Hərəkət edən təyyarədəki insan müşahidəçi hər 10 fildən təxminən 1-ni qaçırır. Alqoritm yorulmur.
Vəhşi heyvan populyasiya araşdırmaları qorunmanın əsasını təşkil edir. Hər bir idarəetmə qərarı, qaçaq ovçuluğa qarşı patrul marşrutlarından tutmuş yaşayış mühitinin qorunması büdcələrinə qədər, orada nə qədər heyvanın olduğunu bilməkdən asılıdır. Onilliklər ərzində standart metod eyni olub: mənzərə üzərində alçaqdan uçmaq və gördüyünü saymaq. Problem ondadır ki, hərəkət edən təyyarədəki insan gözləri bu işi yaxşı görə bilmir.
Ənənəvi hava araşdırması və onun məhdudiyyətləri
Adi vəhşi heyvan araşdırması belə işləyir: təlim keçmiş müşahidəçilər alçaq uçan təyyarədən (adətən yerdən 60-100 metr yüksəklikdə) əyilir və hər iki tərəfdə müəyyən edilmiş zolaqda heyvanları sayırlar. Onlar növləri, qrup ölçülərini və yerləri kağız üzərində və ya səs yazıcısı ilə qeyd edir, çox vaxt ardıcıl 6-8 saat ərzində.
Problemlər yaxşı sənədləşdirilib. Müşahidəçi yorğunluğu ilk saatdan sonra başlayır və dəqiqlik davamlı şəkildə azalır. Eyni transekti sayan fərqli müşahidəçilər müntəzəm olaraq 10-30% fərqlənən nəticələr verir. Kölgədə, kolların arxasında və ya ləkəli meşəlikdə olan heyvanlar tez-tez qaçırılır. Hava şəraiti, turbulentlik və hündürlük əlavə dəyişkənlik yaradır. Uçuşların özü də bahalı və təhlükəlidir: alçaq hündürlükdə araşdırma uçuşları qorunmada ən yüksək riskli fəaliyyətlərdən biridir.
Süni intellekt sayımı necə dəyişdirir
Süni intellektlə dəstəklənən hava araşdırmaları iş axınını dəyişdirir. Heyvanları real vaxtda aşkarlamaq və saymaq üçün insan müşahidəçilərinə etibar etmək əvəzinə, təyyarə (və ya dron) bütün araşdırma ərazisinin yüksək keyfiyyətli fotoşəkillərini çəkir. Yerdə isə aşkarlama modeli hər şəkli skan edir və tapdığı hər heyvanı qeyd edir.
Aşkarlama modeli, adətən RetinaNet kimi konvolyusion neyron şəbəkəsi, şəkilləri bir keçiddə emal edir. O, heyvanları forma, ölçü və fonla kontrastına görə müəyyən edir, sonra hər aşkarlamaya etibar xalı ilə marker qoyur. İnsan təftişçi qeyd edilmiş şəkilləri və sərhəd hallarını yoxlayır, lakin əsas sayım avtomatik aparılır.
Wageningen Universitetinin heyvan populyasiyası tədqiqatlarında dərc edilmiş araşdırma göstərir ki, RetinaNet ekspert insan annotasiyası ilə müqayisədə fillərin 95%-ni, zürafələrin 91%-ni və zebraların 90%-ni aşkarlayıb, eyni zamanda insan annotatorlarının tamamilə qaçırdığı əlavə 2,8-4,0% heyvanı düzgün müəyyən edib. Model hər doğru müsbətə yalnız 1,6-5,0 yanlış müsbət nəticə verib.
Frontiers in Conservation Science jurnalındakı araşdırma göstərib ki, süni intellektlə dəstəklənən metodlar populyasiya qiymətləndirmə standart xətasını əl metodları ilə müqayisədə 31-67% azalda bilər, eyni xərclə nümunə götürmə səyinin 160-1.050% artma potensialı ilə. Bu, eyni büdcə ilə daha çox ərazinin, daha tez-tez araşdırılması deməkdir.
Hansı növlər ən yaxşı nəticə verir
Hər bir növü havadan süni intellektlə saymaq eyni dərəcədə asan deyil. Ən yaxşı nəticələr böyük, fərqli rəngli və açıq yaşayış mühitlərində yaşayan heyvanlardan əldə edilir.
Fillər, mal-qara, zebralar və antilop-gnu ideal namizədlərdir. Ölçüləri onları aşkarlamağı asanlaşdırır və açıq savanna güclü kontrast yaradır.
Flaminqolar, pinqvinlər və dəniz quşu koloniyaları açıq ərazidə sıx, görünən qruplar halında otururlar. Süni intellekt bir şəkildə minlərlə fərdi saymaqda üstünlük göstərir.
Suiti, dəniz şiri və morjlar sahil boyu aydın görünürlər. Termal görüntüləmə ikinci aşkarlama kanalı əlavə edir.
Fermerler və vəhşi təbiət idarəçiləri açıq otlaq ərazilərində mal-qara, at və maral üçün eyni texnikaları istifadə edirlər.
Auditə yararlılıq üstünlüyü
Foto əsaslı araşdırmaların ən az qiymətləndirilən faydalarından biri davamlılıqdır. Ənənəvi müşahidəçi sayımı planşetdəki bir rəqəmdir. Uçuşdan sonra onu yenidən yoxlamaq, mübahisə etmək və ya təkmilləşdirmək mümkün deyil.
Fotoşəkil daimi sübutdur. Süni intellekt araşdırması zamanı çəkilən hər şəkil arxivləşdirilə, fərqli təftişçilər tərəfindən yenidən araşdırıla və illər sonra təkmilləşdirilmiş alqoritmlərlə yenidən emal edilə bilər. Yeni model keçən ilkindən 5% daha dəqiqdirsə, onu keçən ilin şəkillərində işlədib, yenidən uçmadan daha yaxşı tarixi qiymətləndirmə əldə edə bilərsiniz.
Bu, zamanla təkmilləşən böyüyən bir verilənlər bazası yaradır. Wild Me kimi qorunma təşkilatları dünya üzrə tədqiqatçılara hava şəkillərini paylaşmağa və yenidən təhlil etməyə imkan verən açıq mənbəli platformalar (Scout kimi) yaradıblar. Elmi qeyd ondan əldə edilən sayım deyil, fotoşəklin özü olur.
Süni intellekt sayımının hələ də çətinlik çəkdiyi yerlər
Süni intellektlə hava sayımı güclüdür, lakin universal deyil. Bir neçə şərait hələ də həqiqətən çətindir.
- Sıx bitki örtüyü - Qalın ağac tacı altındakı heyvanlar standart kameralar üçün görünməzdir. Meşə filləri və primatları havadan araşdırmaq hələ də çətindir.
- Gecə heyvanları - Yalnız gecə aktiv olan canlılar termal və ya infraqırmızı görüntüləmə tələb edir ki, bu da gündüz RGB kameralarından daha aşağı məkan ayırdetmə qabiliyyətinə malikdir.
- Suyun altındakı su heyvanları - Delfinlər və ya balıqlar kimi su altında olan dəniz növləri hava fotoşəkillərindən etibarlı şəkildə aşkarlana bilməz.
- Kiçik və ya kamuflyaj edilmiş növlər - Ətrafına qarışan heyvanlar, məsələn quru otluqda dovşanlar, aşkarlama modellərini həddə gətirir.
- Ekstremal hava şəraiti - Bulud örtüyü, yağış və güclü küləklər şəkil keyfiyyətini aşağı salır və dron və təyyarə əməliyyatlarını tamamilə dayandıra bilər.
Süni intellektlə vəhşi heyvan sayımına başlamaq
- Platformanızı seçin- İstehlakçı dronu (DJI Mavic və ya oxşarı) kiçik ərazilər üçün işləyir; pilotlu təyyarə və ya sabit qanadlı dronlar daha böyük qoruqları əhatə edir.
- Uçuş şəbəkənizi planlaşdırın- Ardıcıl hündürlük və tam ərazinin şəkil üst-üstə düşməsi ilə əhatə olunmasını təmin etmək üçün avtomatlaşdırılmış nöqtə naviqasiyasından istifadə edin.
- Düzgün vaxtda çəkin- Səhər tezdən və ya axşamüstü işıq kəskin kölgələri azaldır. Günorta vaxtı, heyvanlar kölgə axtardıqda çəkməkdən çəkinin.
- Aşkarlama modeli ilə emal edin- Şəkilləri süni intellekt sayım platformasına yükləyin. Açıq mənbəli seçimlərə vəhşi təbiətə xas aşkarlama üçün Wild Me-nin Scout-u daxildir.
- Qeyd edilmiş aşkarlamaları yoxlayın- Aşağı etibar xallı markerləri və sərhəd hallarını əl ilə yoxlayın. Bu hibrid yanaşma dəqiqliyi maksimuma çatdırır.
- Hər şeyi arxivləşdirin- Orijinal şəkilləri sayım məlumatları ilə birlikdə saxlayın. Gələcək alqoritmlər bugünkü fotoşəkillərdən daha çox dəyər çıxaracaq.
Nəticə
Vəhşi təbiətin qorunması dəqiq populyasiya məlumatlarından asılıdır və onilliklər ərzində mövcud olan ən yaxşı alət səs-küylü təyyarədəki yorğun müşahidəçi olub. Süni intellektlə işləyən hava sayımı qorunmada insan təcrübəsini əvəz etmir, lakin əl ilə sayım darboğazını aradan qaldırır.
Növbəti dəfə bir qoruğa populyasiya qiymətləndirməsi lazım olanda, ən dəqiq cavab planşetdən deyil, kameradan gələcək. Və planşetdən fərqli olaraq, fotoşəkillər on il sonra da faydalı olacaq.