Smart classification of Congolese timbers: machine learning assisted identification keys for enforcing forest conservation (SMART WOOD ID)

Ce projet vise à numériser ~6% des espèces (~5 000 spécimens de bois) du vaste xylarium de Tervuren, à construire une clé illustrée pour l'identification du bois et à développer un "assistant" d'apprentissage automatique qui sera facilement accessible aux agents des forces de l'ordre. Le xylarium de Tervuren sert depuis longtemps de collection de référence pour des projets scientifiques couvrant les disciplines botaniques, écologiques, technologiques du bois, archéologiques, paléoécologiques et historiques de l'art. Une fonction de plus en plus importante de la collection est de fournir des services scientifiques pour la surveillance du commerce et du commerce du bois. L'application des lois et règlements concernant la gestion des forêts et le commerce du bois nécessite l'identification taxonomique du bois. Cela repose sur la visualisation, la description et la quantification des riches informations intégrées dans l'anatomie du bois des arbres et sur la comparaison de ces informations avec du matériel de référence. Cependant, l'identification du bois basée sur l'anatomie du bois est souvent un processus lent nécessitant des connaissances spécialisées. À cet égard, un effort de plus en plus important est le développement de techniques d'identification rapide du bois pour suivre le rythme des besoins croissants des réglementations internationales du commerce du bois. Au cours des dernières décennies, le Service de biologie du bois du MRAC a exploré un large éventail de techniques de visualisation du bois. Cette longue expérience a permis de sélectionner un outil prometteur pour l'identification rapide du bois : la reconnaissance des caractéristiques anatomiques macroscopiques du bois grâce à l'apprentissage automatique, en utilisant une grande base de données de scans optiques haute résolution des surfaces des grains de bois. Un outil d'identification des essences de bois basé sur les images numérisées améliorera considérablement les contrôles de routine des expéditions de bois. De plus, en utilisant l'apprentissage automatique sur l'imagerie numérique, de grandes quantités d'informations anatomiques du bois deviendront disponibles au format numérique. Ce processus de récupération des données valorisera la collecte et fournira une base de recherche indispensable dans le contexte de la conservation de la biodiversité et du développement économique.

Politique scientifique fédérale de la Belgique

Musée Royal de l’Afrique centrale

https://www.africamuseum.be/