Développement d'un outil de reconnaissance automatique des espèces ligneuses tropicales

Abstract

La reconnaissance des arbres est un préalable à la gestion durable des forêts tropicales. Elle est toutefois rendue complexe par la multitude d’espèces et la difficulté d’observer de près les principaux organes discriminants. Le Deep learning associé à un outil simple d’accès tel que le téléphone, adapté pour la prise d’images d’écorces pourrait être une technologie particulièrement prometteuse. L’objectif de ce travail est donc la création d’un outil préliminaire d’intelligence artificielle de reconnaissance d’espèces d’arbres tropicaux. Pour ce faire, une base de données d’images d’écorces de 20 espèces d’arbres d’Afrique centrale a été créée. Sur base de ce jeu de données, un modèle de classification utilisant le réseau de neurones convolutifs ResNet 18 a été créé. Il en résulte une base de données de 56 000 images contenant 20 classes. Les performances de reconnaissance du modèle sont élevées avec 81,3% d’exactitude avec une tendance à la confusion pour les espèces ayant des caractéristiques morphologiques similaires. Cet outil montre des potentialités d’avenir élevées pour des bases de données plus larges et plus complexes. Cependant, augmenter drastiquement le nombre d’espèces étudiées demandera une complexification des technologies utilisées.