La plupart des jours d'automne, David Sopjes se trouve dans la rivière Eel, dans le nord-ouest de la Californie, en train de compter les poissons. En tant que professeur de sciences à la retraite au secondaire et scientifique citoyen, Sopjes a passé les 10 dernières années à surveiller la population de saumons quinnat dans la rivière Eel, qui, selon lui, possède le troisième plus grand bassin versant de l'État. Chaque automne, Sopjes compte les saumons en attendant que les pluies hivernales se reproduisent.
« Ils ne mangent plus. Ils n'ont qu'une chose en tête, et c'est juste le sexe », dit Sopjes.
Avant d'acquérir un drone il y a trois ans, Sopjes et ses collègues comptaient les saumons en plongeant dans la rivière et en se tenant debout sur des planches à pagaie, ce qui perturbait grandement le poisson et n'était pas très précis.
Le drone a produit des photographies claires du saumon, mais compter les poissons dans les images à l'aide d'un stylo et de papier était fastidieux. En parcourant Internet à la recherche d'une meilleure méthode pour compter et organiser ses données, il a trouvé un logiciel appelé DotDotGoose et l'utilise depuis.
Conçu au Centre pour la biodiversité et la conservation du Musée américain d'histoire naturelle, DotDotGoose est un outil gratuit et open source qui aide les chercheurs à compter manuellement les objets dans les images. Peter Ersts, le développeur de logiciels senior du centre, a créé DotDotGoose en mai 2019. Il a eu l'idée grâce à des discussions avec des collègues.
À l'époque, les moyens les plus populaires pour les chercheurs en conservation de comptabiliser différentes catégories d'animaux sur des photos étaient très pratiques. "Beaucoup de gens projetaient encore littéralement des images sur un tableau effaçable à sec, encerclant les animaux et éteignant le projecteur, puis les comptant pendant qu'ils effaçaient [les marques]", explique Ersts. "J'ai vu le besoin d'un outil vraiment simple qui vous permette de mettre rapidement et facilement des points sur une image."
Bien que l'outil ne soit en ligne que depuis environ deux ans et demi, il aide déjà de nombreux chercheurs à travers le monde. Depuis qu'il a trouvé DotDotGoose, Sopjes dit qu'il a compté des milliers de poissons et que la précision de ses données s'est améliorée « considérablement », à tel point que le California Department of Fish and Wildlife s'est intéressé à l'utilisation de ses ensembles de données. L'enregistrement précis du nombre total de poissons associé aux images du drone a fourni à Sopjes un moyen utile de suivre chaque poisson.
DotDotGoose a une interface très simple qui permet aux utilisateurs d'importer des images qu'ils souhaitent analyser. Ensuite, ils peuvent diviser différents objets dans les images en «classes» ou catégories. Par exemple, Sopjes définit les classes comme différentes étapes de la vie du saumon. Chaque catégorie correspond à une couleur de point.
Pour compter chaque classe, les chercheurs peuvent cliquer sur chaque objet de l'image pour placer le point. DotDotGoose compte le nombre de points par classe au fur et à mesure qu'ils sont placés. Les utilisateurs peuvent ajouter des notes personnalisées, des coordonnées de latitude et de longitude ou d'autres points de données pour décrire l'image.
DotDotGoose était à l'origine destiné à compter les animaux pour la recherche sur la conservation, mais Ersts a vu des utilisateurs le réutiliser pour compter les stocks dans les entrepôts, les composants sur les circuits imprimés et même les fleurs sur les plants de tomates candidats au record du monde Guinness.
Rochelle Thomas, étudiante diplômée du Département d'écologie, d'évolution et de biologie environnementale de l'Université de Columbia, a utilisé DotDotGoose avec des oies réelles.
De 1995 à 2019, le conseiller de Thomas, Robert Rockwell, avait pris des photographies aériennes de troupeaux de petites oies des neiges dans la région de la baie d'Hudson au Canada. Dans les premières années du projet, Thomas dit que Rockwell imprimait les photographies pour compter les oies à la main.
Lorsque Thomas a rejoint le projet en 2018, elle a essayé de compter les oies à l'aide de Photoshop, mais il était difficile de compter les oies simultanément par espèce et par âge. Elle a été présentée à Ersts alors qu'il construisait DotDotGoose et est devenue la bêta-testeuse du programme. Le nom du programme est un clin d'œil à son travail avec les petites oies des neiges.
"J'ai passé plusieurs jours à mettre des points sur des oies, et ça m'est venu de l'appeler DotDotGoose", dit Ersts.
Par rapport à des logiciels similaires, tels que Photoshop et ImageJ, Thomas aime que DotDotGoose ait été conçu pour un biologiste de la conservation et lui permette de noter la qualité de l'image ou d'insérer des informations indiquant la présence d'eau sur la photo.
"Les biologistes de la conservation et les écologistes sont assis sur des tonnes et des tonnes de données photographiques", déclare Thomas.
Et tandis que la version manuelle actuelle du programme rend déjà les données plus faciles à gérer pour l'analyse, elle pense que rendre le comptage dans DotDotGoose plus automatisé pourrait aider davantage à soutenir des projets de recherche comme le sien.
Ersts a prévu de semi-automatiser le processus depuis sa création.
"Si vous êtes en mesure d'enregistrer ces coordonnées de vos emplacements sur une image, vous disposez alors d'un ensemble de formation que vous pouvez utiliser [pour alimenter] un modèle d'apprentissage automatique pour aider à automatiser les choses à l'avenir", explique Ersts. "[Mais] c'est une tâche assez difficile d'automatiser cela lorsque vous commencez vraiment à penser à tous les différents types de données qui existent."
Ersts imagine que les chercheurs pourraient l'entraîner avec quelques photos orientées de manière similaire, uniques à leur projet et contenant les mêmes types d'objets.
Mais même un DotDotGoose personnalisé et automatisé aurait ses limites. Les images avec de nombreux objets regroupés seraient très difficiles à analyser. Et même si une version automatisée du programme pourrait libérer du temps pour les chercheurs, Ersts affirme qu'un humain devrait toujours faire partie du processus, au moins pour vérifier le travail de l'ordinateur.
