फिरत्या विमानातील मानवी निरीक्षक अंदाजे प्रत्येक 10 हत्तींपैकी 1 चुकवतो. अल्गोरिदम थकत नाही.
वन्यजीव लोकसंख्या सर्वेक्षण हा संवर्धनाचा कणा आहे. प्रत्येक व्यवस्थापन निर्णय, शिकार-विरोधी गस्त मार्गांपासून अधिवास संरक्षण बजेटपर्यंत, किती प्राणी आहेत हे जाणून घेण्यावर अवलंबून असतो. दशकांपासून, मानक पद्धत समान आहे: भूदृश्यावर कमी उडा आणि जे दिसते ते मोजा. समस्या ही आहे की फिरत्या विमानातील मानवी डोळे या कामात फार चांगले नाहीत.
पारंपरिक हवाई सर्वेक्षण आणि त्याच्या मर्यादा
पारंपरिक वन्यजीव सर्वेक्षण असे कार्य करते: प्रशिक्षित निरीक्षक कमी उडणाऱ्या विमानातून (विशेषतः जमिनीपासून 60 ते 100 मीटर वर) झुकतात आणि दोन्ही बाजूंच्या परिभाषित पट्टीमधील प्राणी मोजतात. ते प्रजाती, गट आकार आणि स्थान कागदावर किंवा व्हॉइस रेकॉर्डरने नोंदवतात, अनेकदा सलग 6 ते 8 तास.
समस्या चांगल्या प्रकारे दस्तऐवजीकृत आहेत. निरीक्षक थकवा पहिल्या तासानंतर येतो, आणि अचूकता सतत घसरते. समान ट्रान्सेक्ट मोजणारे वेगवेगळे निरीक्षक नियमितपणे 10 ते 30% ने भिन्न मोजण्या देतात. सावलीत, झुडपांमागे किंवा विरळ जंगलात असलेले प्राणी अनेकदा चुकवले जातात. हवामान, गडबड आणि उंची अतिरिक्त परिवर्तनशीलता आणतात. आणि उड्डाणे स्वतः महाग आणि धोकादायक आहेत: कमी-उंचीचे सर्वेक्षण उड्डाण हे संवर्धनातील सर्वात उच्च-जोखीम क्रियाकलापांपैकी एक आहे.
AI मोजणी कशी बदलतो
AI-सहाय्यित हवाई सर्वेक्षण कार्यप्रवाह उलट करतात. रिअल टाइममध्ये प्राणी शोधण्यासाठी आणि मोजण्यासाठी मानवी निरीक्षकांवर अवलंबून राहण्याऐवजी, विमान (किंवा ड्रोन) संपूर्ण सर्वेक्षण क्षेत्राचे उच्च-रिझोल्यूशन फोटो कॅप्चर करते. जमिनीवर परत, एक ओळख मॉडेल प्रत्येक प्रतिमा स्कॅन करते आणि सापडलेल्या प्रत्येक प्राण्याला चिन्हांकित करते.
ओळख मॉडेल, विशेषतः RetinaNet सारखे कॉन्व्होल्यूशनल न्यूरल नेटवर्क, एकाच पासमध्ये प्रतिमा प्रक्रिया करते. ते आकार, आकारमान आणि पार्श्वभूमीविरुद्ध विरोधाभासानुसार प्राणी ओळखते, नंतर विश्वास स्कोरसह प्रत्येक ओळखीवर चिन्ह ठेवते. मानवी पुनरावलोकक ध्वजांकित प्रतिमा आणि सीमारेषेचे प्रकरणे तपासतो, पण मोठ्या प्रमाणावर मोजणी स्वयंचलितपणे हाताळली जाते.
Wageningen विद्यापीठाच्या प्राणी लोकसंख्या अभ्यासात प्रकाशित संशोधनात आढळले की RetinaNet ने तज्ञ मानवी एनोटेशनच्या तुलनेत 95% हत्ती, 91% जिराफ आणि 90% झेब्रा ओळखले, तसेच मानवी एनोटेटर्सनी पूर्णपणे चुकवलेल्या अतिरिक्त 2.8 ते 4.0% प्राण्यांची योग्यरित्या ओळख केली. मॉडेलने प्रति खरे पॉझिटिव्ह फक्त 1.6 ते 5.0 चुकीचे पॉझिटिव्ह तयार केले.
Frontiers in Conservation Science अभ्यासात आढळले की AI-सहाय्यित पद्धती मॅन्युअल पद्धतींच्या तुलनेत लोकसंख्या अंदाज मानक त्रुटी 31 ते 67% ने कमी करू शकतात, समतुल्य खर्चात 160 ते 1,050% नमुना प्रयत्न वाढीची क्षमता. म्हणजे त्याच बजेटमध्ये अधिक क्षेत्र सर्वेक्षित, अधिक वारंवार.
कोणत्या प्रजाती सर्वोत्तम कार्य करतात
प्रत्येक प्रजाती AI ला हवेतून मोजण्यासाठी तितकी सोपी नाही. सर्वोत्तम परिणाम मोठ्या, विशिष्ट रंगाच्या आणि खुल्या अधिवासात सापडणाऱ्या प्राण्यांकडून येतात.
हत्ती, गुरे, झेब्रा आणि वाइल्डबीस्ट आदर्श उमेदवार आहेत. त्यांचा आकार ओळखणे सोपे करतो, आणि खुला सव्हाना मजबूत विरोधाभास प्रदान करतो.
फ्लेमिंगो, पेंग्विन आणि समुद्री पक्षी वसाहती खुल्या जमिनीवर दाट, दृश्यमान गटांमध्ये बसतात. एकाच प्रतिमेत हजारो व्यक्ती मोजण्यात AI उत्कृष्ट आहे.
सील, सागरी सिंह आणि वॉलरस किनाऱ्यावर बाहेर पडलेले वरून स्पष्टपणे दिसतात. थर्मल इमेजिंग दुसरा ओळख चॅनेल जोडते.
पशुपालक आणि वन्यजीव व्यवस्थापक खुल्या कुरणात गुरे, घोडे आणि रेनडियरसाठी समान तंत्रे वापरतात.
ऑडिटेबिलिटी फायदा
फोटो-आधारित सर्वेक्षणाचा सर्वात कमी मूल्यांकित फायदा म्हणजे कायमस्वरूपीपणा. पारंपरिक निरीक्षक मोजणी हा क्लिपबोर्डवरील एक आकडा आहे. उड्डाणानंतर ती पुन्हा तपासता, आव्हान देता किंवा सुधारता येत नाही.
फोटोग्राफ हा कायमस्वरूपी पुरावा आहे. AI सर्वेक्षणादरम्यान कॅप्चर केलेली प्रत्येक प्रतिमा संग्रहित, वेगवेगळ्या पुनरावलोककांनी पुन्हा तपासता, आणि वर्षांनंतर सुधारित अल्गोरिदमसह पुन्हा प्रक्रिया करता येते. जर नवीन मॉडेल मागील वर्षीच्या तुलनेत 5% अधिक अचूक असेल, तर तुम्ही ते मागील वर्षीच्या प्रतिमांवर पुन्हा चालवू शकता आणि पुन्हा उड्डाण न करता चांगला ऐतिहासिक अंदाज मिळवू शकता.
यामुळे एक वाढणारा डेटासेट तयार होतो जो कालांतराने सुधारतो. Wild Me सारख्या संवर्धन संस्थांनी ओपन-सोर्स प्लॅटफॉर्म (जसे Scout) तयार केले आहेत जे जगभरातील संशोधकांना हवाई प्रतिमा योगदान आणि पुन्हा विश्लेषण करण्याची परवानगी देतात. फोटो स्वतः वैज्ञानिक नोंद बनतो, त्यातून मिळालेली मोजणी नाही.
जेथे AI मोजणी अजूनही कठीण आहे
AI हवाई मोजणी शक्तिशाली आहे पण सार्वत्रिक नाही. अनेक परिस्थिती खरोखरच कठीण राहतात.
- दाट वनस्पती - जाड झाडाच्या छताखालील प्राणी मानक कॅमेऱ्यांना अदृश्य आहेत. वन हत्ती आणि प्रायमेट हवेतून सर्वेक्षण करणे कठीण राहते.
- निशाचर प्रजाती - फक्त रात्री सक्रिय प्राण्यांना थर्मल किंवा इन्फ्रारेड इमेजिंग आवश्यक आहे, ज्याचे स्थानिक रिझोल्यूशन दिवसा RGB कॅमेऱ्यांपेक्षा कमी आहे.
- पृष्ठभागाखालील जलचर प्राणी - पाण्याखालील सागरी प्रजाती, जसे डॉल्फिन किंवा मासे, हवाई छायाचित्रांमधून विश्वसनीयपणे ओळखता येत नाहीत.
- लहान किंवा छद्मित प्रजाती - सुक्या गवतावरील ससे यांसारखे वातावरणात मिसळणारे प्राणी ओळख मॉडेलना मर्यादेपर्यंत ढकलतात.
- अत्यंत हवामान - ढगांचे आवरण, पाऊस आणि तीव्र वारा प्रतिमा गुणवत्ता खराब करतात आणि ड्रोन आणि विमान कामकाज पूर्णपणे जमिनीवर ठेवू शकतात.
AI वन्यजीव मोजणी सुरू करणे
- तुमचे प्लॅटफॉर्म निवडा- लहान क्षेत्रांसाठी ग्राहक ड्रोन (DJI Mavic किंवा तत्सम) काम करतो; मोठ्या अभयारण्यांसाठी मानवयुक्त विमाने किंवा फिक्स्ड-विंग ड्रोन.
- तुमची उड्डाण ग्रिड नियोजित करा- सुसंगत उंची आणि प्रतिमा ओव्हरलॅपसह पूर्ण क्षेत्र कव्हरेज सुनिश्चित करण्यासाठी स्वयंचलित वेपॉइंट नेव्हिगेशन वापरा.
- योग्य वेळी कॅप्चर करा- पहाटे किंवा संध्याकाळचा प्रकाश कठोर सावल्या कमी करतो. दुपारी टाळा जेव्हा प्राणी सावली शोधतात.
- ओळख मॉडेलने प्रक्रिया करा- AI मोजणी प्लॅटफॉर्मवर प्रतिमा अपलोड करा. वन्यजीव-विशिष्ट ओळखीसाठी Wild Me चा Scout सारखे ओपन-सोर्स पर्याय उपलब्ध आहेत.
- ध्वजांकित ओळखी पुनरावलोकन करा- कमी-विश्वास चिन्हे आणि सीमारेषेचे प्रकरणे मॅन्युअली तपासा. हा संकरित दृष्टिकोन अचूकता अधिकतम करतो.
- सर्वकाही संग्रहित करा- मोजणी डेटासह मूळ प्रतिमा साठवा. भविष्यातील अल्गोरिदम आजच्या फोटोंमधून अधिक मूल्य काढतील.
सारांश
वन्यजीव संवर्धन अचूक लोकसंख्या डेटावर अवलंबून आहे, आणि दशकांपासून उपलब्ध सर्वोत्तम साधन गोंगाटयुक्त विमानातील थकलेला निरीक्षक होता. AI-संचालित हवाई मोजणी संवर्धनातील मानवी तज्ञतेची जागा घेत नाही, पण समीकरणातून मॅन्युअल मोजणीचा अडथळा काढून टाकतो.
पुढच्या वेळी अभयारण्याला लोकसंख्या अंदाज आवश्यक असेल, तेव्हा सर्वात अचूक उत्तर कॅमेऱ्यातून येईल, क्लिपबोर्डवरून नाही. आणि क्लिपबोर्डच्या विपरीत, फोटो एका दशकानंतरही उपयुक्त असतील.