移動する航空機に乗った人間の観察者は、約10頭に1頭のゾウを見逃します。アルゴリズムは疲れません。
野生動物の個体数調査は、自然保護の基盤です。密猟対策パトロールルートから生息地保護予算まで、あらゆる管理上の意思決定は、どれだけの動物がいるかを知ることにかかっています。何十年もの間、標準的な方法は同じでした。低空で地形の上を飛び、見えるものを数えるのです。問題は、移動する航空機に乗った人間の目は、この作業があまり得意ではないということです。
従来の航空調査とその限界
従来の野生動物調査はこのように行われます。訓練された観察者が低空飛行する航空機(通常、地上60~100メートル)から身を乗り出し、両側の定められた帯状区域内の動物を数えます。種、群れのサイズ、位置を紙またはボイスレコーダーに記録し、多くの場合6~8時間連続で行います。
問題はよく知られています。観察者の疲労は最初の1時間後に始まり、精度は着実に低下します。同じトランセクトを数える異なる観察者のカウントは、日常的に10~30%の差が生じます。日陰、茂みの後ろ、まだら模様の森林にいる動物は頻繁に見逃されます。天候、乱気流、高度はすべて追加の変動要因となります。そして飛行自体が高額で危険です。低高度での調査飛行は、自然保護活動において最もリスクの高い活動の一つです。
AIがカウントをどう変えるか
AI支援の航空調査は、ワークフローを根本から変えます。人間の観察者がリアルタイムで動物を発見しカウントする代わりに、航空機(またはドローン)が調査エリア全体の高解像度写真を撮影します。地上に戻ってから、検出モデルがすべての画像をスキャンし、見つけた各動物にマークを付けます。
検出モデル(通常、RetinaNetのような畳み込みニューラルネットワーク)は、画像を1回のパスで処理します。形状、サイズ、背景とのコントラストから動物を識別し、各検出に信頼度スコアとともにマーカーを配置します。人間のレビュアーがフラグ付きの画像やエッジケースを確認しますが、大量のカウントは自動的に処理されます。
ワーゲニンゲン大学の動物個体数研究で発表された研究によると、RetinaNetはゾウの95%、キリンの91%、シマウマの90%を検出し、人間のアノテーターが完全に見逃した動物の2.8~4.0%を追加で正しく識別しました。モデルが生成した誤検出は、真の検出1件あたりわずか1.6~5.0件でした。
Frontiers in Conservation Scienceの研究によると、AI支援手法は手動方法と比較して個体数推定の標準誤差を31~67%削減でき、同等のコストでサンプリング努力を160~1,050%増加させる可能性があります。つまり、同じ予算でより広い地域をより頻繁に調査できるということです。
最も効果的な対象種
すべての種が、空からのAIカウントに等しく適しているわけではありません。最良の結果は、大型で色が鮮やかで、開けた生息地にいる動物から得られます。
ゾウ、牛、シマウマ、ヌーは理想的な対象です。体が大きいため検出が容易で、開けたサバンナは強いコントラストを提供します。
フラミンゴ、ペンギン、海鳥のコロニーは、開けた地面に密集した目立つ群れで生息します。AIは1枚の画像で数千の個体をカウントすることに優れています。
アザラシ、アシカ、セイウチは海岸線に上陸しているため、上空から明確に視認できます。赤外線画像が第2の検出チャンネルを追加します。
牧場主や野生動物管理者は、開けた放牧地の牛、馬、トナカイに同じ技術を使用しています。
監査可能性の利点
写真ベースの調査の最も過小評価されている利点の一つは、永続性です。従来の観察者カウントは、クリップボードの数字に過ぎません。飛行後に再確認したり、異議を唱えたり、改善したりすることはできません。
写真は永続的な証拠です。AI調査中に撮影されたすべての画像は、アーカイブし、異なるレビュアーが再検査し、改良されたアルゴリズムで何年後にも再処理できます。新しいモデルが昨年のモデルより5%正確であれば、昨年の画像に再実行して、再び飛行することなくより良い過去の推定値を得ることができます。
これにより、時間とともに改善される成長するデータセットが作られます。Wild Meなどの保護団体は、世界中の研究者が航空画像を提供・再分析できるオープンソースプラットフォーム(Scoutなど)を構築しています。カウントではなく、写真自体が科学的記録となるのです。
AIカウントがまだ苦手な分野
AI航空カウントは強力ですが、万能ではありません。いくつかの条件は依然として非常に困難です。
- 密生した植生 - 厚い樹冠の下の動物は、標準的なカメラでは見えません。森林ゾウや霊長類は、空からの調査が依然として困難です。
- 夜行性の種 - 夜間にのみ活動する生物は、昼間のRGBカメラよりも空間解像度が低い熱画像または赤外線画像が必要です。
- 水面下の水生動物 - イルカや魚などの水中にいる海洋生物は、航空写真からは確実に検出できません。
- 小型またはカモフラージュされた種 - 乾いた草の上のウサギのように周囲に溶け込む動物は、検出モデルの限界に挑戦します。
- 極端な天候 - 雲、雨、強風は画質を低下させ、ドローンや航空機の運航を完全に停止させることがあります。
AI野生動物カウントの始め方
- プラットフォームを選ぶ- 消費者向けドローン(DJI Mavicなど)は小さなエリアに適しています。有人航空機や固定翼ドローンはより大きな保護区をカバーします。
- 飛行グリッドを計画する- 自動ウェイポイントナビゲーションを使用して、一定の高度と画像オーバーラップによる完全なエリアカバレッジを確保します。
- 適切な時間に撮影する- 早朝または夕方の光は強い影を減らします。動物が日陰を求める正午は避けてください。
- 検出モデルで処理する- 画像をAIカウントプラットフォームにアップロードします。オープンソースの選択肢としては、Wild MeのScoutが野生動物専用の検出に対応しています。
- フラグ付き検出を確認する- 低信頼度のマーカーとエッジケースを手動で確認します。このハイブリッドアプローチが精度を最大化します。
- すべてをアーカイブする- カウントデータとともに元の画像を保存します。将来のアルゴリズムは今日の写真からさらに多くの価値を引き出すでしょう。
結論
野生動物の保護は正確な個体数データに依存しており、何十年もの間、利用可能な最良のツールは騒がしい航空機の中の疲れた観察者でした。AI搭載の航空カウントは、保護活動における人間の専門知識を置き換えるものではありませんが、手動カウントというボトルネックを取り除きます。
次に保護区が個体数推定を必要とするとき、最も正確な答えはクリップボードではなくカメラから得られるでしょう。そしてクリップボードと異なり、写真は10年後も役立ち続けます。