Le CDRIN et le Centre d’expérimentation et de développement en forêt boréale (CEDFOB) collaborent pour optimiser les inventaires des sites forestiers. Les spécialistes du centre collégial de transfert technologique du Cégep de Baie-Comeau allient leur savoir aux champs d’expertise du CDRIN : la modélisation 3D et la vision.

Le résultat : une méthode de reconnaissance automatisée rendant plus efficace le travail d’inventaire que les compagnies forestières doivent effectuer après les coupes.

Pour assurer la saine gestion des forêts, les compagnies forestières doivent acquérir des données sur l’état du terrain après les coupes. Les inventaires sont réalisés en continu pour que les contremaîtres de chantiers puissent ajuster les opérations afin de respecter les réglementations. C’est ce qui assure un développement durable de la ressource.

Reconstruction 3D (modélisation) d'un secteur forestier

Les efforts combinés du CDRIN et du CEDFOB pour optimiser l’analyse d’images de coupes forestières permettent des avancées technologiques intéressantes pour le secteur forestier.

1. Acquisition de données

L’acquisition des images se fait à l’aide d’une caméra multispectrale apposée sur un drône. Ce type de caméra capture des images ou des vidéos dans plusieurs spectres, ce que l’oeil humain ne peut pas faire.

Exemple de modèle de caméra multispectrale, ici la MICASense RedEdge-M (source de l'image)

En effet, l’humain perçoit les longueurs d’onde dans le spectre du visible :

L’œil humain perçoit les couleurs qui se retrouvent dans le spectre du visible. Cependant, d'autres longueurs d'onde peuvent être exploitées en recherche (source de l'image)

En dehors de ce spectre existe notamment les “UV” (ultraviolet) et les “IR” (infrarouge), ainsi que d’autres longueurs d’onde qui permettent de “voir” la nature autrement.

Les images captées par la caméra multispectrale fournissent des informations très utiles pour détecter des objets invisibles à l’oeil nu. Il est alors possible de tracer plus clairement la ligne entre deux zones, par exemple entre une zone de forêt et une zone de coupe forestière.

La caméra est fixée sur un drone. Des tests sont effectués afin d’obtenir le paramétrage idéal pour améliorer l’acquisition des images du terrain forestier.

Le drone suit un plan de vol programmé. Un pilote certifié le fait voler au-dessus de la zone à étudier. Cette méthode permet d’obtenir une bonne couverture des images. Il est alors possible d’éviter les zones non-visibles ou manquant de précision.

2. Traitement des données : vers une reconstruction 3D

Après la cueillette de données multispectrales sur le terrain débute le travail de visualisation. Les images aériennes sont superposées de manière à produire une carte. C’est ce qu’on appelle l’orthophotographie.

À l’aide de solution logicielle spécialisée comme Pix4D, le programmeur reconstruit un modèle en trois dimensions. Contrairement à une image traditionnelle, il est ainsi possible d’obtenir la profondeur, les hauteurs, etc grâce à cette modélisation 3D.

3. Programmation d’un algorithme de détection

Une fois l’orthophotographie reconstituée et rectifiée, le traitement informatique de l’image peut débuter. Le programmeur utilise les filtres de couleur pour préparer les données en vue de l’apprentissage automatique de la détection de zones caractéristiques: sol, cours d’eau, sentier, forêt, etc.

Une méthode de détection employée est celle de la détection de zones dans l’image ayant des propriétés similaires (Blob detection). Ces zones contiguës ont un même indice de végétation de différence normalisée (Normalized Difference Vegetation Index, NDVI).

Différents NDVI sont calculés par pixel par opération sur les différentes valeurs des bandes spectrales dans une orthophotographie et servent à faire ressortir la végétation saine (celle qui contient de la chlorophylle) par rapport à de la végétation morte ou absente pour un pixel donné dans l’image.

Exemple d’utilisation de la méthode de détection pour définir le degré de défoliation sur un territoire donné, ici en Gaspésie-Îles-de-la-Madeleine (source de l’image)

4. Validation

Une fois l’algorithme paramétré, on obtient des résultats préliminaires qu’il faut comparer à une analyse réalisée par un expert en foresterie pour mesurer l’efficacité de l’algorithme.

Comparaison entre l’interprétation humaine et l’interprétation automatique des bouquets d’arbres.

Nous avons donc utilisé la plateforme ouverte PostGIS et ses différentes fonctions de comparaison pour faire la comparaison des polygones géoréférencés entre les résultats de l’interprétation automatique et ceux de l’interprétation manuelle d’étudiants en technique de foresterie. Le but était de déterminer l'intersection et l’union des polygones pour mesurer la performance de l’algorithme par rapport à des étudiants formés.

Comparaison de deux polygones délimités manuellement et automatiquement dans la plateforme PostGIS

Au terme du projet, les chercheurs constatent une amélioration de la productivité et de l’efficacité.

• Optimisation de la méthode d’acquisition des images pour la réalisation des inventaires forestiers.
• Développement d’un modèle de reconnaissance faisant appel à l’intelligence artificielle.

Les connaissances acquises dans ce projet sont réinvesties dans le programme Techniques de l’informatique :

Deux étudiants ont participé à un stage d'installation de logiciels et d'automatisation des processus pour le projet en foresterie.

Pierre Le Bris et Thibault Beaumont, étudiants en Techniques d'informatique

et en mobilité internationale, lors de leur stage à la session d'hiver 2019.

Pour l’équipe du CDRIN, ce projet dans le secteur forestier contribue au développement de son expertise dans l’utilisation des données pour recréer numériquement des environnements naturels.

Ces reconstructions virtuelles 3D et photoréalistes ouvrent vers différentes avenues, que ce soit dans le milieu de l’industrie, dans les moteurs de jeux ou dans le contexte de développement de formation.

En ce sens, le projet réalisé en collaboration avec les Départements de Technologie minéralogie du Cégep de Thetford et des Techniques d'aménagement du territoire et d’urbanisme du Cégep de Matane montre une utilisation possible de la reconstruction virtuelle de sites naturels dans le domaine de l’éducation.

Si vous aimeriez connaître davantage nos dernières méthodes de prototypages et modélisation 3D, nous vous recommandons de lire notre article sur les Méthodes d'inspection d’éolienne avec l’utilisation de drones. Un projet qui a pu voir le jour avec la participation de l’entreprise novatrice Collineo et la collaboration de Nergica.

Le CDRIN peut vous aider à mener à bien vos projets en intelligence numérique. N’hésitez pas à nous contacter pour toute question.

Experts du CDRIN et enseignants-chercheurs du Cégep de Matane

• Patrick Roussel, ingénieur de systèmes 
• Fabien Raspail, programmeur R-D, modélisation 3D
• Jean-François Couture, programmeur R-D,  vision 

• Jonathan Rousseau, enseignant en Techniques de l’informatique

• Éric Lavoie, enseignant enTechniques de l’informatique

• Arthur Cheramy, Pierre Le Bris et Thibault Beaumont, étudiants en Techniques d'informatique

• Gabriel Fortin, chercheur en biologie au CEFFOB
• Marie-Josée Castonguay, enseignante en Technologie forestière

Partenaire industriel

• Produits forestiers résolu (PFR)

Année du projet

2018-2019

Partenaire financier