Les espèces envahissantes, aussi connues sous l’appellation d’espèces introduites, étrangères ou exotiques, posent l’une des plus grandes menaces à la biodiversité. Ces espèces ne sont pas indigènes ni ne proviennent d’une région particulière et peuvent sérieusement altérer ou perturber la biodiversité des écosystèmes d’origine, ce qui peut entraîner des dommages économiques et environnementaux considérables.

CGI est reconnue pour aider ses clients à tirer le plein potentiel des analyses avancées et de l’apprentissage machine pour identifier et créer de nouvelles opportunités. L’agence des infrastructures de transport de Finlande, qui possède un volume énorme et diversifié d’images et de registres de données, était fébrile à l’idée d’exploiter l’expertise de CGI pour résoudre ses problématiques environnementales.

Afin d’aider l’agence dans ces efforts de prévention de la perte de biodiversité, les experts de CGI ont mis au point une solution fondée sur l’apprentissage machine pour l’agence afin d’identifier les espèces envahissantes le long des routes.

« Les espèces envahissantes sont un problème environnemental de plus en plus préoccupant, peut-être même plus que ce à quoi on s’attendait. Par exemple, les lupins sont devenus si communs que peu de gens réalisent à quel point ils sont nocifs. La solution de CGI nous permet d’identifier les espèces envahissantes le long des routes, ce qui, à l’avenir, nous aidera à cibler nos mesures de façons plus efficaces, pour une plus grande portée », explique Marketta Hyvärinen, experte environnementale pour l’agence des infrastructures de transport de Finlande. 

L’apprentissage machine au service du paysage

L’agence des infrastructures de transport de Finlande possède des centaines de millions de photos des routes du pays, ainsi que plusieurs canaux de collecte de données, tels que des caméras météo et des entrepreneurs qui génèrent continuellement de nouvelles images pour les archives de l’agence. L’automatisation de l’identification des photos et le croisement de données avec, par exemple, un registre de données sur les zones de plantation, rend possible la cartographie de l’étalement végétal, auparavant invisible pour l’agence, des espèces envahissantes et permet d’en faire un suivi automatiquement.

Tout d’abord, le système de vision a dû « apprendre » ce qu’il devait reconnaître. « À cette fin, nous avons besoin d’autant de photos que possible, d’autant d’angles que possible. Ainsi, la machine apprendra à identifier les éléments caractéristiques des plantes. Ce processus d’apprentissage exige un nombre incroyable de répétitions. La machine est capable d’identifier très précisément les plantes désignées après seulement quelques centaines de répétitions », précise Jari Turkia, scientifique principal, science de données, CGI en Finlande.

Les photos de l’archive incluent des données de géolocalisation correspondantes à l’endroit et au moment où elles ont été prises. Les observations sont alors numérisées et enrichies des données pertinentes.

« Grâce aux données générées par la solution de CGI, nous serons mieux informés à propos des zones d’apparition des espèces envahissantes et de leur ampleur. Avec cette solution, nous serons en mesure de contrôler la planification des opérations de coupe et d’attribuer du travail aux entrepreneurs », souligne Mme Hyvärinen.

S’adapter aux besoins futurs

« Le service de reconnaissance d’images que nous avons mis au point a été conçu pour s’adapter facilement à d’autres besoins. À l’avenir, les analyses d’images pourront être utilisées afin de vérifier le bon fonctionnement des drains pluviaux, quels panneaux de signalisation ont besoin d’entretien, et quels segments de route ont été endommagés durant la saison de la boue », lance M. Turkia.