Les nouvelles technologies vont surveiller la prolifération des cyanobactéries

Caméras intelligentes et intelligence artificielle (IA) : une nouvelle façon de suivre la prolifération nuisible des cyanobactéries dans nos lacs

Si elles semblent inoffensives, ces micro-organismes peuvent libérer des toxines qui mettent en danger les nageurs, les animaux domestiques, le bétail et même notre eau potable.

Le changement climatique rend ces proliférations plus fréquentes et imprévisibles, exerçant une pression supplémentaire sur la gestion de l’eau et les efforts de protection de l’environnement.

Une détection plus rapide pour des eaux plus sûres

Les chercheurs du LIST ont mis au point une solution innovante qui combine une technologie terrestre et une intelligence artificielle avancée pour détecter en temps quasi réel les proliférations de cyanobactéries nocives.

En déployant des pièges photographiques autour du lac, des images de la surface de l’eau sont capturées automatiquement toutes les heures et envoyées aux chercheurs du LIST pour une analyse immédiate. Cela permet une compréhension beaucoup plus détaillée et rapide de la dynamique des proliférations que les méthodes de surveillance traditionnelles, qui reposent souvent sur des prélèvements d’eau occasionnels ou des images satellites limitées par la couverture nuageuse et les fréquences de passage.

Une IA qui apprend à repérer les problèmes

Le système repose sur deux éléments clés : des pièges photographiques automatisés et l’apprentissage automatique. Les caméras, placées à des endroits stratégiques, photographient en continu la surface du lac. Ces images sont analysées à l’aide de YOLO (You Only Look Once), un algorithme de détection d’objets à la pointe de la technologie. L’IA identifie et localise les proliférations de cyanobactéries, fournissant des informations exploitables en temps quasi réel.

Pour entraîner l’IA, les chercheurs ont créé un ensemble de données soigneusement annoté comprenant plus d’un millier d’images prises à différents moments de l’année et à partir de plusieurs endroits. Chaque prolifération a été marquée avec précision, et l’IA a appris à distinguer les algues nocives des reflets, des ombres et autres bruits visuels. Des outils d’IA explicables tels que Grad-CAM mettent en évidence ce que le système « voit », aidant les chercheurs à affiner leurs prévisions et à réduire les erreurs.

Des alertes précoces pour de meilleures décisions

Cette approche de surveillance automatisée permet de mettre en place des systèmes d’alerte précoce qui profitent aussi bien aux autorités publiques qu’aux gestionnaires de l’eau et aux exploitants de lacs. Les autorités peuvent agir rapidement pour protéger la santé publique, tandis que les acteurs industriels et récréatifs acquièrent des connaissances pour une utilisation sûre et responsable de l’eau.

Grâce à l’installation de caméras supplémentaires et à la collecte de milliers de nouvelles images, les modèles d’IA s’améliorent continuellement. Ces ensembles de données permettent aux chercheurs de cartographier plus précisément les schémas de prolifération, qui peuvent ensuite alimenter les modèles prédictifs. Cette approche prospective permet aux gestionnaires des lacs d’anticiper les proliférations, plutôt que de réagir après coup, ce qui facilite la planification environnementale et opérationnelle à long terme.

Cet article est basé sur « Fully Automated Detection of Harmful Cyanobacteria Blooms in Lakes Using Photo Traps and Machine Learning » (Détection entièrement automatisée des proliférations de cyanobactéries nocives dans les lacs à l’aide de pièges photographiques et de l’apprentissage automatique), par Jean-Baptiste Burnet et Olivier Parisot, publié dans ERCIM News, article thématique spécial, p. 33. Article complet : https://ercim-news.ercim.eu/images/stories/EN143/EN143-web.pdf

Texte et visuel du Luxembourg Institute of Science and Technology (LIST)