La sur-pêche, l’appauvrissement des fonds marins ou encore la pollution sont souvent pointés du doigt dans le monde de la pêche. Dans le cadre d’un rapprochement entre l’université d’Alicante et l’institut d’écologie du littoral espagnol (IEL), une plateforme a été développée afin d’apporter une solution à certains de ces problèmes. Deep Fish utilise l’intelligence artificielle pour identifier, mesurer et contrôler les espèces aquatiques exploitées voire surexploitées dans le bassin méditerranéen.
L’objectif du projet : atteindre le “bon état écologique”
Dans le cadre de ce projet, les experts de l’IEL et de l’université d’Alicante ont décidé de se concentrer -dans un premier temps- sur les espèces pêchées dans les alentours de la ville d’Alicante et d’El Campello. Cette zone est incluse dans le réseau Natura 2000 rassemblant les sites naturels de l’Union Européenne ayant une grande diversité de faune et de flore. L’application a été conçue pour reconnaitre notamment le mulet, merlan, denté commun, poulpe, seiche, dorade, rouget, bar et le pageot commun, espèces qui sont exploitées dans le commerce.
Presque toutes ces espèces n’atteignent pas les exigences de “bon état écologique” définies par les plans d’action pour le milieu marin initiés par l’UE. C’est dans ce contexte que Deep Fish a été développée. Il s’agit d’une plateforme de vision artificielle qui permet d’identifier les espèces et leurs données biométriques.
Le projet est dirigé par Andrés Fuster Guilló, chercheur à l’université d’Alicante et directeur du groupe de recherche “Applications d’architectures intelligentes” (AIA). Il reçoit également le soutien de la fondation biodiversité du ministère espagnol de la transition écologique et du défi démographique, à travers le programme High Tide, lui-même cofinancé par la fédération espagnole des municipalités et provinces (FEMP).
Une plateforme mêlant deep learning et vision par ordinateur
L’outil utilise des techniques de vision par ordinateur et d’intelligence artificielle afin de reconnaitre et d’analyser l’ensemble des espèces citées précédemment. Deep Fish a été conçu grâce au deep learning : l’équipe de chercheurs a dû travailler sur différents types de caméra dans le but de s’assurer que le modèle s’imprègne de tout type d’image. Ainsi, il a été nécessaire d’entrainer le modèle quotidiennement avec une quantité élevée de photographies de poissons.
La vision par ordinateur permettra une visualisation rapide de l’espèce que le pêcheur souhaite analyser. Le deep learning sera utilisé afin d’obtenir la taille de tous les spécimens grâce auxquels ils généreront des bases de données en fonction des espèces. Les pêcheurs pourront ainsi savoir quelles espèces sont assez grosses pour être commercialisées et lesquelles devront être relâchées. La quantité de poissons pêchés pourra également être estimée, ce qui visera à ne pas dépasser les quotas exigés par l’UE.
L’ensemble des résultats sera utilisé pour étudier l’exploitation des espèces en accordant une attention toute particulière au “bon état écologique”, principe plus que jamais crucial. Deep Fish facilitera également la gestion des stocks de poissons et permettra de distinguer les espèces commercialisables de celles qui ne le sont pas et d’éviter les potentielles “erreurs” de pêche. L’IEL considère que cette étude est fondamentale pour contrôler l’équilibre naturel des espèces clés pour l’écosystème méditerranéen.
