Seorang pemerhati manusia dalam pesawat yang bergerak terlepas kira-kira 1 daripada 10 gajah. Algoritma tidak pernah penat.
Tinjauan populasi hidupan liar adalah tulang belakang pemuliharaan. Setiap keputusan pengurusan, dari laluan rondaan anti-pemburuan haram hingga bajet perlindungan habitat, bergantung kepada pengetahuan tentang berapa banyak hewan yang ada di luar sana. Selama beberapa dekad, kaedah standard tetap sama: terbang rendah di atas landskap dan kira apa yang anda lihat. Masalahnya ialah mata manusia dalam pesawat yang bergerak tidak begitu baik dalam tugas ini.
Tinjauan udara tradisional dan hadnya
Tinjauan hidupan liar konvensional berfungsi seperti ini: pemerhati terlatih mencondongkan badan keluar dari pesawat terbang rendah (biasanya 60 hingga 100 meter di atas permukaan tanah) dan mengira hewan dalam jalur yang ditentukan di kedua-dua belah. Mereka mencatat spesies, saiz kumpulan, dan lokasi di atas kertas atau dengan perakam suara, selalunya selama 6 hingga 8 jam tanpa henti.
Masalahnya telah didokumentasikan dengan baik. Keletihan pemerhati bermula selepas jam pertama, dan ketepatan menurun secara berterusan. Pemerhati berbeza yang mengira transek yang sama secara rutin menghasilkan kiraan yang berbeza 10 hingga 30%. Hewan di tempat teduh, di sebalik semak, atau di hutan bertompok-tompok sering terlepas. Cuaca, turbulensi, dan ketinggian semuanya memperkenalkan variabiliti tambahan. Dan penerbangan itu sendiri mahal dan berbahaya: penerbangan tinjauan ketinggian rendah adalah salah satu aktiviti berisiko tertinggi dalam pemuliharaan.
Bagaimana AI mengubah pengiraan
Tinjauan udara berbantukan AI membalikkan aliran kerja. Daripada bergantung kepada pemerhati manusia untuk mengesan dan mengira hewan secara masa nyata, pesawat (atau dron) menangkap gambar beresolusi tinggi bagi seluruh kawasan tinjauan. Di darat, model pengesanan mengimbas setiap imej dan menandakan setiap hewan yang dijumpai.
Model pengesanan, biasanya rangkaian saraf konvolusional seperti RetinaNet, memproses imej dalam satu laluan. Ia mengenal pasti hewan berdasarkan bentuk, saiz, dan kontras terhadap latar belakang, kemudian meletakkan penanda pada setiap pengesanan dengan skor keyakinan. Penyemak manusia memeriksa imej yang ditandakan dan kes-kes sempadan, tetapi pengiraan pukal dikendalikan secara automatik.
Penyelidikan yang diterbitkan dalam kajian populasi hewan Universiti Wageningen mendapati bahawa RetinaNet mengesan 95% gajah, 91% zirafah, dan 90% zebra berbanding anotasi pakar manusia, sambil mengenal pasti tambahan 2.8 hingga 4.0% hewan yang sepenuhnya terlepas oleh anotator manusia. Model ini hanya menghasilkan 1.6 hingga 5.0 positif palsu per positif sebenar.
Kajian Frontiers in Conservation Science mendapati bahawa kaedah berbantukan AI boleh mengurangkan ralat piawai anggaran populasi sebanyak 31 hingga 67% berbanding kaedah manual, dengan potensi peningkatan usaha persampelan sebanyak 160 hingga 1,050% pada kos yang setara. Ini bermakna lebih banyak kawasan ditinjau, lebih kerap, dengan bajet yang sama.
Spesies mana yang paling sesuai
Tidak setiap spesies sama mudahnya untuk dikira AI dari udara. Hasil terbaik diperoleh daripada hewan yang besar, berwarna mencolok, dan dijumpai di habitat terbuka.
Gajah, lembu, zebra, dan wildebeest adalah calon ideal. Saiz mereka menjadikan pengesanan mudah, dan savana terbuka memberikan kontras yang kuat.
Flamingo, penguin, dan koloni burung laut duduk dalam kumpulan padat dan boleh dilihat di tanah terbuka. AI cemerlang dalam mengira ribuan individu dalam satu imej.
Anjing laut, singa laut, dan walrus yang berehat di garis pantai jelas kelihatan dari atas. Pengimejan terma menambah saluran pengesanan kedua.
Penternak dan pengurus hidupan liar menggunakan teknik yang sama untuk lembu, kuda, dan rusa kutub di padang rumput terbuka.
Kelebihan kebolehauditan
Salah satu manfaat yang paling kurang dihargai daripada tinjauan berasaskan foto ialah kekal. Kiraan pemerhati tradisional hanyalah nombor di papan klip. Ia tidak boleh disemak semula, dicabar, atau diperbaiki selepas penerbangan.
Gambar adalah bukti kekal. Setiap imej yang ditangkap semasa tinjauan AI boleh diarkibkan, diperiksa semula oleh penyemak berbeza, dan diproses semula bertahun-tahun kemudian dengan algoritma yang lebih baik. Jika model baharu 5% lebih tepat daripada tahun lepas, anda boleh menjalankannya semula pada imej tahun lepas dan mendapatkan anggaran sejarah yang lebih baik tanpa terbang lagi.
Ini mewujudkan set data yang berkembang dan bertambah baik dari semasa ke semasa. Organisasi pemuliharaan seperti Wild Me telah membina platform sumber terbuka (seperti Scout) yang membolehkan penyelidik di seluruh dunia menyumbang dan menganalisis semula imej udara. Gambar itu sendiri menjadi rekod saintifik, bukan kiraan yang diperoleh daripadanya.
Di mana pengiraan AI masih bergelut
Pengiraan udara AI berkuasa tetapi tidak universal. Beberapa keadaan kekal benar-benar sukar.
- Tumbuhan lebat - Hewan di bawah kanopi pokok tebal tidak kelihatan kepada kamera standard. Gajah hutan dan primat kekal sukar ditinjau dari udara.
- Spesies nokturnal - Makhluk yang aktif hanya pada waktu malam memerlukan pengimejan terma atau inframerah, yang mempunyai resolusi ruang lebih rendah daripada kamera RGB siang hari.
- Hewan akuatik di bawah permukaan - Spesies marin di bawah air, seperti ikan lumba-lumba atau ikan, tidak boleh dikesan secara andal daripada gambar udara.
- Spesies kecil atau berkamuflaj - Hewan yang menyerupai persekitarannya, seperti arnab di rumput kering, menolak model pengesanan hingga hadnya.
- Cuaca melampau - Awan, hujan, dan angin kuat merosakkan kualiti imej dan boleh menghentikan operasi dron dan pesawat sepenuhnya.
Bermula dengan pengiraan hidupan liar AI
- Pilih platform anda- Dron pengguna (DJI Mavic atau seumpamanya) sesuai untuk kawasan kecil; pesawat berawak atau dron sayap tetap meliputi rizab yang lebih besar.
- Rancang grid penerbangan anda- Gunakan navigasi titik laluan automatik untuk memastikan ketinggian konsisten dan liputan kawasan penuh dengan pertindihan imej.
- Tangkap pada masa yang sesuai- Cahaya awal pagi atau lewat petang mengurangkan bayang keras. Elakkan tengah hari apabila hewan mencari tempat teduh.
- Proses dengan model pengesanan- Muat naik imej ke platform pengiraan AI. Pilihan sumber terbuka termasuk Scout daripada Wild Me untuk pengesanan hidupan liar.
- Semak pengesanan yang ditandakan- Periksa penanda keyakinan rendah dan kes sempadan secara manual. Pendekatan hibrid ini memaksimumkan ketepatan.
- Arkibkan semuanya- Simpan imej asal bersama data kiraan. Algoritma masa hadapan akan mengekstrak lebih banyak nilai daripada gambar hari ini.
Kesimpulan
Pemuliharaan hidupan liar bergantung kepada data populasi yang tepat, dan selama beberapa dekad alat terbaik yang tersedia ialah pemerhati yang penat dalam pesawat yang bising. Pengiraan udara berkuasa AI tidak menggantikan kepakaran manusia dalam pemuliharaan, tetapi ia menghapuskan kesesakan pengiraan manual daripada persamaan.
Pada kali seterusnya sebuah rizab memerlukan anggaran populasi, jawapan paling tepat akan datang daripada kamera, bukan papan klip. Dan tidak seperti papan klip, gambar-gambar itu masih akan berguna satu dekad dari sekarang.