Important: The GCConnex decommission will not affect GCCollab or GCWiki. Thank you and happy collaborating!
L’IA au secours des baleines en voie de disparition
(English: Using AI to save endangered whales)
Les ordinateurs peuvent apprendre à reconnaître le son des baleines en voie de disparition. Le MPO a élaboré un modèle de prévision pour identifier les baleines noires de l’Atlantique Nord à partir de données acoustiques sous-marines. Les connaissances acquises à partir du modèle peuvent servir à élaborer un système d’alerte pour empêcher les navires de heurter mortellement cette espèce en voie de disparition.
Le défi
La baleine noire de l’Atlantique Nord (BNAN) est l’une des espèces de baleines les plus menacées, puisqu’il n’en reste que 366 environ dans le monde. En 2017, 12 d’entre elles sont mortes dans le golfe du Saint-Laurent. Ce taux de mortalité élevé est principalement dû aux collisions avec des navires et à l’empêtrement dans les engins de pêche.
Pêches et Océans Canada (MPO) a alors mis en place des mesures de protection, comme la réduction de la vitesse des navires, la fermeture des pêches et des investissements dans de nouvelles technologies acoustiques, afin d’éviter que de tels événements ne se reproduisent.
La surveillance acoustique passive (SAP) est une méthode d’observation dans laquelle on déploie des hydrophones dans l’océan pour capter les sons du milieu environnant. Deux à quatre fois par an, des experts en acoustique des mammifères marins recueillent les enregistrements des hydrophones. La surveillance acoustique passive est devenue un outil crucial pour l’observation des baleines en voie de disparition.
Actuellement, l’analyse des données acoustiques est effectuée manuellement par des experts en acoustique des mammifères marins. Cependant, la reconnaissance manuelle est délicate, exige beaucoup de ressources et de temps, et très peu de scientifiques peuvent la réaliser à la volée.
La solution
Les hydrophones déployés peuvent détecter les chants des baleines et transmettre ces informations en temps quasi réel, fournissant ainsi des informations continues 24 heures sur 24 pendant la saison. L’automatisation du processus d’analyse des données acoustiques peut permettre de détecter les baleines noires de l’Atlantique Nord en temps quasi réel. L’idée principale est « d’apprendre » à un ordinateur à reconnaître les chants de la baleine noire de l’Atlantique Nord à partir des enregistrements acoustiques en repérant des profils particuliers dans les données. Un tel outil peut réduire considérablement, de 14 jours à 4 ou 5 heures, le temps nécessaire aux biologistes marins pour effectuer une analyse manuelle des données acoustiques [2] .
Appuyée par le Fonds de résultats pour l’exercice 2020-2021, une validation de principe a été élaborée pour un modèle prédictif permettant de détecter automatiquement les cris d’appel des baleines noires de l’Atlantique Nord dans les données acoustiques. Le problème de détection est formulé comme un problème de classification d’images binaires où l’image est un spectrogramme. Un spectrogramme est une représentation visuelle du spectre des fréquences d’un signal à mesure qu’il varie dans le temps. Il est considéré comme une méthode efficace pour représenter les chants des mammifères marins.
La validation de principe est élaborée à l’aide de la boîte à outils Open Source Ketos [3], fournie par l’Université Dalhousie, pour l’analyse acoustique sous-marine. L’équipe d’IA du MPO a également collaboré avec des chercheurs de l’Université Dalhousie afin d’améliorer la précision du modèle de prévision pour différencier deux types de baleines : baleines à bosse et baleine noire de l’Atlantique Nord.
À terme, l’objectif consiste à mettre au point un système qui surveillera les sons émis par un réseau d’hydrophones, toutes les heures, pour détecter les baleines et envoyer un avertissement en temps réel aux navires pour qu’ils ralentissent ou modifient leur trajectoire, lorsque des baleines sont présentes.
