evidoria

← Retour à la liste

Bonne pratique Importée

TrailGuard AI à Similipal — le service forestier de l'Odisha utilise des caméras d'IA embarquée pour arrêter des braconniers dans une réserve de tigres mélaniques

Inde · Baripada · Voir le profil de Inde

Preuves: Descriptif / auto-déclaré Top 62% 53/100 · Demandez à Evidence Copilot à propos de cette pratique

Le service forestier de l'Odisha a étendu le réseau de caméras TrailGuard AI à plus de 220 unités dans la réserve de tigres de Similipal, transmettant des classifications humain/animal/véhicule en 40 secondes ; une opération de juillet 2026 a conduit à quatre arrestations et à la saisie d'armes menaçant ses tigres noirs.

220 cameras
Taille du réseau de caméras, Similipal
<40 seconds
Délai de transmission de l'alerte au poste de contrôle

Détails

Maturité
En expansion
Promoteur
Odisha Forest Department (Similipal Tiger Reserve), with RESOLVE, the Global Tiger Forum and India's National Tiger Conservation Authority
Période
2022–2026
Mots-clés
wildlife conservation, forest law enforcement, anti-poaching, public safety

Contexte

Le département forestier de l'Odisha a étendu TrailGuard AI -- un réseau de caméras à traitement en périphérie, initialement testé à partir de 2022 par RESOLVE, le Global Tiger Forum et l'Autorité nationale indienne de conservation du tigre dans cinq réserves -- en un réseau de 220 caméras à l'intérieur de la réserve de tigres de Similipal, foyer de la population la plus connue au monde de tigres mélaniques (noirs).

Résultats

Chaque caméra classe les images déclenchées par mouvement comme humain, animal ou véhicule à l'aide d'un modèle d'IA embarqué, et transmet une correspondance à un poste de contrôle central en moins de 40 secondes. En juillet 2026, une alerte du réseau a conduit le personnel de la zone forestière de Podadiha à arrêter quatre personnes portant deux armes artisanales à l'intérieur de la réserve. Une étude évaluée par les pairs dans BioScience sur le déploiement antérieur de la technologie a documenté séparément l'arrestation d'un gang de braconniers après la détection d'individus armés sur des sentiers que des tigres ont ensuite été observés à emprunter.

Conclusions

La base de preuves reste jeune : l'étude BioScience n'a couvert que les premiers mois d'utilisation sur le terrain, et ni le département forestier de l'Odisha ni RESOLVE n'ont publié de taux de faux positifs/négatifs, de comparaison rigoureuse avant-après des taux de braconnage, ni d'examen indépendant du rapport coût-efficacité.

Mise en œuvre
Coût indicatif
Moyen (50 k€–500 k€)
Délai jusqu’aux résultats
Moyen (1–3 ans)
Personnel et compétences
Odisha Forest Department, RESOLVE, Global Tiger Forum, National Tiger Conservation Authority, Podadiha Wildlife Range staff

Conditions de réussite

  • onboard AI classification (human/animal/vehicle) with rapid alert relay enabling rangers to intercept intruders rather than only reviewing footage after the fact

Modes d’échec courants

  • no false-positive/negative rates, rigorous before-after poaching-rate comparison, or independent cost-effectiveness review published

Habituellement financé par

National / regional programmes LIFE Programme

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pratiques similaires qui pourraient vous être utiles