Vous avez sûrement déjà entendu cette statistique assez déroutante :

On a plus de chance d’être tué par une noix de coco qui tombe d’un arbre plutôt que par une attaque de requin.

Même si cette phrase est vraie à l’échelle mondiale, elle est à prendre avec des pincettes. Il y a en effet plus de personnes passant en dessous d’un cocotier tous les jours que de personnes surfant dans des zones à risques (avec des requins).

Problématique

Des amis vivant à la Réunion m’ont indiqué que, à cause de la surpêche, les attaques de requins se sont multipliées ces dernières années, au point que des plages entières sont interdites d’accès aux surfeurs. Qu’en est-il des chemins sous les cocotiers ? Ayant moi même surfé en Indonésie/Australie pendant plus de trois mois, je connais la peur de se faire attaquer par ce prédateur (même si, entre nous, le prédateur aujourd’hui, c’est l’Homme) et c’est pour cela que je me suis renseigné sur les différentes façons d’éviter un drame.

Solutions

Les solutions les plus répandues sont :

• L’installation de filets avec des mailles assez petites pour que les requins ne passent pas au travers.
• La capture et le balisage des plus gros requins (détectables par des bouées au large).
• L’installation sur les surfeurs de méthodes de protection par champ magnétique (encore à l’essai).

Comme vous pouvez l’imaginer, ces méthodes de prévention sont très invasives pour les environnements marins et ne sont pas tout le temps fiables. Mais avec l’arrivée des drones sur le marché public, une nouvelle méthode de prévention a vu le jour : la surveillance aérienne des zones à risques.

Inspiré des projets financés par la Nouvelle-Galles du Sud (Australie), j’ai décidé de moi-même entraîner une intelligence artificielle à reconnaître des requins. Pour cela j’ai effectué plus de 120h de vol avec mon drone (DJI MINI 2). J’ai ensuite labellisé plus de 500 images extraites de ces vidéos, puis j’ai entraîné un réseau de Deep Learning (Yolov5s) avec ces données.

Résultats

Vous pouvez voir les résultats de cet algorithme appliqué à une vidéo que j’ai faite d’un requin bouledogue dans une réserve naturelle en Australie. L’analyse statistique de ces résultats est encore en cours mais ils sont déjà très prometteurs comme le montrent les vidéos sur lesquelles j’ai appliqué l’algorithme.

Vous voulez l’utiliser sur votre propre ordinateur ?

Le code ainsi que les poids que j’utilise pour Yolov5s sont disponibles publiquement sur mon GitHub. Le détecteur peut être appliqué à n’importe quelle vidéo Youtube donc amusez-vous !