OCAPI - Observation de la biodiversité par des caméras plus intelligentes | FEREC 2020

OCAPI – Observation de la biodiversité par des Caméras Plus Intelligentes Lauréat de l’appel à projets 20 20 Fondation FEREC « Intelligence artificielle (IA) appliquée aux infrastructures en service » 17 / 30 des Mustélidés, la Genette, le Cha mois, le Ragondin et le Hérisson d’Europe. D’autres cessions de réapprentissage seront réalisées en 2022 et les résultats présentés sur la page internet du projet ‡‡ . A ce stade du projet OCAPI, Cerfs élaphe et Chevreuil sont toujours difficilement distingu és. Toutefois, le Cerf élaphe est encore rare dans la base d’annotation du projet OCAPI. Avec des données communes à celles mobilisées dans OCAPI mais une base d’annotation bien plus importante, le projet Deep Faune parvient à les distinguer (Rigoudy et al. 2022). Les performances sur les classes déjà reconnues avant affinement ne semblent pas altérées bien que nous n'ayons pas testé toutes les classes de véhicules. On peut toutefois noter une amélioration de la détection des humains dans des conditions très contraintes (visibilité d'une partie de jambe uniquement par exemple), des voitures dans des conditions très dégradées (images très floues). La discrimination entre le bétail et la faune sauvage est nettement amélioré (discrimination des chiens et des renards, des chats forestiers et des chats domestiques, des chèvres et des chamois, ...). 3.3 Développement d’une méthode de cartogr aphie de présence d’ongulés Le développement de la méthode de cartographie de présence d’ongulés a été développée par Olivier Gimenez du Centre d’ Écologie Fonctionnelle et évolutive (CEFE), partenaire du projet OCAPI pendant l’été 2021. Le code source de ces développements, commenté et illustré est disponible su r https://oikolab.terroiko.fr/ocapi/ . Le projet OCAPI n’a pu disposer de données issues de réseau de caméras ou de pièges photographiques dans la durée du projet. Le développement méthodologique a donc été réalisé à partir d’un projet de déploiement de réseau de pièges photographiques réel. À partir de ce projet de déploiement de pièges photographiques, des identifications d’ongulés cynégétiques par ces pièges photographiques ont été simulées puis utilisées comme données d’entrée pour calibrer un modèle d’occupation permettant d’établir une cartographie de probabilité de présence des ongulés dans le secteur étudié. Contexte du site d’étude virtuel Depuis 2018, SNCF Réseau Occitanie travail à aménager son réseau classique (lignes non-LGV) pour réduire le risque de collisions avec la grande faune cynégétique, impliquée dans de nombreux incidents et accidents engendrant des retards et subséquemment des pertes en exploitation importantes (Figure 1) . Ces travaux sont conduits en collaboration avec TerrOïko qui, sur environ 500 km de ligne en Occitanie, a réalisé des simulations numériques de dynamiques de populations d’ongulés avec S imOïko (Moulherat 2014, Moulherat et al. 2020). Les simulations ainsi produites servent de support pour le test et le dimensionnement de mesures visant à réduire le risque de collisions entre la grande faune et les trains. Au-delà ‡ ‡ https://www.terroiko.fr/fr/ocapi