Ludzki obserwator w poruszajacym sie samolocie pomija mniej wiecej 1 na 10 sloni. Algorytm nie meczy sie.
Badania populacji dzikich zwierzat sa podstawa ochrony przyrody. Kazda decyzja zarzadcza, od tras patroli antybrakonierskich po budzety na ochrone siedlisk, zalezy od wiedzy o tym, ile zwierzat zyje na danym terenie. Od dziesiecioleci standardowa metoda pozostaje taka sama: lec nisko nad krajobrazem i liczyc to, co widac. Problem w tym, ze ludzkie oczy w poruszajacym sie samolocie nie radza sobie z tym zadaniem zbyt dobrze.
Tradycyjne badanie lotnicze i jego ograniczenia
Konwencjonalne badanie dzikich zwierzat wyglada nastepujaco: przeszkoleni obserwatorzy wychylaja sie z nisko lecacego samolotu (zwykle 60 do 100 metrow nad ziemia) i licza zwierzeta w wyznaczonym pasie po obu stronach. Zapisuja gatunki, wielkosci grup i lokalizacje na papierze lub za pomoca dyktafonu, czesto przez 6 do 8 godzin bez przerwy.
Problemy sa dobrze udokumentowane. Zmeczenie obserwatora pojawia sie po pierwszej godzinie, a dokladnosc stale spada. Rozni obserwatorzy liczacy ten sam transekt rutynowo otrzymuja wyniki rozniace sie o 10 do 30%. Zwierzeta w cieniu, za krzakami lub w lesie z przerywana korona drzew sa czesto pomijane. Pogoda, turbulencje i wysokosc wprowadzaja dodatkowa zmiennosc. Same loty sa drogie i niebezpieczne: loty obserwacyjne na niskiej wysokosci naleza do najbardziej ryzykownych czynnosci w ochronie przyrody.
Jak AI zmienia liczenie
Badania lotnicze wspomagane przez AI odwracaja przebieg pracy. Zamiast polegac na ludzkich obserwatorach wykrywajacych i liczacych zwierzeta w czasie rzeczywistym, samolot (lub dron) wykonuje zdjecia wysokiej rozdzielczosci calego badanego obszaru. Na ziemi model detekcji skanuje kazdy obraz i zaznacza kazde znalezione zwierze.
Model detekcji, zwykle konwolucyjna siec neuronowa taka jak RetinaNet, przetwarza obrazy w jednym przebiegu. Identyfikuje zwierzeta na podstawie ksztaltu, rozmiaru i kontrastu z tlem, a nastepnie umieszcza znacznik na kazdej detekcji z wynikiem pewnosci. Ludzki recenzent sprawdza oznaczone obrazy i przypadki graniczne, ale masowe liczenie odbywa sie automatycznie.
Badania opublikowane w ramach studiow nad populacjami zwierzat Uniwersytetu Wageningen wykazaly, ze RetinaNet wykryl 95% sloni, 91% zyraf i 90% zebr w porownaniu z ekspercka adnotacja ludzka, jednoczesnie prawidlowo identyfikujac dodatkowe 2,8 do 4,0% zwierzat, ktore ludzcy adnotatorzy calkowicie pomineli. Model generowal jedynie 1,6 do 5,0 falszywych trafien na jedno prawdziwe trafienie.
Badanie opublikowane w Frontiers in Conservation Science wykazalo, ze metody wspomagane przez AI moga zredukowac blad standardowy oszacowania populacji o 31 do 67% w porownaniu z metodami recznymi, z potencjalem zwiekszenia nakladu probkowania o 160 do 1050% przy rownowaznym koszcie. Oznacza to wiekszy badany obszar, czesciej, za ten sam budzet.
Ktore gatunki sprawdzaja sie najlepiej
Nie kazdy gatunek jest rownie latwy do policzenia z powietrza przez AI. Najlepsze wyniki dotycza zwierzat duzych, wyraznie ubarwionych i zyjacych w otwartych siedliskach.
Slonie, bydlo, zebry i antylopy gnu sa idealnymi kandydatami. Ich rozmiar ulatwia wykrywanie, a otwarta sawanna zapewnia silny kontrast.
Flamingi, pingwiny i kolonie ptakow morskich siedza w gestych, widocznych grupach na otwartym terenie. AI swietnie radzi sobie z liczeniem tysiecy osobnikow na jednym zdjeciu.
Foki, lwy morskie i morsy wypoczywajace na wybrzezu sa wyraznie widoczne z gory. Zobrazowanie termiczne dodaje drugi kanal detekcji.
Hodowcy i zarzadcy dzikich terenow stosuja identyczne techniki dla bydla, koni i renow na otwartych pastwiskach.
Przewaga audytowalnosci
Jedna z najbardziej niedocenianych zalet badan opartych na zdjeciach jest trwalosc. Tradycyjne liczenie obserwatora to liczba na podkladce. Nie mozna jej ponownie sprawdzic, zakwestionowac ani poprawic po locie.
Zdjecie jest trwalym dowodem. Kazdy obraz zrobiony podczas badania AI moze byc zarchiwizowany, ponownie zbadany przez innych recenzentow i ponownie przetworzony po latach za pomoca ulepszonych algorytmow. Jesli nowy model jest o 5% dokladniejszy niz zeszloroczny, mozna go uruchomic na zeszlorocznych zdjeciach i uzyskac lepsza historyczna estymacje bez ponownego latania.
Tworzy to rosnacy zbior danych, ktory poprawia sie z czasem. Organizacje ochrony przyrody, takie jak Wild Me, zbudowaly platformy open-source (np. Scout), ktore pozwalaja naukowcom z calego swiata wnosic wklad i ponownie analizowac zdjecia lotnicze. Samo zdjecie staje sie zapisem naukowym, nie liczba z niego wyprowadzona.
Gdzie liczenie AI wciaz napotyka trudnosci
Lotnicze liczenie AI jest potezne, ale nie uniwersalne. Kilka warunkow pozostaje naprawde trudnych.
- Gesta roslinnosc - Zwierzeta pod gestym dachem koron drzew sa niewidoczne dla standardowych kamer. Slonie lesne i naczelne pozostaja trudne do zbadania z powietrza.
- Gatunki nocne - Stworzenia aktywne tylko w nocy wymagaja zobrazowania termicznego lub podczerwonego, ktore ma nizsza rozdzielczosc przestrzenna niz dzienne kamery RGB.
- Zwierzeta wodne pod powierzchnia - Gatunki morskie pod woda, takie jak delfiny lub ryby, nie moga byc niezawodnie wykryte ze zdjec lotniczych.
- Male lub zakamuflowane gatunki - Zwierzeta wtapiajace sie w otoczenie, takie jak zajace na suchej trawie, doprowadzaja modele detekcji do granic mozliwosci.
- Ekstremalna pogoda - Zachmurzenie, deszcz i silny wiatr pogarszaja jakosc obrazu i moga calkowicie uziemic operacje dronow i samolotow.
Jak zaczac liczenie dzikich zwierzat z AI
- Wybierz platforme- Dron konsumencki (DJI Mavic lub podobny) sprawdza sie na malych obszarach; zalogowe samoloty lub drony ze stalym skrzydlem pokrywaja wieksze rezerwaty.
- Zaplanuj siatke lotow- Uzyj automatycznej nawigacji po punktach, aby zapewnic stala wysokosc i pelne pokrycie obszaru z nakladaniem sie obrazow.
- Fotografuj o wlasciwej porze- Swiatlo wczesnoporanne lub poznopoobiedniowe zmniejsza ostre cienie. Unikaj poludnia, gdy zwierzeta szukaja cienia.
- Przetwarzaj modelem detekcji- Wgraj zdjecia na platforme liczenia AI. Opcje open-source obejmuja Scout od Wild Me do detekcji specyficznej dla dzikiej przyrody.
- Sprawdz oznaczone detekcje- Recznie zweryfikuj znaczniki o niskiej pewnosci i przypadki graniczne. To podejscie hybrydowe maksymalizuje dokladnosc.
- Archiwizuj wszystko- Przechowuj oryginalne zdjecia wraz z danymi liczenia. Przyszle algorytmy wydobeda jeszcze wieksza wartosc z dzisiejszych fotografii.
Podsumowanie
Ochrona dzikich zwierzat zalezy od dokladnych danych populacyjnych, a przez dziesieciolecia najlepszym dostepnym narzedziem byl zmeczony obserwator w halasliwym samolocie. Lotnicze liczenie wspierane przez AI nie zastepuje ludzkiej wiedzy w ochronie przyrody, ale usuwa waskie gardlo recznego liczenia z rownania.
Nastepnym razem, gdy rezerwat bedzie potrzebowal oszacowania populacji, najdokladniejsza odpowiedz przyjdzie z kamery, a nie z podkladki. I w przeciwienstwie do podkladki, zdjecia beda przydatne jeszcze za dekade.