La modélisation 3D et la vision au service de la foresterie

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.

Une réponse aux besoins de l’industrie forestière

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.

Ces opérations sont coûteuses et nécessitent une main-d’œuvre qualifiée de plus en plus rare. Compte tenu des enjeux, les entreprises forestières cherchent des solutions pour optimiser la manière de faire les inventaires sur le terrain.

C’est ici que le CDRIN entre en jeu : son expertise dans le traitement d’image et sa spécialisation en intelligence artificielle sont mises à profit pour l’amélioration de la productivité de l’industrie forestière. La modélisation 3D prend donc tout son sens lorsque vient l’optimisation des inventaires

Une méthode optimisée grâce à l’imagerie numérique et à l’intelligence artificielle

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.

Voici les étapes pour développer cette méthode :

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.

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

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.

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.

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.

Des avancées technologiques pour le secteur forestier

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.
Des liens avec le programme Techniques de l’informatique

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

« Dans le cadre du projet Foresterie, j’ai appris à utiliser le logiciel PostGIS, un logiciel de gestion de données spatiales. Les connaissances acquises à propos des bases de données spatiales pourraient être enseignées dans les cours de notre tout nouveau programme d’informatique au Cégep de Matane.» – Éric Lavoie, enseignant en Informatique au Cégep de Matane

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

Les multiples possibilités en modélisation 3D des environnements naturels

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.