Наблюдатель в движущемся самолёте пропускает примерно каждого 10-го слона. Алгоритм не устаёт.
Учёт численности диких животных - основа охраны природы. Каждое управленческое решение, от маршрутов антибраконьерских патрулей до бюджетов на защиту среды обитания, зависит от того, сколько животных обитает на территории. На протяжении десятилетий стандартный метод оставался неизменным: летать низко над местностью и считать то, что видишь. Проблема в том, что человеческие глаза в движущемся самолёте справляются с этой задачей не очень хорошо.
Традиционная аэросъёмка и её ограничения
Стандартный учёт диких животных выглядит так: обученные наблюдатели наклоняются из низколетящего самолёта (обычно на высоте 60-100 метров над землёй) и считают животных в определённой полосе по обе стороны. Они фиксируют виды, размеры групп и местоположение на бумаге или с помощью диктофона, нередко в течение 6-8 часов подряд.
Проблемы хорошо задокументированы. Усталость наблюдателя наступает уже после первого часа, и точность неуклонно снижается. Разные наблюдатели, считающие один и тот же трансект, регулярно получают результаты, отличающиеся на 10-30%. Животных в тени, за кустами или в пятнистом лесу часто пропускают. Погода, турбулентность и высота вносят дополнительную вариативность. А сами полёты дорогие и опасные: низковысотные учётные полёты - одна из самых рискованных видов деятельности в охране природы.
Как ИИ меняет подсчёт
Аэросъёмка с ИИ переворачивает рабочий процесс. Вместо того чтобы полагаться на наблюдателей для обнаружения и подсчёта животных в реальном времени, самолёт (или дрон) делает фотографии высокого разрешения всей обследуемой территории. Уже на земле модель обнаружения сканирует каждое изображение и отмечает каждое найденное животное.
Модель обнаружения, как правило свёрточная нейронная сеть типа RetinaNet, обрабатывает изображения за один проход. Она идентифицирует животных по форме, размеру и контрасту с фоном, затем ставит маркер на каждое обнаружение с оценкой достоверности. Человек-рецензент проверяет отмеченные изображения и пограничные случаи, но основной подсчёт выполняется автоматически.
Исследование, опубликованное в работах Вагенингенского университета по изучению популяций животных, показало, что RetinaNet обнаружила 95% слонов, 91% жирафов и 90% зебр по сравнению с экспертной разметкой, при этом дополнительно корректно идентифицировала от 2,8 до 4,0% животных, которых аннотаторы полностью пропустили. Модель давала лишь от 1,6 до 5,0 ложноположительных срабатываний на одно истинное обнаружение.
Исследование в журнале Frontiers in Conservation Science показало, что методы с ИИ могут снизить стандартную ошибку оценки численности популяции на 31-67% по сравнению с ручными методами, с потенциалом увеличения объёма выборки на 160-1050% при тех же затратах. Это означает больше обследованной территории, чаще, за тот же бюджет.
Какие виды подходят лучше всего
Не все виды одинаково легко подсчитать с воздуха с помощью ИИ. Лучшие результаты достигаются для крупных, хорошо заметных животных в открытых местообитаниях.
Слоны, коровы, зебры и антилопы гну - идеальные кандидаты. Их размер облегчает обнаружение, а открытая саванна обеспечивает сильный контраст.
Фламинго, пингвины и колонии морских птиц располагаются плотными, хорошо видимыми группами на открытой местности. ИИ отлично считает тысячи особей на одном изображении.
Тюлени, морские львы и моржи на побережье хорошо видны сверху. Тепловизионная съёмка добавляет второй канал обнаружения.
Фермеры и управляющие дикой природой используют те же методы для подсчёта коров, лошадей и оленей на открытых пастбищах.
Преимущество проверяемости
Одно из самых недооценённых преимуществ фотосъёмочных учётов - постоянство данных. Традиционный подсчёт наблюдателем - это число на планшете. Его нельзя перепроверить, оспорить или улучшить после полёта.
Фотография - это постоянное доказательство. Каждое изображение, сделанное во время ИИ-учёта, можно архивировать, повторно проверить другими рецензентами и обработать заново спустя годы с помощью улучшенных алгоритмов. Если новая модель на 5% точнее прошлогодней, можно прогнать её по прошлогодним снимкам и получить более точную историческую оценку без повторного полёта.
Так формируется растущий набор данных, который со временем становится всё ценнее. Природоохранные организации, такие как Wild Me, создали платформы с открытым исходным кодом (например, Scout), которые позволяют исследователям по всему миру вносить вклад и повторно анализировать аэрофотоснимки. Научной записью становится сама фотография, а не полученный из неё подсчёт.
Где ИИ-подсчёт всё ещё испытывает трудности
Аэроподсчёт с ИИ эффективен, но не универсален. Ряд условий остаётся по-настоящему сложным.
- Густая растительность - Животные под плотным пологом деревьев невидимы для обычных камер. Лесных слонов и приматов по-прежнему трудно учитывать с воздуха.
- Ночные виды - Существа, активные только ночью, требуют тепловизионной или инфракрасной съёмки, которая имеет более низкое пространственное разрешение, чем дневные RGB-камеры.
- Водные животные под поверхностью - Морских обитателей под водой, таких как дельфины или рыбы, невозможно надёжно обнаружить на аэрофотоснимках.
- Мелкие или маскирующиеся виды - Животные, сливающиеся с окружением, например зайцы на сухой траве, доводят модели обнаружения до предела их возможностей.
- Экстремальная погода - Облачность, дождь и сильный ветер ухудшают качество изображений и могут полностью заземлить дроны и самолёты.
Как начать ИИ-подсчёт диких животных
- Выберите платформу- Потребительский дрон (DJI Mavic или аналогичный) подходит для небольших территорий; пилотируемые самолёты или дроны с фиксированным крылом покрывают более крупные заповедники.
- Спланируйте маршрут полёта- Используйте автоматическую навигацию по путевым точкам для обеспечения постоянной высоты и полного покрытия территории с перекрытием снимков.
- Снимайте в правильное время- Утренний или вечерний свет уменьшает резкие тени. Избегайте полудня, когда животные прячутся в тени.
- Обработайте с помощью модели обнаружения- Загрузите изображения на платформу ИИ-подсчёта. Среди решений с открытым кодом - Scout от Wild Me для обнаружения диких животных.
- Проверьте отмеченные обнаружения- Вручную проверьте маркеры с низкой достоверностью и пограничные случаи. Такой гибридный подход максимизирует точность.
- Архивируйте всё- Храните оригиналы изображений вместе с данными подсчёта. Будущие алгоритмы извлекут ещё больше пользы из сегодняшних фотографий.
Итог
Охрана дикой природы зависит от точных данных о численности популяций, и на протяжении десятилетий лучшим доступным инструментом был уставший наблюдатель в шумном самолёте. ИИ-аэроподсчёт не заменяет экспертизу человека в деле охраны природы, но убирает из процесса узкое место ручного подсчёта.
Когда заповеднику в следующий раз понадобится оценка численности, самый точный ответ даст камера, а не планшет с блокнотом. И в отличие от блокнота, фотографии будут полезны и через десять лет.