de fleurs disponibles pour les pollinisateurs dans un endroit donné, ils devaient se rendre sur le terrain et en faire l'inventaire. Bien que ces efforts soient extrêmement utiles, ils prennent beaucoup de temps et sont difficiles à mettre en œuvre à grande échelle. Pour y faire face, Sookhan et ses collaborateurs ont développé un système informatique automatisé capable d'identifier différentes espèces de fleurs sauvages à partir de photos aériennes, ce qui pourrait faciliter la surveillance des habitats importants des pollinisateurs.
L'équipe a fait voler des drones à différentes altitudes au-dessus des prairies, prenant des milliers de photos superposées qui ont été assemblées pour former des cartes détaillées. Ensuite, un programme d'intelligence artificielle spécialement formé a analysé ces cartes pour repérer et classer les fleurs selon leurs couleurs et leurs formes.
Le système automatisé de Sookhan et de ses collaborateurs s'est avéré très précis dans l'identification des fleurs, en particulier des solidagos jaunes, qui ont été repérées correctement dans 82 % des cas. D'autres fleurs, comme les asters blancs et violets (Symphyotrichum), ont également été bien identifiées, ce qui rend la méthode fiable pour l'étude rapide de grandes zones.
Cette toute nouvelle méthode de drone permet de surveiller des zones beaucoup plus vastes en moins de temps, ce qui permet de suivre l'évolution des populations de fleurs et de mieux surveiller les habitats des pollinisateurs. Cette méthodologie utilise notamment des drones grand public, ce qui suggère un fort potentiel de reproductibilité dans d'autres domaines.
Sookhan, N., Sookhan, S., Grewal, D., & MacIvor, JS (2024). Automatisation des inventaires floraux sur le terrain grâce à l'apprentissage automatique. Ecological Solutions and Evidence, 5(1), e12393. https://doi.org/10.1002/2688-8319.12393 (OA)
Posté sur Bluesky, Mastodonte & Threads.
