Edge Intelligence Artificielle pour une surveillance précise à grande échelle de la biodiversité – SylvanIA

Malgré des objectifs ambitieux de réduction de la perte de biodiversité, l'évaluation de ces changements est un défi majeur. Une meilleure surveillance des écosystèmes reste la seule solution. La surveillance acoustique passive est de plus en plus populaire pour échantillonner différents groupes d'animaux sauvages vocaux. Cependant, ces outils restent limités car le matériel est coûteux et ne donne pas une vision claire des espèces présentes à grande échelle (temporelles et géographiques). Cela est dû au manque de précision dans le positionnement et le suivi de la source sonore; l’impossibilité de l'améliorer et de couvrir de grandes surfaces en distribuant des antennes sonores sur plusieurs capteurs; l’absence de synchronisation globale ultra précise du réseau de capteurs. Les limitations de stockage et de puissance, les enregistrements à haute fréquence d'échantillonnage sont nécessaires pour la détection des espèces, sont cruciales.
Dans SylvanIA (SYnchronized Low power Versatile Acoustic Network with Embedded AI), nous développerons un nouveau paradigme de réseau de détection de la biodiversité pour surveiller et suivre avec précision la biodiversité sur de grandes zones d'étude. Pour cela, nous unirons les chercheurs en développement de matériel et de logiciels, d'écologistes quantitatifs et de biologistes de la conservation, y compris une collaboration avec le département MFFP du ministère du Canada.

Notre objectif est de construire un réseau de capteurs intelligents distribués à faible coût, à faible consommation et précisément auto-synchronisés (innovation 1, par émissions radio et acoustiques de chaque nœud). Chaque nœud aura une large bande de fréquences (innovation 2) et des déclencheurs intelligents polyvalents (innovation 3).
De plus, nous innovons sur les représentations temps-fréquence. En effet la grande majorité des réseaux profonds n'observent pas directement les données de la série temporelle, mais plutôt une représentation ad hoc : la grande majorité des méthodes combinent les DN avec une variante d'une représentation temps-fréquence (TFR), comme des ondelettes ou des sinusoïdes complexes localisés. Il est par exemple courant d'employer des transformées en ondelettes sur des signaux biologiques et un spectrogramme sur des voix. Ces différents TFR ont des précisions différentes. Par conséquent, le choix du TFR a le potentiel d'atténuer ou d'amplifier le contenu bioacoustique précis. SylvaniA va profiter de l'observation synchrone pour adapter par Wigner Ville une décomposition apprenable afin de discriminer les différentes sources en temps et espace et en fréquence, et ainsi optimiser le contenu informationnel des représentations IA des espèces cibles (innovation 4).
Les études pilotes seront menées avec ces nouveaux détecteurs (innovation 5), pour étudier des espèces d'oiseaux (et Orthoptères et Anours) spécifiques très sensibles aux changements climatiques, aux frontières des zones agricoles, des zones humides, et sur le Réseau québécois de surveillance de la biodiversité récemment initié pour mesurer les changements dans les écosystèmes et les communautés compte tenu du changement climatique.
Une carte spatiale et temporelle de la distribution de la diversité acoustique sera faite, permettant d'étudier les stratégies de mouvement et de phénologie à grande et petite échelle spatio-temporelle. La détection sera incluse dans des modèles de détection stochastiques et pour mieux comprendre comment le changement climatique et les pratiques de gestion peuvent transformer le paysage sain. Intégré au Québec et au réseau de surveillance alpine, une bonne diffusion des résultats et un transfert de connaissances vers les gestionnaires du paysage et les politiques locales seront assurés.