Imagerie Intelligente par Drone pour la gestion des écosystèmes forestiers tropicaux - I-DROP

Le projet I-drop vise à offrir des solutions innovantes à la start-up Sunbirds dans le cadre du développement de ses activités industrielles. L’objectif est de produire des procédés permettant d’identifier des essences commerciales d’arbres dans le bassin du Congo, et ce à l’aide de drones.
© A. Rival, Cirad
© A. Rival, Cirad

© A. Rival, Cirad

Enjeux

Les plans d’aménagement dans les forêts d’Afrique centrale nécessitent un inventaire des arbres préalable à l’exploitation. Ces inventaires au sol par des équipes de prospecteurs sont longs et fastidieux à réaliser. C’est pourquoi des solutions pratiques sont recherchées. Dans ce contexte, la société Interholco a contacté la start-up Sunbirds, spécialisée dans le déploiement de drones à long rayon d’action. Autour de ce partenariat industriel, un consortium scientifique s’est alors constitué, avec le CEA, le Cirad, l’Université Marien Ngouabi et Nature+. Pour la société Sunbirds, l’enjeu est d’élargir sa gamme de produits issue de drones équipés de capteurs dans les longueurs d’onde visible et infra-rouge.

Descriptif  

Afin d’améliorer la reconnaissance d’espèces commerciales d’arbres dans les forêts tropicales d’Afrique centrale, les scientifiques misent sur le développement de solutions intelligentes par machine learning. La technologie par drones leur permet de constituer de grands jeux de données de terrain, indispensables pour détecter des espèces rares.

La société Sunbirds a mis au point un drone à large champs d’action pouvant voler 8h, et ainsi couvrir de vastes territoires. Cette technologie convient donc parfaitement aux concessions forestières, qui sont très étendues. Afin de conjuguer l’offre technologique et la demande opérationnelle, il a été proposé de développer un outil d’analyse des données obtenus par drones servant à identifier les arbres commerciaux à inventorier.

Le projet s’est concentré sur l’obtention d’un modèle intelligent, permettant d’identifier cinq espèces d’arbres parmi les plus recherchées. La forme, la signature spectrale et la structure de la couronne de chaque espèce ont été cataloguées arbre par arbre sur la zone d’entraînement. Cette base de données a permis au modèle développé par machine learning d’apprendre à reconnaitre chaque arbre de chaque espèce sur de très grandes zones. Le modèle est « ouvert », c’est-à-dire que l’on peut l’enrichir avec de nouvelles espèces si on lui fournit les clés d’identification.

Impacts attendus

A l’issue du projet, la société Sunbirds pourra se développer, en emportant des marchés nouveaux. En outre, les exploitant forestiers pourront faire et refaire des inventaires de façon plus souple, plus rapide et plus économique.

Au niveau scientifique, ces travaux novateurs ouvriront notre recherche sur l’utilisation opérationnelle de drones en forêts tropicales, et développeront les approches par machine learning.

Partenaires contractuels

  • Société Sunbirds
  • Société d’exploitation forestière Interholco (Congo)
  • Commissariat à l’Energie Atomique (CEA) (coordinateur)
  • Université Marien Ngouabi de Brazzaville (Congo)
  • ONG Nature+ (Belgique)