L’intelligence artificielle pour apporter des spécimens de musée aux masses

L'intelligence artificielle pour apporter des spécimens de musée aux masses

Crédit : Université de Cardiff

Les scientifiques utilisent une intelligence artificielle de pointe pour extraire des informations complexes de vastes collections de spécimens de musée.

Une équipe de l’Université de Cardiff utilise des techniques de pointe pour segmenter et capturer automatiquement les informations des spécimens de musée et effectuer d’importantes améliorations de la qualité des données sans intervention humaine.

Ils ont travaillé avec des musées de toute l’Europe, dont le Natural History Museum de Londres, pour affiner et valider leurs nouvelles méthodes et contribuer à la tâche colossale de numérisation de centaines de millions de spécimens.

Avec plus de 3 milliards de spécimens biologiques et géologiques conservés dans les musées d’histoire naturelle du monde entier, la numérisation des spécimens de musée, dans laquelle les informations physiques d’un spécimen particulier sont transformées en format numérique, est devenue une tâche de plus en plus importante pour les musées à mesure qu’ils s’adaptent. à un monde de plus en plus numérique.

Un trésor d’informations numériques est inestimable pour les scientifiques qui tentent de modéliser le passé, le présent et l’avenir des organismes et de notre planète, et pourrait être essentiel pour relever certains des plus grands défis sociétaux auxquels notre monde est confronté aujourd’hui, de la conservation de la biodiversité à la lutte contre le changement climatique. trouver de nouvelles façons de faire face aux maladies émergentes comme le COVID-19.

Le processus de numérisation permet également de réduire la quantité de manipulations manuelles des spécimens, dont beaucoup sont très délicats et susceptibles d’être endommagés. Avoir des données et des images appropriées disponibles en ligne peut réduire le risque pour la collection physique et protéger les spécimens pour les générations futures.

Dans un nouvel article publié aujourd’hui dans la revue Machine Vision and Applications, l’équipe de l’Université de Cardiff a fait un pas en avant pour rendre ce processus moins cher et plus rapide.

« Cette nouvelle approche pourrait transformer nos flux de travail de numérisation », a déclaré Laurence Livermore, responsable adjointe du programme numérique au Natural History Museum de Londres.

L’équipe a créé et testé une nouvelle méthode appelée segmentation d’image, qui peut facilement et automatiquement localiser et délimiter différentes régions visuelles sur des images aussi diverses que des lames de microscope ou des feuilles d’herbier avec un haut degré de précision.

La segmentation automatique peut être utilisée pour concentrer la capture d’informations à partir de régions spécifiques d’une diapositive ou d’une feuille, telles qu’une ou plusieurs des étiquettes collées sur la diapositive. Cela peut également aider à effectuer un contrôle de qualité important sur les images pour s’assurer que les copies numériques des spécimens sont aussi précises que possible.

“Dans le passé, notre numérisation était limitée par la vitesse à laquelle nous pouvions vérifier, extraire et interpréter manuellement les données de nos images. Cette nouvelle approche nous permettrait d’augmenter certaines des parties les plus lentes de nos flux de travail de numérisation et de rendre crucial données plus facilement accessibles aux chercheurs sur le changement climatique et la biodiversité », a poursuivi Livermore.

La méthode a été formée puis testée sur des milliers d’images de lames de microscope et de feuilles d’herbier provenant de différentes collections d’histoire naturelle, démontrant l’adaptabilité et la flexibilité du système.

Les images contiennent des informations clés sur la lame de microscope ou la feuille d’herbier, telles que le spécimen lui-même, les étiquettes, les codes-barres, les nuanciers et les noms des institutions.

En règle générale, une fois qu’une image a été capturée, elle doit ensuite être vérifiée à des fins de contrôle de la qualité et les informations des étiquettes enregistrées – un processus actuellement effectué manuellement, qui peut prendre beaucoup de temps et de ressources.

L’auteur principal de la nouvelle étude, le professeur Paul Rosin, de l’école d’informatique et d’informatique de l’Université de Cardiff, a déclaré : “Les tentatives précédentes de segmentation d’images de lames de microscope et de feuilles d’herbier se limitaient aux images d’une seule collection.

“Notre travail s’est appuyé sur les multiples partenaires de notre grand projet européen pour créer un ensemble de données contenant des exemples de plusieurs institutions et montre à quel point nos méthodes d’intelligence artificielle peuvent être entraînées pour traiter des images provenant d’un large éventail de collections.

“Nous sommes convaincus que cette méthode pourrait aider à améliorer les flux de travail du personnel travaillant avec les collections d’histoire naturelle pour accélérer considérablement le processus de numérisation en échange de très peu de coûts et de ressources.”


Les spécimens de plantes fournissent des données puissantes sur la vie dans l’Anthropocène


Plus d’information:
Abraham Nieva de la Hidalga et al, Validation croisée d’un réseau de segmentation sémantique pour les spécimens de collection d’histoire naturelle, Vision industrielle et applications (2022). DOI : 10.1007 / s00138-022-01276-z

Fourni par l’Université de Cardiff

Citation: Intelligence artificielle pour apporter des spécimens de musée aux masses (2022, 25 mars) récupéré le 25 mars 2022 sur https://techxplore.com/news/2022-03-artificial-intelligence-museum-specimens-masses.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.