Một người quan sát trên máy bay đang di chuyển bỏ sót khoảng 1 trong 10 con voi. Thuật toán không bao giờ mệt mỏi.
Các cuộc khảo sát quần thể động vật hoang dã là xương sống của công tác bảo tồn. Mọi quyết định quản lý, từ các tuyến tuần tra chống săn trộm đến ngân sách bảo vệ môi trường sống, đều phụ thuộc vào việc biết có bao nhiêu động vật ngoài kia. Trong nhiều thập kỷ, phương pháp tiêu chuẩn vẫn giống nhau: bay thấp trên cảnh quan và đếm những gì bạn nhìn thấy. Vấn đề là mắt người trên máy bay đang di chuyển không giỏi lắm trong công việc này.
Khảo sát trên không truyền thống và những hạn chế của nó
Một cuộc khảo sát động vật hoang dã thông thường hoạt động như sau: các quan sát viên được đào tạo nghiêng người ra khỏi máy bay bay thấp (thường ở độ cao 60 đến 100 mét so với mặt đất) và đếm động vật trong một dải xác định ở hai bên. Họ ghi lại loài, kích thước nhóm và vị trí trên giấy hoặc bằng máy ghi âm, thường trong 6 đến 8 giờ liên tục.
Các vấn đề đã được ghi nhận rõ ràng. Sự mệt mỏi của quan sát viên bắt đầu sau giờ đầu tiên, và độ chính xác giảm dần. Các quan sát viên khác nhau đếm cùng một tuyến thường xuyên cho ra kết quả chênh lệch 10 đến 30%. Động vật trong bóng râm, sau bụi cây, hoặc trong rừng lốm đốm thường bị bỏ sót. Thời tiết, nhiễu động, và độ cao đều tạo thêm biến thiên. Và bản thân các chuyến bay rất tốn kém và nguy hiểm: bay khảo sát ở độ cao thấp là một trong những hoạt động có rủi ro cao nhất trong bảo tồn.
AI thay đổi cách đếm như thế nào
Khảo sát trên không có sự hỗ trợ của AI đảo ngược quy trình làm việc. Thay vì dựa vào quan sát viên con người để phát hiện và đếm động vật trong thời gian thực, máy bay (hoặc drone) chụp ảnh độ phân giải cao của toàn bộ khu vực khảo sát. Trên mặt đất, mô hình phát hiện quét từng hình ảnh và đánh dấu mỗi con vật tìm thấy.
Mô hình phát hiện, thường là mạng nơ-ron tích chập như RetinaNet, xử lý hình ảnh trong một lần quét. Nó nhận dạng động vật theo hình dạng, kích thước, và độ tương phản với nền, sau đó đặt một điểm đánh dấu trên mỗi phát hiện kèm điểm tin cậy. Người đánh giá kiểm tra các hình ảnh được gắn cờ và các trường hợp biên, nhưng việc đếm hàng loạt được xử lý tự động.
Nghiên cứu được công bố trong các nghiên cứu quần thể động vật của Đại học Wageningen cho thấy RetinaNet phát hiện 95% voi, 91% hươu cao cổ, và 90% ngựa vằn so với chú thích của chuyên gia con người, đồng thời xác định thêm 2,8 đến 4,0% động vật mà người chú thích bỏ sót hoàn toàn. Mô hình chỉ tạo ra 1,6 đến 5,0 dương tính giả trên mỗi dương tính thật.
Một nghiên cứu trên Frontiers in Conservation Science cho thấy các phương pháp có hỗ trợ AI có thể giảm sai số chuẩn ước tính quần thể từ 31 đến 67% so với phương pháp thủ công, với tiềm năng tăng nỗ lực lấy mẫu từ 160 đến 1.050% ở chi phí tương đương. Điều đó có nghĩa là nhiều diện tích được khảo sát hơn, thường xuyên hơn, với cùng ngân sách.
Loài nào phù hợp nhất
Không phải loài nào cũng dễ dàng để AI đếm từ trên không. Kết quả tốt nhất đến từ những động vật có kích thước lớn, màu sắc nổi bật, và sống ở môi trường sống mở.
Voi, bò, ngựa vằn, và linh dương đầu bò là những ứng viên lý tưởng. Kích thước của chúng giúp dễ phát hiện, và thảo nguyên mở tạo độ tương phản mạnh.
Hồng hạc, chim cánh cụt, và các đàn chim biển tụ tập thành nhóm dày đặc, dễ nhìn thấy trên mặt đất trống. AI xuất sắc trong việc đếm hàng nghìn cá thể trong một bức ảnh.
Hải cẩu, sư tử biển, và hải mã nghỉ ngơi trên bờ biển rõ ràng nhìn thấy từ trên cao. Chụp ảnh nhiệt bổ sung thêm một kênh phát hiện thứ hai.
Chủ trang trại và người quản lý động vật hoang dã sử dụng các kỹ thuật tương tự cho bò, ngựa, và tuần lộc trên đồng cỏ mở.
Lợi thế về khả năng kiểm toán
Một trong những lợi ích ít được đánh giá nhất của khảo sát dựa trên ảnh là tính lâu dài. Số đếm của quan sát viên truyền thống chỉ là một con số trên bảng ghi. Nó không thể được kiểm tra lại, phản bác, hoặc cải thiện sau chuyến bay.
Bức ảnh là bằng chứng vĩnh viễn. Mỗi hình ảnh được chụp trong quá trình khảo sát AI có thể được lưu trữ, xem xét lại bởi những người đánh giá khác nhau, và xử lý lại nhiều năm sau với các thuật toán tốt hơn. Nếu một mô hình mới chính xác hơn 5% so với năm ngoái, bạn có thể chạy lại nó trên hình ảnh năm ngoái và nhận được ước tính lịch sử tốt hơn mà không cần bay lại.
Điều này tạo ra một bộ dữ liệu ngày càng lớn và cải thiện theo thời gian. Các tổ chức bảo tồn như Wild Me đã xây dựng các nền tảng mã nguồn mở (như Scout) cho phép các nhà nghiên cứu trên toàn thế giới đóng góp và phân tích lại hình ảnh trên không. Bức ảnh chính là hồ sơ khoa học, không phải con số đếm được rút ra từ nó.
AI vẫn gặp khó khăn ở đâu
Đếm trên không bằng AI rất mạnh mẽ nhưng không phải phổ quát. Một số điều kiện vẫn thực sự khó khăn.
- Thảm thực vật dày đặc - Động vật dưới tán cây dày không thể nhìn thấy bằng camera thông thường. Voi rừng và linh trưởng vẫn khó khảo sát từ trên không.
- Loài hoạt động ban đêm - Sinh vật chỉ hoạt động vào ban đêm cần chụp ảnh nhiệt hoặc hồng ngoại, có độ phân giải không gian thấp hơn camera RGB ban ngày.
- Động vật thủy sinh dưới mặt nước - Các loài biển dưới nước, như cá heo hoặc cá, không thể phát hiện đáng tin cậy từ ảnh chụp trên không.
- Loài nhỏ hoặc ngụy trang - Động vật hòa lẫn với môi trường xung quanh, như thỏ trên cỏ khô, đẩy các mô hình phát hiện đến giới hạn.
- Thời tiết khắc nghiệt - Mây, mưa, và gió mạnh làm giảm chất lượng hình ảnh và có thể khiến các hoạt động của drone và máy bay phải dừng hoàn toàn.
Bắt đầu với việc đếm động vật hoang dã bằng AI
- Chọn nền tảng của bạn- Drone tiêu dùng (DJI Mavic hoặc tương tự) phù hợp cho khu vực nhỏ; máy bay có người lái hoặc drone cánh cố định bao phủ các khu bảo tồn lớn hơn.
- Lên kế hoạch lưới bay- Sử dụng điều hướng waypoint tự động để đảm bảo độ cao nhất quán và phủ sóng toàn bộ khu vực với chồng chéo hình ảnh.
- Chụp vào đúng thời điểm- Ánh sáng sáng sớm hoặc chiều muộn giảm bóng đổ khắc nghiệt. Tránh giữa trưa khi động vật tìm bóng râm.
- Xử lý bằng mô hình phát hiện- Tải hình ảnh lên nền tảng đếm AI. Các tùy chọn mã nguồn mở bao gồm Scout của Wild Me cho phát hiện động vật hoang dã.
- Xem xét các phát hiện được gắn cờ- Kiểm tra thủ công các điểm đánh dấu có độ tin cậy thấp và các trường hợp biên. Cách tiếp cận kết hợp này tối đa hóa độ chính xác.
- Lưu trữ mọi thứ- Lưu hình ảnh gốc cùng với dữ liệu đếm. Các thuật toán trong tương lai sẽ khai thác thêm giá trị từ ảnh chụp hôm nay.
Kết luận
Bảo tồn động vật hoang dã phụ thuộc vào dữ liệu quần thể chính xác, và trong nhiều thập kỷ, công cụ tốt nhất hiện có là một quan sát viên mệt mỏi trong chiếc máy bay ồn ào. Đếm trên không bằng AI không thay thế chuyên môn của con người trong bảo tồn, nhưng nó loại bỏ nút thắt cổ chai của việc đếm thủ công khỏi phương trình.
Lần tới khi một khu bảo tồn cần ước tính quần thể, câu trả lời chính xác nhất sẽ đến từ một chiếc camera, không phải từ bảng ghi. Và không giống như bảng ghi, những bức ảnh đó vẫn sẽ hữu ích một thập kỷ kể từ bây giờ.