Ihmistarkkailija liikkuvassa lentokoneessa ohittaa noin 1 norsun 10:sta. Algoritmi ei vaeasy.
Villielainten populaatiotutkimukset ovat luonnonsuojelun selkaranka. Jokainen hallintapaatos, salametsastyksen vastaisista partioireiteista elinympariston suojelubudjetteihin, riippuu siita, miten monta elaainta siella on. Vuosikymmenia standardimenetelma on ollut sama: lenna matalalla maiseman yli ja laske mita naet. Ongelma on, etta ihmissilmat liikkuvassa lentokoneessa eivat ole kovin hyvia tassa tyossa.
Perinteinen ilmatutkimus ja sen rajoitukset
Tavanomainen villielaintutkimus toimii nain: koulutetut tarkkailijat nojautuvat matalalla lentavan lentokoneen (tyypillisesti 60-100 metria maanpinnan ylapuolella) ulkopuolelle ja laskevat elainia maaratyn kaistan sisalla kummallakin puolella. He kirjaavat lajit, ryhmaakoot ja sijainnit paperille tai aaninauhurille, usein 6-8 tuntia yhteen menoon.
Ongelmat ovat hyvin dokumentoituja. Tarkkailijan vaesymys alkaa ensimmaisen tunnin jalkeen, ja tarkkuus laskee tasaisesti. Eri tarkkailijat laskiessa samaa linjaa tuottavat rutiininomaisesti 10-30% poikkeavia laskelmia. Varjossa, pensaiden takana tai kirjavassa metsassa olevat elaimet jaavat usein huomaamatta. Saa, turbulenssi ja korkeus tuovat lisaksi vaihtelua. Ja itse lennot ovat kalliita ja vaarallisia: matalalla lennettava tutkimuslentaminen on yksi luonnonsuojelun riskialttiimmista toiminnoista.
Miten tekoaly muuttaa laskennan
Tekoalyavusteiset ilmatutkimukset kaantavat tyonkulun toisin pain. Sen sijaan, etta luotettaisiin ihmistarkkaijoiden havaitsemiseen ja laskemiseen reaaliajassa, lentokone (tai drone) ottaa korkearesoluutioisia valokuvia koko tutkimusalueesta. Takaisin maassa tunnistusmalli skannaa jokaisen kuvan ja merkitsee jokaisen loytamansa elaimen.
Tunnistusmalli, tyypillisesti konvolutiivinen neuroverkko kuten RetinaNet, kasittelee kuvat yhdella lapimenolla. Se tunnistaa elaimet muodon, koon ja taustakontrasti perusteella, asettaen merkinnaan jokaiseen tunnistukseen luottamusarvolla. Ihmistarkastaja tarkistaa merkityt kuvat ja rajatapaukset, mutta massalaskenta hoidetaan automaattisesti.
Wageningenin yliopiston elainpopulaatiotutkimuksissa julkaistu tutkimus havaitsi, etta RetinaNet tunnisti 95% norsuista, 91% kirahveista ja 90% seeproista verrattuna asiantuntijoiden annotaatioihin, samalla oikein tunnistaen ylimaaraaiset 2.8-4.0% elaimia, jotka ihmisannotaattoreilta jaivat kokonaan huomaamatta. Malli tuotti vain 1.6-5.0 vaaraa positiivista per todellinen positiivinen.
Frontiers in Conservation Science -tutkimus havaitsi, etta tekoalyavusteiset menetelmat voivat vahentaa populaatioarvion keskivirhetta 31-67% verrattuna manuaalisiin menetelmiin, mahdollistaen otantaponnistuksen kasvun 160-1,050% vastaavalla kustannuksella. Tama tarkoittaa enemman tutkittua aluetta, useammin, samalla budjetilla.
Mille lajeille toimii parhaiten
Kaikkia lajeja ei ole yhta helppo laskea ilmasta tekoalylla. Parhaat tulokset tulevat elaimista, jotka ovat suuria, selkeasti varillisia ja elävat avoimissa elinymparistoissa.
Norsut, karja, seeprat ja gnuut ovat ihanteellisia ehdokkaita. Niiden koko tekee tunnistamisesta helppoa, ja avoin savanni tarjoaa vahvan kontrastin.
Flamingot, pingviinit ja merilintujen yhdyskunnat istuvat tiheissa, naekvissa ryhmissa avoimella maalla. Tekoaly on erinomainen laskemaan tuhansia yksiloita yhdessa kuvassa.
Hylkeet, merileijonat ja mursut levanneet rannikolla ovat selkeasti naeyvissa ylhaalta. Lampokuvaus lisaa toisen tunnistuskanavan.
Karjankasvattajat ja villielainten hoitajat kayttavat identtisia tekniikoita karjalle, hevosille ja poroille avoimilla laidunmailla.
Tarkastettavuusetu
Yksi valokuvapohjaisten tutkimusten aliarvostetummista eduista on pysyvyys. Perinteinen tarkkailijan laskenta on numero leikepoeydalla. Sita ei voida tarkistaa uudelleen, kyseenalaistaa tai parantaa lennon jalkeen.
Valokuva on pysyva todiste. Jokainen tekoalytutkimuksen aikana otettu kuva voidaan arkistoida, eri tarkastajat voivat tutkia sita uudelleen, ja se voidaan kasitella uudelleen vuosia myöhemmin parannetuilla algoritmeilla. Jos uusi malli on 5% tarkempi kuin viime vuoden, voit ajaa sen viime vuoden kuville ja saada paremman historiallisen arvion lentamatta uudelleen.
Tama luo kasvavan aineiston, joka paranee ajan myota. Luonnonsuojeluorganisaatiot kuten Wild Me ovat rakentaneet avoimen lahdekoodin alustoja (kuten Scout), joiden avulla tutkijat maailmanlaajuisesti voivat osallistua ja uudelleenanalysoida ilmakuvia. Itse valokuva tulee tieteelliseksi tallenteeksi, ei siita johdettu laskelma.
Missa tekoalylaskenta yha kamppailee
Tekoalyn ilmalaskenta on tehokas mutta ei universaali. Useat olosuhteet ovat aidosti vaikeita.
- Tiheaa kasvillisuus - Tiheaan puiden latvuston alla olevat elaimet ovat naekymattomia tavallisille kameroille. Metsanorsut ja kaedelaimet ovat yha vaikeita tutkia ilmasta.
- Yoaktiiviset lajit - Vain yolla aktiiviset elaimet vaativat lampo- tai infrapunakuvausta, jolla on alempi tilallinen resoluutio kuin paivasaikaisilla RGB-kameroilla.
- Pinnan alla olevat vesielaimet - Veden alla olevat merilajit, kuten delfiinit tai kalat, eivat ole luotettavasti havaittavissa ilmavalokuvista.
- Pienat tai naamioituvat lajit - Ymparistoonsa sulautuvat elaimet, kuten janiikset kuivalla ruoholla, vievat tunnistusmallit aarirajilleen.
- Aarimmaiset saaolot - Pilvisyys, sade ja voimakkaat tuulet heikentavat kuvan laatua ja voivat estaa drone- ja lentokoneoperaatiot kokonaan.
Villielainten tekoalylaskennan aloittaminen
- Valitse alustasi- Kuluttajadrone (DJI Mavic tai vastaava) toimii pienille alueille; miehitetyt lentokoneet tai kiinteasiipidronet kattavat suuremmat suojelualueet.
- Suunnittele lentoruudukkosi- Kayta automatisoitua reittipistenavigaatiota varmistamaan yhdenmukainen korkeus ja taysi aluekattavuus kuvalimittaisyydella.
- Kuvaa oikeaan aikaan- Varhaisen aamun tai myohaan iltapaivan valo vahentaa kovia varjoja. Valta keskipaivaa, jolloin elaimet hakeutuvat varjoon.
- Kasittele tunnistusmallilla- Lataa kuvat tekoalylaskenta-alustalle. Avoimen lahdekoodin vaihtoehtoja ovat Wild Men Scout villielainkohtaiseen tunnistukseen.
- Tarkista merkityt tunnistukset- Tarkista matalan luottamuksen merkinnaat ja rajatapaukset kasin. Tama hybridilahestymistapa maksimoi tarkkuuden.
- Arkistoi kaikki- Tallenna alkuperaiset kuvat laskentatietojen rinnalle. Tulevat algoritmit ammentavat viela enemman arvoa tanaan otetuista valokuvista.
Yhteenveto
Villielainten suojelu riippuu tarkasta populaatiotiedosta, ja vuosikymmenia paras saatavilla oleva tyokalu oli vasynyt tarkkailija meluisassa lentokoneessa. Tekoalypohjainen ilmalaskenta ei korvaa ihmisten asiantuntemusta luonnonsuojelussa, mutta se poistaa kasinlaskennan pullonkaulan yhtalosta.
Kun seuraavan kerran suojelualue tarvitsee populaatioarvion, tarkin vastaus tulee kamerasta, ei leikepoeydalta. Ja toisin kuin leikepoeyta, valokuvat ovat yha hyodyllisia vuosikymmenen kuluttua.