Une première étude semi-automatisée à grande échelle de la faune africaine utilise l'imagerie oblique et l'apprentissage profond. L'équipe de recherche menée par Alexandre Delplanque, Boursier FRIA-FNRS au TERRA Teaching and Research Centre (Forest Is Life) de Gembloux Agro-Bio Tech (ULiège) a exploré la synergie d'un modèle semi-automatisé d'apprentissage profond et de caméras obliques pour une meilleure estimation des populations de grands mammifères africains. Leur recherche visait à améliorer l'efficacité et la précision des vols de reconnaissance systématiques traditionnels avec des observateurs assis à l'arrière, qui sont largement utilisés pour surveiller ces populations.

L'approche proposée a fourni des estimations de population plus élevées pour les espèces petites et statiques et des estimations comparables pour les plus grandes. Elle n'a nécessité que 111 heures d'efforts humains pour traiter plus de 190 000 images - une réduction significative par rapport à l'interprétation manuelle - ce qui rend les enquêtes par caméra sur la faune plus efficaces et plus rentables.

Cette étude marque une étape importante vers l'intégration de l'IA dans la surveillance de la faune, suggérant une évolution future vers des enquêtes aériennes assistées par l'IA pour plus d'efficacité et de sécurité, en particulier avec des avions ULM.

Lire l'article, publié dans Ecological Informatics.