Environnement : l’ENSIT lance une base de données ouverte pour détecter les déchets côtiers
Le laboratoire RIFTSI de l’École Nationale Supérieure d’Ingénieurs de Tunis (ENSIT), relevant de l’Université de Tunis, a annoncé le lancement de TUN-MED-MAR-UAV-LITTER, une base de données ouverte d’images aériennes destinée à la détection, à la classification et à la segmentation des déchets sur le littoral à l’aide de l’intelligence artificielle (IA).
Fruit de quatre années de recherche, cette base de données est présentée par ses concepteurs comme une première en Tunisie et comme l’une des ressources internationales les plus complètes dans ce domaine.
Selon une publication de l’ENSIT sur les réseaux sociaux, la base repose exclusivement sur des images réelles acquises par drones le long des côtes tunisiennes. Géoréférencées, ces images sont également annotées conformément aux formats internationaux.
La base comprend 10 397 images et 22 736 objets annotés, répartis en sept classes et 19 sous-classes. Les données ont été collectées sur 17 plages tunisiennes et couvrent 58 zones d’évaluation.
L’équipe de recherche a évalué 36 architectures d’intelligence artificielle, notamment des réseaux de neurones convolutifs (CNN), des Transformers et des modèles YOLO. Les résultats obtenus font état d’une précision de classification de 91,71 % et d’un score de 87 % pour la segmentation, selon l’indicateur mask mAP@0.5:0.95.
D’après l’étude comparative internationale menée par les chercheurs, la particularité de cette base réside dans la combinaison, au sein d’un même jeu de données ouvert, d’images réelles acquises par drones, d’annotations polygonales précises, de catégories diversifiées de déchets et d’environnements méditerranéens complexes, notamment les zones rocheuses et les herbiers de posidonie. Selon cette comparaison, aucune des bases de données analysées ne réunit l’ensemble de ces caractéristiques.
Accessible en libre accès, cette ressource vise à soutenir les travaux de la communauté scientifique tunisienne et internationale sur la surveillance et la préservation des écosystèmes côtiers et marins grâce à l’intelligence artificielle, en offrant un support pour le développement et l’évaluation de modèles de détection des déchets.
