Découvrez comment Microsoft AI protège les ressources naturelles – Témoignage du Département des ressources naturelles
Auparavant, nous avons discuté des avantages de l’utilisation de solutions IA pour surveiller les populations d’espèces sauvages. Il s’agit d’un scénario d’IA courant pour aider les experts en développement durable à protéger les écosystèmes. Nous allons maintenant explorer en détail un témoignage de réussite spécifique.
L’organisation
Le Département d’État de Washington des ressources naturelles (DNR) a été fondé en 1957 en tant que quartier des terres de confiance de l’État de Washington et d’autres ressources naturelles. Il gère ces terres pour assurer leur santé et leur productivité. Ainsi, son devoir est double : générer des revenus et préserver les écosystèmes pour les générations actuelles et futures.
Le DNR supervise 5,6 millions d’acres de terres publiques. En outre, il gère une grande diversité de terres, avec différents biomes et besoins. Une bonne gestion nécessite une expertise technique sur des habitats spécifiques, tels que les forêts, les côtes et les terres aquatiques.
Le défi
Au sein du DNR, la Division des ressources aquatiques mène plusieurs programmes pour superviser 2,6 millions d’acres de terres aquatiques submergées. Parmi eux, le Nearshore Habitat Program rassemble des centaines d’heures d’images vidéo sous-marines par an pour surveiller la végétation marine. L’un des objectifs est de suivre l’abondance et la distribution de crin marin, une espèce d’algue marine.
Cette tâche implique l’analyse d’environ 350 heures de séquences vidéo, l’identification, la classification et la géolocalisation de crin marin. Le processus exigeait le travail manuel de deux scientifiques et ingéré leurs charges de travail pendant trois mois. Ce processus a été un gaspillage de ressources hautement spécialisées et précieuses.
La solution
Les experts du Nearshore Habitat Program ont décidé de collaborer avec Microsoft pour résoudre ce problème avec l’IA. Ils ont constaté que la meilleure approche était la classification vidéo automatisée en tirant parti de modèles IA pour identifier le crin marin.
Les fonctionnalités d’Azure AI Services pour la reconnaissance d’images représentent la base technique du cas d’usage. La vidéo est chargée sur Azure, divisée en images et analysée par les modèles inclus dans Azure AI Services. Les modèles sont gérés, générés et déployés dans Azure Machine Learning. La tâche peut donc être effectuée par n’importe quel scientifique au lieu des scientifiques des données. Enfin, l’équipe utilise Microsoft Power BI pour créer des rapports des résultats.
Les résultats
La solution économise déjà des mois de temps d’experts et améliore leur productivité. Le processus prend maintenant seulement des semaines au lieu de mois, et une personne au lieu de deux. À moyen terme, l’objectif est d’automatiser entièrement le processus et de le répliquer pour d’autres projets de surveillance.
Pour découvrir plus d’informations, parcourez Le département d’état sur les ressources naturelles de Washington utilise Azure AI pour automatiser le monitoring de ressources aquatiques et permet de gagner des mois sur le temps investi par des experts.
Examinons ensuite un cas d’usage durable dans le secteur de la mobilité.