Leveraging Artificial Intelligence for Large-Scale Plant Phenology Studies From Noisy Time-Lapse Images. C’est le titre d’un nouvel article signé par le professeur Wassim Bouachir, du Département ST, en collaboration avec des chercheurs du Centre de foresterie des Laurentides (RNCan) et du Centre d’étude de la forêt (UQAM). L’article vient d’être publié dans la revue IEEE Access.

Résumé
Dans le but d’analyser les effets des changements climatiques sur la phénologie des forêts, les écologistes utilisent des caméras à prises de vue à intervalle (en anglais, time-lapse cameras), permettant de capturer des séquences temporelles d’images d’arbres forestiers. Puisque l’observation des arbres dure plusieurs semaines consécutives, l’analyse subséquente des images collectées représente une tâche fastidieuse pour les chercheurs. Cette analyse manuelle devient particulièrement longue et sujette à l’erreur lorsqu’il s’agit d’études à grande échelle.

Pour automatiser l’analyse et l’interprétation des séquences temporelles d’images, ce travail propose une méthode de vision par ordinateur basée sur des techniques de traitement d’images et d’apprentissage profond. Les séquences d’images ont d’abord été collectées à travers un vaste réseau pancanadien de caméras installées dans les forêts. La méthode permet ensuite de détecter automatiquement les différents stades de débourrement (développement de bourgeons) des arbres.

L’algorithme proposé est extrêmement plus rapide et précis que les analystes humains, réduisant de jours en minutes le temps de traitement des séries chronologiques d’images. En regroupant les données de plusieurs sites et années, il devient possible d’étudier le lien entre le climat et la phénologie des arbres forestiers à travers la forêt boréale canadienne.

Article en accès libre sur IEEE Access.

Site Web du projet

Le Carrefour, le journal interne de l’Université TÉLUQ
Service des communications et des affaires publiques