Ljudski promatrač u pokretnom zrakoplovu propušta otprilike 1 od 10 slonova. Algoritam se ne umara.
Istraživanja populacija divljih životinja okosnica su zaštite prirode. Svaka upravljačka odluka - od ruta za protulovno patroliranje do proračuna za zaštitu staništa - ovisi o znanju koliko životinja ima vani. Desetljećima je standardna metoda ista: letite nisko iznad krajolika i brojite što vidite. Problem je u tome što ljudske oči u pokretnom zrakoplovu nisu baš dobre u ovom poslu.
Tradicionalno zračno istraživanje i njegova ograničenja
Konvencionalno istraživanje divljih životinja funkcionira ovako: obučeni promatrači se nagnu iz niskoletećeg zrakoplova (obično 60 do 100 metara iznad tla) i broje životinje unutar definirane trake s obje strane. Bilježe vrste, veličine grupa i lokacije na papiru ili diktafonom, često 6 do 8 sati u komadu.
Problemi su dobro dokumentirani. Umor promatrača nastupa nakon prvog sata, a preciznost stalno opada. Različiti promatrači koji broje isti transekt rutinski proizvode brojeve koji se razlikuju za 10 do 30%. Životinje u sjeni, iza grmova ili u šarolikoj šumi često se propuštaju. Vrijeme, turbulencija i visina unose dodatnu varijabilnost. A sami letovi su skupi i opasni: niskovisno istraživačko letenje jedna je od najrizičnijih aktivnosti u zaštiti prirode.
Kako AI mijenja brojanje
AI zračna istraživanja okreću radni proces. Umjesto oslanjanja na ljudske promatrače da uoče i broje životinje u stvarnom vremenu, zrakoplov (ili dron) snima fotografije visoke rezolucije cijelog istraživanog područja. Na tlu, detekcijski model skenira svaku sliku i označava svaku životinje koju pronađe.
Detekcijski model, obično konvolucijska neuronska mreža poput RetinaNet, obrađuje slike u jednom prolazu. Identificira životinje po obliku, veličini i kontrastu prema pozadini, zatim stavlja marker na svaku detekciju s ocjenom pouzdanosti. Ljudski recenzent provjerava označene slike i granične slučajeve, ali se masovno brojanje obrađuje automatski.
Istraživanje objavljeno na Wageningen University otkrilo je da je RetinaNet detektirao 95% slonova, 91% žirafa i 90% zebri u usporedbi s ekspertnom ljudskom anotacijom, uz pravilno identificiranje dodatnih 2.8 do 4.0% životinja koje su ljudski anotatori potpuno propustili. Model je proizveo samo 1.6 do 5.0 lažno pozitivnih po pravom pozitivnom.
Studija u Frontiers in Conservation Science otkrila je da AI metode mogu smanjiti standardnu pogrešku procjene populacije za 31 do 67% u usporedbi s ručnim metodama, s potencijalom za povećanje uzorkovanja od 160 do 1,050% uz ekvivalentni trošak. To znači više istraženog područja, češće, za isti proračun.
Koje vrste najbolje funkcioniraju
Nisu sve vrste jednako lake za AI brojanje iz zraka. Najbolji rezultati dolaze od životinja koje su velike, jasno obojene i žive u otvorenim staništima.
Slonovi, goveda, zebre i gnuovi su idealni kandidati. Njihova veličina ih čini lakim za detekciju, a otvorena savana pruža snažan kontrast.
Flamingosi, pingvini i kolonije morskih ptica sjede u gustim, vidljivim skupinama na otvorenom tlu. AI odlično broji tisuće jedinki na jednoj slici.
Tuljani, morski lavovi i morževi izvučeni na obalu jasno su vidljivi odozgo. Termalno snimanje dodaje drugi detekcijski kanal.
Stočari i upravitelji divljih životinja koriste identične tehnike za goveda, konje i sobove na otvorenim pašnjacima.
Prednost provjerljivosti
Jedna od najpodcijenjenijih prednosti istraživanja putem fotografija je trajnost. Tradicionalno brojanje promatrača je broj na podlozi. Ne može se ponovno provjeriti, osporiti ili poboljšati nakon leta.
Fotografija je trajni dokaz. Svaka slika snimljena tijekom AI istraživanja može se arhivirati, ponovno pregledati od strane različitih recenzenata i ponovno obraditi godinama kasnije s poboljšanim algoritmima. Ako je novi model 5% precizniji od prošlogodišnjeg, možete ga pokrenuti na prošlogodišnjim slikama i dobiti bolju povijesnu procjenu bez ponovnog letenja.
To stvara rastući skup podataka koji se poboljšava s vremenom. Organizacije za zaštitu poput Wild Me izgradile su platforme otvorenog koda (poput Scout) koje omogućuju istraživačima diljem svijeta da doprinose i ponovno analiziraju zračne snimke. Fotografija sama postaje znanstveni zapis, a ne brojka izvedena iz nje.
Gdje AI brojanje i dalje ima poteškoća
AI zračno brojanje je moćno, ali ne univerzalno. Nekoliko uvjeta ostaje zaista teško.
- Gusta vegetacija - Životinje pod gustom krošnjom nevidljive su za standardne kamere. Šumski slonovi i primati ostaju teški za istraživanje iz zraka.
- Noćne vrste - Bića aktivna samo noću zahtijevaju termalno ili infracrveno snimanje, koje ima nižu prostornu rezoluciju od dnevnih RGB kamera.
- Vodene životinje ispod površine - Morske vrste pod vodom, poput dupina ili riba, ne mogu se pouzdano detektirati iz zračnih fotografija.
- Male ili kamuflažne vrste - Životinje koje se stapaju s okolinom, poput zečeva na suhoj travi, dovode detekcijske modele do njihovih granica.
- Ekstremno vrijeme - Oblačnost, kiša i jaki vjetrovi degradiraju kvalitetu slike i mogu potpuno prizemljiti dronske i zrakoplovne operacije.
Početak s AI brojanjem divljih životinja
- Odaberite platformu- Potrošački dron (DJI Mavic ili sličan) funkcionira za mala područja; pilotirani zrakoplovi ili dronovi s fiksnim krilima pokrivaju veće rezervate.
- Planirajte mrežu leta- Koristite automatiziranu navigaciju s točkama za dosljednu visinu i potpuno pokrivanje područja s preklapanjem slika.
- Snimajte u pravo vrijeme- Rano jutarnje ili kasno popodnevno svjetlo smanjuje oštre sjene. Izbjegavajte podne kad životinje traže sjenu.
- Obradite detekcijskim modelom- Učitajte slike na AI platformu za brojanje. Opcije otvorenog koda uključuju Scout od Wild Me za detekciju specifičnu za divlje životinje.
- Pregledajte označene detekcije- Ručno provjerite markere niske pouzdanosti i granične slučajeve. Ovaj hibridni pristup maksimizira preciznost.
- Arhivirajte sve- Pohranite originalne slike uz podatke o brojanju. Budući algoritmi izvući će još više vrijednosti iz današnjih fotografija.
Zaključak
Zaštita divljih životinja ovisi o točnim podacima o populaciji, a desetljećima je najbolji dostupni alat bio umoran promatrač u bučnom zrakoplovu. AI zračno brojanje ne zamjenjuje ljudsku stručnost u zaštiti, ali uklanja usko grlo ručnog brojanja iz jednadžbe.
Sljedeći put kad rezervat treba procjenu populacije, najprecizniji odgovor doći će od kamere, a ne podloge. I za razliku od podloge, fotografije će i dalje biti korisne za desetljeće.