Abstract :

Le projet ContainerPix vise à développer une méthode innovante de détection automatique des conteneurs démaritimisés, afin d’évaluer leur impact écologique sur les territoires français ultramarins. En effet, ces conteneurs qui ne présentent plus de vocation maritime initiale, répondent à de nouveaux usages : habitats, bureaux, espaces de stockage ou débarras. Ces conteneurs « terrianisés » sont susceptibles d’entraîner des risques environnementaux liés à la dégradation des matériaux, à la lixiviation de substances chimiques et à la contamination des sols. Ces usages détournés d’un objet emblématique de la mondialisation restent encore mal documentés, alors même qu’ils participent à la transformation des paysages. Afin de cartographier et de caractériser ce processus de dissémination, le projet s’appuie sur l’analyse d’images satellitaires en combinant apprentissage automatique et détection d’objets. L’objectif est de créer un modèle robuste de reconnaissance visuelle capable d’identifier les conteneurs dans des environnements variés, y compris en zone urbaine, littorale ou rurale. Ce modèle devra être résilient aux variations d’angle, d’échelle, de couvert végétal ou de conditions atmosphériques, afin de garantir une détection fiable sur l’ensemble des territoires étudiés. Les données détectées devront permettre d’évaluer les concentrations spatiales de conteneurs, leurs modes d’occupation et leur proximité avec des espaces naturels sensibles. En croisant les données issues de l’imagerie, de l’écologie, de la géographie, des sciences de l’environnement et des sciences humaines et sociales, le projet ContainerPix promeut une approche résolument interdisciplinaire.

Translated abstract :

ContainerPix aims to develop an innovative method for automatically detecting repurposed shipping containers in order to assess their ecological impact on French overseas territories. These containers, which no longer serve their original maritime purpose, are now being used for new uses such as housing, offices, storage spaces and sheds. These ‘land-based’ containers are likely to pose environmental risks related to material degradation, chemical leaching and soil contamination. These alternative uses of an object emblematic of globalisation remain poorly documented, even though they are contributing to the transformation of landscapes. In order to map and characterise this dissemination process, the project relies on the analysis of satellite images, combining machine learning and object detection. The aim is to create a robust visual recognition model capable of identifying containers in a variety of environments, including urban, coastal and rural areas. This model must be resilient to variations in angle, scale, vegetation cover and atmospheric conditions in order to ensure reliable detection across all the territories studied. The data collected will be used to assess the spatial concentrations of containers, how they are occupied and their proximity to sensitive natural areas. By combining data from imaging, ecology, geography, environmental sciences and the humanities and social sciences, the ContainerPix project promotes a resolutely interdisciplinary approach.