Projets
SpIDAI
Design of an intelligent tool for semantic segmentation and sketch-photo matching of spider genitalia to aid taxonomic identification
La perte de biodiversité progresse à un rythme sans précédent, rendant urgente l'amélioration de l'identification des espèces et de la récupération des données issues des collections institutionnelles. Les araignées, indicateurs clés de la santé des écosystèmes, présentent des défis taxonomiques importants en raison de leur identification basée sur la morphologie génitale complexe, traditionnellement documentée par des croquis en 2D difficiles à interpréter pour les non-experts. Bien que les musées conservent d'essentielles collections historiques et contemporaines, le maintien de bases de données présentant une taxonomie à jour est freiné par le manque d'expertise spécialisée et la lenteur des vérifications manuelles.
Pour lever ces obstacles, ce projet propose de développer un outil d'analyse morphologique et d'identification des araignées assisté par IA, établissant un pont entre les collections d'histoire naturelle et les technologies de pointe. En se concentrant sur des taxons africains d'importance écologique comme cas d’étude, le projet générera des milliers d'images composites à haute résolution par microscopie motorisée, utilisant un outil matériel ad hoc pour standardiser le positionnement des spécimens et leur genitalia.
Le succès de ce programme ambitieux repose sur un partenariat robuste et complémentaire entre le Musée royal de l'Afrique centrale (MRAC) et l'Université de Mons (UMONS). Ce consortium forme une équipe cohérente où l'expertise en taxonomie et en gestion de collections s'intègre parfaitement à l'innovation technique de haut niveau. Les dernières avancées en vision par ordinateur seront exploitées pour développer des modèles de segmentation sémantique 2D et 3D (CNN, Vision Transformers, U-Net). Cette approche permet un paradigme de « recherche par l'image », utilisant l'apprentissage automatique pour faire correspondre les photographies de spécimens aux vastes archives de la littérature taxonomique. Pour surmonter les défis optiques spécifiques, tels que la semi-transparence dans les microphotographies, le projet utilise l'augmentation de données et la synthèse d'images photoréalistes. Cette interdépendance garantit que les résultats du MRAC (imagerie) alimentent directement les modules techniques de l'UMONS (entraînement de l'IA).
En optimisant les flux d'identification, cette collaboration améliore non seulement la numérisation des musées, mais renforce également les révisions taxonomiques et les efforts de conservation. La base de données qui en résultera soutiendra la communauté arachnologique mondiale, offrant une méthodologie extensible à d'autres groupes d'arthropodes.
Investigateur principal:
Dates:
2025 2030Collaborateurs:
Partenaires externes:
M. DUPONT Stéphane - Université de Mons (UMONS)Financed Belgian partner