Australie : Comment l’IA pourrait empêcher la répétition d’incendies de forêt dévastateurs
Les scientifiques australiens se rapprochent de la détection des feux de brousse en un temps record, grâce à des satellites cubiques dotés d’une IA embarquée, désormais capables de détecter les incendies depuis l’espace 500 fois plus rapidement que le traitement traditionnel des images au sol.
Les chercheurs en télédétection et en informatique ont surmonté les limites du traitement et de la compression de grandes quantités d’images hyperspectrales à bord de satellites cubiques plus petits et plus rentables avant de les envoyer au sol pour analyse, économisant ainsi un temps et une énergie précieux.
Des systèmes d’alerte précoce aux modèles d’évacuation, l’intelligence artificielle est à l’origine d’un certain nombre d’innovations prometteuses en matière de réduction des risques de catastrophe. Explorez notre Intelligence artificielle pour la collecte de données sur la réduction des risques de catastrophe.
Cette percée, utilisant l’intelligence artificielle, signifie que les feux de brousse seront détectés plus tôt depuis l’espace, avant même qu’ils ne s’installent et ne génèrent de grandes quantités de chaleur, permettant ainsi aux équipes au sol de réagir plus rapidement et d’éviter les pertes de vies et de biens.
Un projet financé par le SmartSat CRC et dirigé par l’Université d’Australie du Sud (UniSA) a utilisé une technologie d’IA embarquée de pointe pour développer un système de détection précoce de fumée d’incendie économe en énergie pour le premier satellite cube d’Australie du Sud, Kanyini.
La mission Kanyini est une collaboration entre le gouvernement sud-africain, SmartSat CRC et des partenaires industriels pour lancer un satellite CubeSat de 6 U en orbite terrestre basse pour détecter les feux de brousse et surveiller la qualité des eaux intérieures et côtières.
Équipé d’un imageur hyperspectral, le capteur satellite capture la lumière réfléchie par la Terre dans différentes longueurs d’onde pour générer des cartes de surface détaillées pour diverses applications, notamment la surveillance des feux de brousse, l’évaluation de la qualité de l’eau et la gestion des terres.
Le Dr Stefan Peters, chercheur principal en géospatiale à l’UniSA, affirme que, traditionnellement, les satellites d’observation de la Terre ne disposaient pas des capacités de traitement embarquées pour analyser des images complexes de la Terre capturées depuis l’espace en temps réel.
Son équipe, qui comprend des scientifiques de l’UniSA, de l’Université de technologie de Swinburne et de Geoscience Australia, a surmonté ce problème en créant un modèle d’IA léger capable de détecter la fumée dans les limites du traitement embarqué, de la consommation d’énergie et des contraintes de stockage de données des satellites cubiques.
Comparé au traitement au sol de l’imagerie satellitaire hyperspectrale pour détecter les incendies, le modèle d’IA embarqué a réduit le volume de données descendantes à 16 % de sa taille d’origine, tout en consommant 69 % d’énergie en moins.
Le modèle d’IA embarqué a également détecté la fumée d’incendie 500 fois plus rapidement que le traitement traditionnel au sol.
« La fumée est généralement la première chose que vous pouvez voir depuis l’espace avant que l’incendie ne devienne suffisamment chaud et suffisamment important pour que les capteurs puissent l’identifier. Une détection précoce est donc cruciale », explique le Dr Peters.
Pour démontrer le modèle d’IA, ils ont utilisé des images satellite simulées des récents feux de brousse en Australie, en utilisant l’apprentissage automatique pour entraîner le modèle à détecter la fumée dans une image.
« Pour la plupart des systèmes de capteurs, seule une fraction des données collectées contient des informations critiques liées à l’objectif d’une mission. Comme les données ne peuvent pas être traitées à bord de grands satellites, elles sont toutes transmises au sol où elles sont analysées », prenant beaucoup d’espace et d’énergie. Nous avons surmonté ce problème en entraînant le modèle à différencier la fumée des nuages, ce qui le rend beaucoup plus rapide et efficace.
En utilisant un incendie passé dans le Coorong comme étude de cas, l’approche embarquée simulée de Kanyini AI a pris moins de 14 minutes pour détecter la fumée et envoyer les données à la station au sol du pôle Sud.
« Cette recherche montre que l’IA embarquée présente des avantages significatifs par rapport au traitement traditionnel au sol », explique le Dr Peters. « Cela s’avérera non seulement inestimable en cas de feux de brousse, mais servira également de système d’alerte précoce pour d’autres catastrophes naturelles. »
L’équipe de recherche espère démontrer le système embarqué de détection d’incendie par IA en orbite en 2025, lorsque la mission Kanyini sera opérationnelle.
« Une fois que nous aurons résolu tous les problèmes, nous espérons commercialiser la technologie et l’utiliser sur une constellation CubeSat, dans le but de contribuer à une détection précoce des incendies en une heure. »
Voir l’étude
