Un osservatore umano in un aereo in movimento manca circa 1 elefante su 10. L'algoritmo non si stanca.
Le indagini sulla popolazione della fauna selvatica sono la spina dorsale della conservazione. Ogni decisione gestionale, dai percorsi delle pattuglie anti-bracconaggio ai budget per la protezione dell'habitat, dipende dal sapere quanti animali ci sono. Per decenni, il metodo standard e stato lo stesso: volare basso sul paesaggio e contare cio che si vede. Il problema e che gli occhi umani in un aereo in movimento non sono molto bravi in questo compito.
Il rilevamento aereo tradizionale e i suoi limiti
Un rilevamento convenzionale della fauna funziona cosi: osservatori addestrati si sporgono da un aereo a bassa quota (tipicamente da 60 a 100 metri dal suolo) e contano gli animali all'interno di una fascia definita su ciascun lato. Registrano specie, dimensioni dei gruppi e posizioni su carta o con un registratore vocale, spesso per 6-8 ore di seguito.
I problemi sono ben documentati. L'affaticamento dell'osservatore si manifesta dopo la prima ora e la precisione diminuisce costantemente. Osservatori diversi che contano lo stesso transetto producono regolarmente conteggi che differiscono dal 10 al 30%. Gli animali all'ombra, dietro i cespugli o nel sottobosco screziato vengono frequentemente mancati. Il meteo, le turbolenze e l'altitudine introducono ulteriore variabilita. E i voli stessi sono costosi e pericolosi: il volo di rilevamento a bassa quota e una delle attivita a piu alto rischio nella conservazione.
Come l'IA cambia il conteggio
I rilevamenti aerei assistiti dall'IA ribaltano il flusso di lavoro. Invece di affidarsi a osservatori umani per individuare e contare gli animali in tempo reale, l'aereo (o il drone) cattura fotografie ad alta risoluzione dell'intera area di studio. A terra, un modello di rilevamento scansiona ogni immagine e segna ogni animale trovato.
Il modello di rilevamento, tipicamente una rete neurale convoluzionale come RetinaNet, elabora le immagini in un singolo passaggio. Identifica gli animali per forma, dimensione e contrasto rispetto allo sfondo, poi posiziona un marcatore su ogni rilevamento con un punteggio di confidenza. Un revisore umano controlla le immagini segnalate e i casi limite, ma la maggior parte del conteggio viene gestita automaticamente.
Ricerche pubblicate negli studi sulle popolazioni animali dell'Universita di Wageningen hanno scoperto che RetinaNet ha rilevato il 95% degli elefanti, il 91% delle giraffe e il 90% delle zebre rispetto all'annotazione di esperti umani, identificando correttamente un ulteriore 2,8-4,0% di animali che gli annotatori umani avevano mancato completamente. Il modello ha prodotto solo da 1,6 a 5,0 falsi positivi per vero positivo.
Uno studio di Frontiers in Conservation Science ha scoperto che i metodi assistiti dall'IA possono ridurre l'errore standard delle stime di popolazione dal 31 al 67% rispetto ai metodi manuali, con un potenziale di aumento dello sforzo di campionamento dal 160 al 1.050% a costo equivalente. Cio significa piu area rilevata, piu spesso, con lo stesso budget.
Quali specie funzionano meglio
Non tutte le specie sono ugualmente facili da contare con l'IA dall'alto. I migliori risultati si ottengono con animali grandi, di colore distintivo e che vivono in habitat aperti.
Elefanti, bovini, zebre e gnu sono candidati ideali. Le loro dimensioni li rendono facili da rilevare, e la savana aperta offre un forte contrasto.
Fenicotteri, pinguini e colonie di uccelli marini si raggruppano in gruppi densi e visibili su terreno aperto. L'IA eccelle nel conteggio di migliaia di individui in una singola immagine.
Foche, leoni marini e trichechi a riposo sulla costa sono chiaramente visibili dall'alto. L'imaging termico aggiunge un secondo canale di rilevamento.
Allevatori e gestori della fauna utilizzano tecniche identiche per bovini, cavalli e renne nei pascoli aperti.
Il vantaggio della verificabilita
Uno dei vantaggi piu sottovalutati dei rilevamenti basati su foto e la permanenza. Un conteggio tradizionale dell'osservatore e un numero su un blocco appunti. Non puo essere ricontrollato, contestato o migliorato dopo il volo.
Una fotografia e una prova permanente. Ogni immagine catturata durante un rilevamento con IA puo essere archiviata, riesaminata da revisori diversi e rielaborata anni dopo con algoritmi migliorati. Se un nuovo modello e il 5% piu preciso di quello dell'anno scorso, si puo rieseguirlo sulle immagini dell'anno precedente e ottenere una stima storica migliore senza volare di nuovo.
Questo crea un set di dati in crescita che migliora nel tempo. Organizzazioni per la conservazione come Wild Me hanno costruito piattaforme open-source (come Scout) che permettono ai ricercatori di tutto il mondo di contribuire e ri-analizzare le immagini aeree. La foto stessa diventa il record scientifico, non il conteggio che ne deriva.
Dove il conteggio con IA ha ancora difficolta
Il conteggio aereo con IA e potente ma non universale. Diverse condizioni rimangono genuinamente difficili.
- Vegetazione densa - Gli animali sotto una fitta copertura arborea sono invisibili alle fotocamere standard. Gli elefanti di foresta e i primati restano difficili da rilevare dall'alto.
- Specie notturne - Le creature attive solo di notte richiedono imaging termico o infrarosso, che ha una risoluzione spaziale inferiore rispetto alle fotocamere RGB diurne.
- Animali acquatici sotto la superficie - Le specie marine sott'acqua, come delfini o pesci, non possono essere rilevate in modo affidabile dalle fotografie aeree.
- Specie piccole o mimetizzate - Gli animali che si confondono con l'ambiente circostante, come le lepri sull'erba secca, spingono i modelli di rilevamento al limite.
- Condizioni meteorologiche estreme - Copertura nuvolosa, pioggia e vento forte degradano la qualita delle immagini e possono bloccare completamente le operazioni con droni e aerei.
Come iniziare con il conteggio della fauna con IA
- Scegliete la vostra piattaforma- Un drone consumer (DJI Mavic o simile) funziona per aree piccole; aerei con equipaggio o droni ad ala fissa coprono riserve piu grandi.
- Pianificate la vostra griglia di volo- Utilizzate la navigazione automatica per waypoint per garantire un'altitudine costante e una copertura totale dell'area con sovrapposizione delle immagini.
- Catturate al momento giusto- La luce del primo mattino o del tardo pomeriggio riduce le ombre dure. Evitate il mezzogiorno quando gli animali cercano l'ombra.
- Elaborate con un modello di rilevamento- Caricate le immagini su una piattaforma di conteggio con IA. Le opzioni open-source includono Scout di Wild Me per il rilevamento specifico della fauna.
- Verificate i rilevamenti segnalati- Controllate manualmente i marcatori a bassa confidenza e i casi limite. Questo approccio ibrido massimizza la precisione.
- Archiviate tutto- Conservate le immagini originali insieme ai dati di conteggio. Gli algoritmi futuri estrarranno ancora piu valore dalle foto di oggi.
Conclusione
La conservazione della fauna dipende da dati di popolazione accurati, e per decenni il miglior strumento disponibile era un osservatore stanco in un aereo rumoroso. Il conteggio aereo con IA non sostituisce l'esperienza umana nella conservazione, ma elimina il collo di bottiglia del conteggio manuale dall'equazione.
La prossima volta che una riserva avra bisogno di una stima della popolazione, la risposta piu accurata verra da una fotocamera, non da un blocco appunti. E a differenza del blocco appunti, le foto saranno ancora utili tra dieci anni.