Човешки наблюдател в движещ се самолет пропуска приблизително 1 на 10 слона. Алгоритъмът не се уморява.
Проучванията на популациите на диви животни са основата на опазването. Всяко управленско решение - от маршрути за патрулиране срещу бракониери до бюджети за защита на местообитания - зависи от знанието колко животни има там. От десетилетия стандартният метод е един и същи: летете ниско над ландшафта и бройте каквото видите. Проблемът е, че човешките очи в движещ се самолет не са много добри в тази работа.
Традиционното въздушно проучване и неговите ограничения
Конвенционалното проучване на дива природа работи така: обучени наблюдатели се навеждат от нисколетящ самолет (обикновено на 60 до 100 метра над земята) и броят животни в определена ивица от двете страни. Отбелязват видове, размери на групи и местоположения на хартия или с диктофон, често в продължение на 6 до 8 часа наведнъж.
Проблемите са добре документирани. Умората на наблюдателя настъпва след първия час и точността спада постоянно. Различни наблюдатели, броящи същия трансект, рутинно произвеждат резултати, които се различават с 10 до 30%. Животни в сянка, зад храсти или в пъстра горска растителност често се пропускат. Времето, турбуленцията и височината въвеждат допълнителна вариативност. А самите полети са скъпи и опасни: нисковисочинното проучване е една от най-рисковите дейности в опазването.
Как AI променя броенето
AI въздушните проучвания обръщат работния процес. Вместо да разчитат на човешки наблюдатели да забелязват и броят животни в реално време, самолетът (или дронът) заснема фотографии с висока резолюция на цялата проучвана зона. На земята модел за разпознаване сканира всяко изображение и маркира всяко животно, което открие.
Моделът за разпознаване, обикновено конволюционна невронна мрежа като RetinaNet, обработва изображения в един проход. Идентифицира животни по форма, размер и контраст спрямо фона, след което поставя маркер на всяко разпознаване с оценка на увереността. Човешки рецензент проверява маркирани изображения и гранични случаи, но масовото броене се обработва автоматично.
Изследване, публикувано от Wageningen University, установи, че RetinaNet разпозна 95% от слоновете, 91% от жирафите и 90% от зебрите в сравнение с експертна човешка анотация, като същевременно коректно идентифицира допълнителни 2.8 до 4.0% животни, които човешките анотатори пропуснаха напълно. Моделът произведе само 1.6 до 5.0 фалшиви положителни на истински положителен.
Проучване във Frontiers in Conservation Science установи, че AI методите могат да намалят стандартната грешка на оценките на популация с 31 до 67% в сравнение с ръчните методи, с потенциал за увеличения на извадъчните усилия от 160 до 1,050% при еквивалентни разходи. Това означава повече проучена площ, по-често, за същия бюджет.
Кои видове работят най-добре
Не всеки вид е еднакво лесен за AI броене от въздуха. Най-добрите резултати идват от животни, които са големи, отчетливо оцветени и се намират в открити местообитания.
Слонове, говеда, зебри и антилопи гну са идеални кандидати. Размерът им ги прави лесни за разпознаване, а откритата савана осигурява силен контраст.
Фламинги, пингвини и морски птици стоят в гъсти, видими групи на открит терен. AI превъзхожда в броенето на хиляди индивиди в едно изображение.
Тюлени, морски лъвове и моржове, излезли на брега, са ясно видими отгоре. Термалното изображение добавя втори канал за разпознаване.
Фермери и управители на дива природа използват идентични техники за говеда, коне и северни елени в открити пасища.
Предимството на проверимостта
Едно от най-подценяваните предимства на проучванията чрез снимки е постоянството. Традиционното броене от наблюдател е число на клипборд. Не може да бъде повторно проверено, оспорено или подобрено след полета.
Снимката е постоянно доказателство. Всяко изображение, заснето по време на AI проучване, може да бъде архивирано, повторно прегледано от различни рецензенти и повторно обработено години по-късно с подобрени алгоритми. Ако нов модел е с 5% по-точен от миналогодишния, можете да го пуснете отново върху миналогодишните изображения и да получите по-добра историческа оценка без да летите отново.
Това създава нарастващ набор от данни, който се подобрява с времето. Организации за опазване като Wild Me са изградили платформи с отворен код (като Scout), позволяващи на изследователи по целия свят да допринасят и повторно анализират въздушни изображения. Снимката сама по себе си става научният запис, а не полученият от нея брой.
Където AI броенето все още среща трудности
AI въздушното броене е мощно, но не универсално. Няколко условия остават наистина трудни.
- Гъста растителност - Животни под гъст дървесен навес са невидими за стандартни камери. Горските слонове и приматите остават трудни за проучване от въздуха.
- Нощни видове - Същества, активни само нощем, изискват термално или инфрачервено изображение, което има по-ниска пространствена резолюция от дневните RGB камери.
- Водни животни под повърхността - Морски видове под водата, като делфини или риби, не могат да бъдат надеждно разпознати от въздушни снимки.
- Малки или камуфлирани видове - Животни, които се сливат с обкръжението си, като зайци в суха трева, довеждат моделите за разпознаване до границите им.
- Екстремно време - Облачност, дъжд и силен вятър влошават качеството на изображенията и могат напълно да спрат дронови и самолетни операции.
Първи стъпки с AI броене на дива природа
- Изберете платформа- Потребителски дрон (DJI Mavic или подобен) работи за малки площи; пилотирани самолети или дронове с фиксирано крило покриват по-големи резервати.
- Планирайте мрежата на полета- Използвайте автоматизирана навигация с точки за постоянна височина и пълно покритие на площта с припокриване на изображенията.
- Заснемайте в правилното време- Ранна сутрин или късен следобед светлина намалява острите сенки. Избягвайте обяд, когато животните търсят сянка.
- Обработете с модел за разпознаване- Качете изображения в AI платформа за броене. Опции с отворен код включват Scout на Wild Me за специфично разпознаване на дива природа.
- Прегледайте маркирани разпознавания- Проверете ръчно маркерите с ниска увереност и граничните случаи. Този хибриден подход максимизира точността.
- Архивирайте всичко- Съхранявайте оригинални изображения заедно с данните от броенето. Бъдещи алгоритми ще извлекат още повече стойност от днешните снимки.
Заключение
Опазването на дивата природа зависи от точни данни за популациите, а десетилетия наред най-добрият наличен инструмент беше уморен наблюдател в шумен самолет. AI въздушното броене не замества човешката експертиза в опазването, но премахва тесното място на ръчното броене от уравнението.
Следващият път, когато резерват се нуждае от оценка на популацията, най-точният отговор ще дойде от камера, а не от клипборд. И за разлика от клипборда, снимките ще бъдат полезни и след десетилетие.