Seorang pengamat manusia di pesawat yang bergerak melewatkan sekitar 1 dari 10 gajah. Algoritma tidak pernah lelah.
Survei populasi satwa liar adalah tulang punggung konservasi. Setiap keputusan pengelolaan, mulai dari rute patroli anti-perburuan hingga anggaran perlindungan habitat, bergantung pada pengetahuan tentang berapa banyak hewan yang ada di luar sana. Selama puluhan tahun, metode standarnya tetap sama: terbang rendah di atas lanskap dan hitung apa yang terlihat. Masalahnya adalah mata manusia di pesawat yang bergerak tidak terlalu baik dalam pekerjaan ini.
Survei udara tradisional dan keterbatasannya
Survei satwa liar konvensional bekerja seperti ini: pengamat terlatih mencondongkan badan dari pesawat terbang rendah (biasanya 60 hingga 100 meter di atas permukaan tanah) dan menghitung hewan dalam jalur yang ditentukan di kedua sisi. Mereka mencatat spesies, ukuran kelompok, dan lokasi di kertas atau dengan perekam suara, sering kali selama 6 hingga 8 jam tanpa henti.
Masalahnya sudah terdokumentasi dengan baik. Kelelahan pengamat muncul setelah jam pertama, dan akurasi menurun secara bertahap. Pengamat berbeda yang menghitung transek yang sama secara rutin menghasilkan hitungan yang berbeda 10 hingga 30%. Hewan di tempat teduh, di balik semak, atau di hutan berbercak sering terlewat. Cuaca, turbulensi, dan ketinggian semuanya menambah variabilitas. Dan penerbangan itu sendiri mahal dan berbahaya: penerbangan survei ketinggian rendah adalah salah satu aktivitas berisiko tertinggi dalam konservasi.
Bagaimana AI mengubah penghitungan
Survei udara berbantuan AI membalik alur kerja. Alih-alih mengandalkan pengamat manusia untuk menemukan dan menghitung hewan secara real time, pesawat (atau drone) menangkap foto beresolusi tinggi dari seluruh area survei. Di darat, model deteksi memindai setiap gambar dan menandai setiap hewan yang ditemukan.
Model deteksi, biasanya jaringan saraf konvolusional seperti RetinaNet, memproses gambar dalam satu kali pemindaian. Model ini mengidentifikasi hewan berdasarkan bentuk, ukuran, dan kontras terhadap latar belakang, kemudian menempatkan penanda pada setiap deteksi dengan skor kepercayaan. Peninjau manusia memeriksa gambar yang ditandai dan kasus-kasus batas, tetapi penghitungan massal ditangani secara otomatis.
Penelitian yang diterbitkan dalam studi populasi hewan Universitas Wageningen menemukan bahwa RetinaNet mendeteksi 95% gajah, 91% jerapah, dan 90% zebra dibandingkan dengan anotasi ahli manusia, sambil mengidentifikasi tambahan 2,8 hingga 4,0% hewan yang sepenuhnya terlewat oleh anotator manusia. Model ini hanya menghasilkan 1,6 hingga 5,0 positif palsu per positif sejati.
Sebuah studi Frontiers in Conservation Science menemukan bahwa metode berbantuan AI dapat mengurangi kesalahan standar estimasi populasi sebesar 31 hingga 67% dibandingkan metode manual, dengan potensi peningkatan upaya sampling sebesar 160 hingga 1.050% pada biaya yang setara. Itu berarti lebih banyak area yang disurvei, lebih sering, dengan anggaran yang sama.
Spesies mana yang paling cocok
Tidak setiap spesies sama mudahnya untuk dihitung AI dari udara. Hasil terbaik diperoleh dari hewan yang besar, berwarna mencolok, dan ditemukan di habitat terbuka.
Gajah, sapi, zebra, dan wildebeest adalah kandidat ideal. Ukurannya membuat mereka mudah dideteksi, dan sabana terbuka memberikan kontras yang kuat.
Flamingo, penguin, dan koloni burung laut duduk dalam kelompok padat dan terlihat di lahan terbuka. AI unggul dalam menghitung ribuan individu dalam satu gambar.
Anjing laut, singa laut, dan walrus yang beristirahat di garis pantai terlihat jelas dari atas. Pencitraan termal menambahkan saluran deteksi kedua.
Peternak dan pengelola satwa liar menggunakan teknik yang sama untuk sapi, kuda, dan rusa kutub di padang rumput terbuka.
Keunggulan auditabilitas
Salah satu manfaat yang paling kurang dihargai dari survei berbasis foto adalah permanensi. Hitungan pengamat tradisional hanyalah angka di papan klip. Itu tidak dapat diperiksa ulang, ditantang, atau ditingkatkan setelah penerbangan.
Foto adalah bukti permanen. Setiap gambar yang diambil selama survei AI dapat diarsipkan, diperiksa ulang oleh peninjau berbeda, dan diproses ulang bertahun-tahun kemudian dengan algoritma yang lebih baik. Jika model baru 5% lebih akurat dari tahun lalu, Anda dapat menjalankannya kembali pada gambar tahun lalu dan mendapatkan estimasi historis yang lebih baik tanpa terbang lagi.
Ini menciptakan dataset yang terus berkembang dan membaik seiring waktu. Organisasi konservasi seperti Wild Me telah membangun platform sumber terbuka (seperti Scout) yang memungkinkan peneliti di seluruh dunia untuk berkontribusi dan menganalisis ulang citra udara. Foto itu sendiri menjadi catatan ilmiah, bukan hitungan yang diturunkan darinya.
Di mana penghitungan AI masih kesulitan
Penghitungan udara AI sangat kuat tetapi tidak universal. Beberapa kondisi tetap benar-benar sulit.
- Vegetasi lebat - Hewan di bawah kanopi pohon tebal tidak terlihat oleh kamera standar. Gajah hutan dan primata tetap sulit disurvei dari udara.
- Spesies nokturnal - Makhluk yang aktif hanya di malam hari memerlukan pencitraan termal atau inframerah, yang memiliki resolusi spasial lebih rendah daripada kamera RGB siang hari.
- Hewan akuatik di bawah permukaan - Spesies laut di bawah air, seperti lumba-lumba atau ikan, tidak dapat dideteksi secara andal dari foto udara.
- Spesies kecil atau berkamuflase - Hewan yang menyatu dengan lingkungannya, seperti kelinci di rumput kering, mendorong model deteksi hingga batasnya.
- Cuaca ekstrem - Awan, hujan, dan angin kencang menurunkan kualitas gambar dan dapat membuat operasi drone dan pesawat terbang berhenti total.
Memulai penghitungan satwa liar dengan AI
- Pilih platform Anda- Drone konsumen (DJI Mavic atau sejenisnya) cocok untuk area kecil; pesawat berawak atau drone sayap tetap mencakup cagar alam yang lebih besar.
- Rencanakan grid penerbangan Anda- Gunakan navigasi waypoint otomatis untuk memastikan ketinggian konsisten dan cakupan area penuh dengan tumpang tindih gambar.
- Ambil gambar di waktu yang tepat- Cahaya pagi atau sore hari mengurangi bayangan keras. Hindari tengah hari saat hewan mencari tempat teduh.
- Proses dengan model deteksi- Unggah gambar ke platform penghitungan AI. Opsi sumber terbuka termasuk Scout dari Wild Me untuk deteksi satwa liar.
- Tinjau deteksi yang ditandai- Periksa penanda berkepercayaan rendah dan kasus batas secara manual. Pendekatan hibrida ini memaksimalkan akurasi.
- Arsipkan semuanya- Simpan gambar asli bersama data hitungan. Algoritma masa depan akan mengekstrak nilai lebih dari foto hari ini.
Kesimpulan
Konservasi satwa liar bergantung pada data populasi yang akurat, dan selama puluhan tahun alat terbaik yang tersedia adalah pengamat yang lelah di pesawat yang bising. Penghitungan udara bertenaga AI tidak menggantikan keahlian manusia dalam konservasi, tetapi menghilangkan hambatan penghitungan manual dari persamaan.
Lain kali sebuah cagar alam membutuhkan estimasi populasi, jawaban paling akurat akan datang dari kamera, bukan papan klip. Dan tidak seperti papan klip, foto-foto itu masih akan berguna satu dekade dari sekarang.