Le Japon Relance La Chasse Commerciale À La Baleine, La Technologie Veut Les Sauver
Le Japon a repris cette année la chasse commerciale à la baleine pour la première fois depuis plus de 30 ans, après avoir été restreint par un traité international. Récemment, une équipe baleinière japonaise a terminé son voyage inaugural, tuant 233 baleines. Derrière cet incident, semble préfigurer le destin tragique de la baleine. Comment pouvons-nous protéger efficacement les baleines et éviter qu’elles ne deviennent une espèce en voie de disparition ? Quel rôle la technologie de l’IA peut-elle jouer dans ce domaine ?
À partir de septembre, la ville côtière de Taiji, au Japon, commence sa saison annuelle de chasse à la baleine. C'est la première fois depuis plus de 30 ans que le Japon reprend la chasse commerciale à la baleine.
Afin de protéger les baleines d'une chasse excessive, la Commission baleinière internationale a été créée en 1948. Le Japon y a adhéré en 1951. En 1986, la Commission a adopté Interdiction mondiale de la chasse à la baleine, interdisant aux parties contractantes de se livrer à la chasse commerciale à la baleine.
Le Japon, qui possède une longue culture de la chasse à la baleine, a testé à plusieurs reprises les limites de la convention. En décembre 2018, le Japon a annoncé son retrait de l’organisation. Selon la réglementation, ils ne seront plus limités par la convention après le 30 juin de cette année.
Selon des rapports récents, ils ont tué 233 baleines et capturé 1 430 tonnes de viande de baleine lors de leur premier voyage après la reprise de la chasse commerciale à la baleine... Derrière ces chiffres choquants, on ne peut s'empêcher de penser à la scène sanglante du documentaire "The Cove".
Bien qu’elles soient les plus grands animaux de l’océan, les baleines restent fragiles et insignifiantes dans leur lutte contre les prédateurs. En raison de la valeur d'usage de la viande, de la graisse, de la peau et de divers organes de baleine pour les humains, face aux intérêts, cet énorme corps n'est rien de plus qu'une marchandise.
La chasse à grande échelle pratiquée par les humains a autrefois poussé de nombreuses espèces de baleines au bord de l’extinction. Afin de permettre à cette créature énorme mais fragile de se déplacer librement dans la mer, diverses méthodes techniques ont été utilisées, et la technologie de l'IA apporte également certaines contributions à cet égard.
Il est difficile de dénombrer précisément le nombre et la population de baleines. De plus, leurs habitudes de vie et leurs schémas de migration constituent également une difficulté pour la recherche. Mais avec l’application de multiples technologies d’IA, ces problèmes sont résolus un par un.
Chercheurs espagnols : utiliser CNN pour les statistiques démographiques
Baleines dans l'océanStatistiques précises sur les nombres et les populations,Cela aidera les scientifiques à mener des recherches sur les baleines et à mieux les protéger.
Mais identifier et compter les baleines dans ce vaste océan est un grand défi. C'est pourquoi certains chercheurs ont commencé à utiliserL'imagerie satellitaire et aérienne, avec l'aide de l'apprentissage profond et d'autres technologies,Réalisation de recherches statistiques sur les baleines près de la surface de l’océan.
Dans un article récent publié dans la revue Science Report, un groupe de scientifiques espagnols a fait exactement cela. Ils utilisentRéseaux de neurones convolutifs (CNN)Le modèle construit peut aider efficacement à identifier et à déterminer la population et le nombre de baleines.
Pour identifier les baleines sur des images aériennes ou satellites, il faut surmonter de multiples difficultés, telles que le manque d'ensembles de données, des facteurs de confusion tels que les navires, les rochers et la mousse, le comportement et la posture des baleines sur l'eau et les interférences causées par les nuages, la lumière, la qualité de l'eau, etc.
Dans cette étude, les scientifiques ont conçu un modèle d’apprentissage profond en deux étapes basé sur CNN. Le premier CNN Rechercher des images d'entrée avec la présence de baleines, et exclure les interférences des navires, des rochers, etc. le deuxième CNN Localisez et comptez chaque baleine dans ces images.
Afin de permettre au système d'identifier avec précision les baleines, ils ont utilisé des données ouvertes telles que Google Earth, Arkive, la photothèque NOAA, etc. pour créer un ensemble de données annotées de haute qualité. Des images satellite et aériennes de différentes résolutions ont été utilisées respectivement pour détecter la présence de baleines, compter le nombre de baleines et tester et valider le processus global.
L'article utilise égalementApprentissage par transfert et augmentation des données, pour améliorer l'efficacité de la formation CNN et augmenter la robustesse et la capacité de généralisation du CNN.
La première étape consiste à construire un modèle de classification d’images.Construit à l'aide de la dernière version de l'architecture CNN GoogleNet Inception v3,Il a été pré-entraîné sur ImageNet et a finalement été capable d'identifier rapidement les baleines sur les images et d'exclure les débris qui pourraient être mal identifiés.
La deuxième étape est le modèle de comptage des baleines.Un R-CNN plus rapide basé sur l'architecture CNN Inception-Resnet v2 a été utilisé.Pré-entraîné sur l'ensemble de données COCO. Le modèle analyse uniquement les cellules où il existe une forte probabilité qu'une baleine soit présente, localise chaque baleine dans une boîte englobante et génère le nombre d'individus comptés.
Dans la preuve de concept, le modèle a analysé 10 points chauds de baleines à travers le monde représentés par 13 348 cellules de grille à l'aide d'une fenêtre coulissante de 71 × 71 m (environ deux fois la taille d'une baleine bleue) et a généré la probabilité de détecter une baleine dans chaque cellule.
Les résultats finaux ont montré que le système était capable de détecter et de compter les baleines lors d'un test d'imagerie Google Earth dans 10 points chauds d'observation des baleines.Leur performance (mesure F1) est respectivement de 81% et 94%,Comparé au modèle de détection de base seul,Ce modèle a amélioré la précision de 36 %.
Google : utiliser la reconnaissance vocale pour comprendre les habitudes comportementales
Outre la perspective des images satellites, l’apprentissage automatique dispose également de moyens uniques pour protéger les baleines en termes d’analyse des empreintes vocales.
Les cris des baleines peuvent être transmis à des centaines de kilomètres sous l'eau, et différents sons contiennent des informations différentes, ce qui leur permet de communiquer avec des compagnons éloignés. Google a enregistré le « chant » de ces baleines à l’aide d’un équipement de collecte sous-marin.
Dans le cadre du projet « AI for social good » lancé par Google, une étude est menée sur la protection des baleines à bosse. Chercheurs de Google et experts en baleines marines,Un « réseau de surveillance » des sons sous-marins a été établi, utilisant l’apprentissage automatique pour suivre les mouvements des baleines grâce à leurs empreintes vocales.
Mais pour le vaste monde sous-marin, les informations sonores qu’il contient sont également extrêmement vastes. Lors de l'enregistrement des sons des baleines, beaucoup de bruit s'accumule également.
Google a développé des modèles d’algorithmes capables de filtrer ces informations parmi l’énorme quantité de données d’enregistrement.Utilisation de l’analyse des informations d’empreinte vocale pour identifier les appels des baleines,Et a également établi un réseau neuronal profond,Identifiez automatiquement les espèces de baleines dans les enregistrements.
En convertissant les sons surveillés en spectrogrammes, des empreintes vocales spécifiques de baleines peuvent être trouvées à partir de ces spectrogrammes. Il y a quelque temps, ils ont lancé cette réalisation sous la forme d'un outil de site Web. Grâce à cet outil, ils peuvent visualiser l’audio sous-marin à grande échelle et découvrir les détails des sons sous-marins.
Le modèle utilisé par Google dans cette étude est ResNet-50 , en utilisantApprentissage supervisé, formé avec des données étiquetées : l'algorithme a vu des exemples de sons étiquetés (c'est-à-dire : c'est une baleine à bosse, ce n'est pas une baleine à bosse) à l'aide de spectrogrammes. Plus l’algorithme apprend d’exemples, mieux il reconnaît ces sons. Enfin, le modèle peut déterminer si certains clips contiennent Plus de 90 % de précision et 90 % de rappelLes baleines à bosse existent.
Grâce à ces méthodes, il est possible de suivre les changements dans les habitudes des baleines à bosse qui sont cohérents avec la réalité. Par exemple, les populations de baleines à bosse restent près de l’Alaska en été et migrent vers les îles hawaïennes pour se reproduire et mettre bas en hiver.
Cette recherche pourrait nous aider à comprendrecomportements et schémas de migration,Afin de soutenir les stratégies ultérieures de protection des baleines.
La technologie au service du bien, que les baleines ne disparaissent jamais
Les premières baleines sont apparues il y a environ 50 millions d’années. Cette espèce, qui a survécu avec ténacité aux lois de la nature, est devenue le plus grand animal du monde après un long processus d'évolution.
Les humains ont commencé la chasse commerciale à la baleine il y a des centaines d’années. Au XXe siècle, avec la prospérité de l’industrie baleinière, les baleines ont été chassées à grande échelle et de nombreuses espèces de baleines sont devenues menacées. À ce jour, des dizaines d’espèces de baleines ont complètement disparu. En 1961, pendant l’une des saisons de chasse à la baleine les plus folles,Pas moins de 66 000 baleines ont été tuées.
Avec des outils de chasse à la baleine de plus en plus perfectionnés, même les plus grandes baleines ne peuvent résister à la cupidité humaine.
Heureusement, nous voyons également de plus en plus de technologies et d’équipes s’efforcer de protéger les baleines. J’espère que davantage de technologies de ce type pourront émerger, afin que nos descendants ne puissent pas seulement voir des baleines dans les archives historiques.
-- sur--