Surveillance automatisée des insectes (AMI)

Dans le cadre d'un consortium AMI mondial, Mila aide les scientifiques à étudier les populations d'insectes dans le monde entier, afin d'apporter des réponses aux crises liées au climat et à la biodiversité.

Logo du projet AMI, accompagné d'une photo d'un papillon de nuit jaune-orange vif sur une feuille.

Contexte

Les insectes représentent environ la moitié de toutes les espèces vivantes sur Terre et jouent un rôle crucial dans tous les domaines, de la pollinisation à la santé des sols. Sans une population d'insectes diversifiée, de nombreuses activités humaines seraient gravement compromises. Malheureusement, en raison d'un certain nombre de facteurs, dont le changement climatique, les populations d'insectes sont en grande difficulté. 

Lancé à l'été 2020 et désormais utilisé sur trois continents, le projet AMI étudie la biodiversité des insectes grâce à des technologies de pointe. Dans le cadre de ce consortium international, Mila contribue à révolutionner la manière dont les insectes sont collectés, identifiés et surveillés grâce à son travail sur le logiciel AMI Data Companion, les algorithmes d'apprentissage automatique, les techniques de détection hors distribution, et plus encore.

Objectifs

On estime qu'il existe 10 millions d'espèces d'insectes sur Terre - et environ 1,4 milliard d'insectes pour chaque être humain (Royal Entomological Society, 2024) - ce qui rend difficiles la collecte et l'étude appropriées des insectes à l'aide des méthodes traditionnelles. Le manque d'expert⋅e⋅s formés dans le monde entier complique encore cette recherche importante.

Le projet AMI contribue à changer cette situation. Grâce à des technologies telles que les caméras à haute résolution, les capteurs à faible coût et les méthodes de traitement basées sur l'IA, la surveillance des insectes est devenue moins exigeante en main-d'œuvre, plus conviviale et plus efficace pour déterminer l'état de santé des populations d'insectes critiques dans le monde entier.

À propos du projet

Comment cela fonctionne-t-il?

Utilisant les caméras d'insectes comme point de départ, le logiciel libre d'apprentissage automatique développé par Mila aide les chercheur·euse·s à évaluer et à utiliser ce que les caméras capturent.

Un détecteur d'objets commence par différencier visuellement chaque insecte dans une image. Un classificateur d'images sépare ensuite les papillons de nuit (l'objet actuel du projet) des autres insectes et soumet les papillons de nuit à un classificateur d'espèces. Enfin, un algorithme de suivi compte le nombre de papillons de nuit sur l'ensemble des images, ce qui permet de dresser un tableau de la santé des insectes dans une zone donnée.

 

Pour faciliter l'utilisation des outils d'apprentissage automatique par les écologistes, le logiciel AMI Data Companion aide les chercheur·euse·s à analyser les données de leurs pièges photographiques. La plateforme web AMI est également en cours d'élaboration. Elle permettra de relever des défis plus vastes liés à la taxonomie, à l'accès aux ordinateurs, à la formation et à la collaboration internationale.

 

Déjà utilisé sur trois continents, AMI est adopté par un large éventail d'organisations écologiques. Grâce à une surveillance complète des insectes, des projets comme celui-ci fournissent aux entomologistes les données dont ils ont besoin pour contribuer à l'élaboration de politiques liées à l'utilisation des terres, au changement climatique et à la conservation.

Photo de David Rolnick

Nous espérons que les données que nos méthodes fournissent aux entomologistes contribueront à mieux informer les décisions relatives à l'utilisation des terres et à l'élaboration de politiques d'adaptation au changement climatique et de conservation. 

David Rolnick, professeur adjoint, McGill University, membre académique principal, Mila

Ressources

Towards a standardized framework for AI-assisted, image-based monitoring of nocturnal insects
Publié dans : Philosophical Transactions of the Royal Society B: Biological Sciences (2024)
Understanding Insect Range Shifts with Out-of-Distribution Detection
Présenté à NeurIPS (Proposals Track)
A Machine Learning Pipeline for Automated Insect Monitoring
Présenté à NeurIPS 2023 (Papers Track)
David Rolnick, Mila : Protéger la biodiversité mondiale grâce à l’IA
Article sur le site web du CIFAR
Un groupe varié de papillons de nuit photographiés par un appareil photo pour insectes.

Équipe

Membres Mila
Membre académique principal
Portrait de David Rolnick
Professeur adjoint, McGill University, École d'informatique
Chaire en IA Canada-CIFAR
Portrait de Michael Bunsen n'est pas disponible
Collaborateur·rice de recherche - McGill University
Portrait de Yuyan Chen n'est pas disponible
Maîtrise recherche - McGill University
Portrait de Aditya Jain
Scientifique en apprentissage automatique, Innovation
Portrait de Anna Viklund n'est pas disponible
Collaborateur·rice de recherche
Autres membres
Juan Sebastian Canas (Alumni)
Fagner Cunha (Alumni)
Léonard Pasi (Alumni)

Partenaires