Machine-Vision drones uzrauga dzīvniekus Āfrikas savannā

Kalahari ir daļēji sausa smilšaina savanna, kas stiepjas pāri milzīgiem Botsvānas, Dienvidāfrikas un Namībijas apgabaliem. Tā ir mājvieta dažādiem lieliem zīdītājiem, tostarp žirafēm, strausiem, gnusiem un dažādām gazeļu sugām.

Pārtikas resursi savannā pastāvīgi mainās, mainoties nokrišņiem, no ganību spiediena un krūmu ugunsgrēkiem izplatoties pa zemi. Lai izvairītos no pārganīšanas, zemes apsaimniekotājiem ir jānodrošina ganību skaita saskaņošana ar pārtikas pieejamību.

Tas prasa ievērojamu uzraudzību. Visizplatītākie lielo zīdītāju populāciju noteikšanas veidi ir to skaitīšana no helikoptera vai kameru slazdu uzstādīšana, kas reģistrē to kustību noteiktās vietās.

Bet šīm metodēm ir ievērojami trūkumi. Kameras slazdi var reģistrēt populācijas tikai vienā vietā, un helikopteru pētījumi ir dārgi un laikietilpīgi.

Vēl viena iespēja ir fotografēt teritoriju, izmantojot dronu. Tādējādi tiek iegūts liels skaits attēlu, kas aptver plašas zemes platības. Bet ir problēma. Šos attēlus ir grūti analizēt. Tas prasa apmācītus cilvēkus, lai uzdevumam būtu jāvelta daudz laika.

Tāpēc zemes apsaimniekotājiem ļoti patiktu, ja viņiem būtu labāks veids, kā analizēt šos attēlus.

Ienāciet Nicolas Rey (Ecole Polytechnique Federale de Lausanne (EPFL)) Šveicē un dažus draugus, kuri ir apmācījuši mašīnredzes algoritmu, lai veiktu šo darbu. Viņi saka, ka algoritms ievērojami samazina laiku, kas vajadzīgs pieredzējušiem cilvēkiem, un var ievērojami uzlabot lielu dzīvnieku populācijas aprēķinus.

Viņu metode ir vienkārša. Tie sākas ar 2014. gada dronu kartēšanas pētījumu, kas veikts Kuzikus savvaļas dabas rezervātā Kalahari malā Namībijā. Tas ietvēra piecus bezpilota lidaparātu lidojumus virs rezervāta ar kameru, kas uzņēma 6500 zemes attēlus. Katrs attēls bija 3000 x 4000 pikseļu ar dažu centimetru izšķirtspēju uz pikseļu.

Šajos attēlos redzami daudzi lieli zīdītāji, taču tie ir reti izplatīti. Un tas padara to atrašanu laikietilpīgi.

Rey un co ideja ir tāda, ka mašīnredzes sistēmu var apmācīt tā vietā veikt šo darbu. Bet apmācībai ir nepieciešami patiesi rezultāti, no kuriem mašīna var mācīties.

Tātad svarīga Rey un co metodes daļa ir šīs pamata patiesības datu kopas izveide, izmantojot pūļa avotu kampaņu. Viņi lūdza 232 brīvprātīgajiem izpētīt attēlus un uzzīmēt daudzstūri ap katru dzīvnieku, ar kuru viņi saskaras. Katru attēlu redzēja vismaz trīs brīvprātīgie un ne vairāk kā 10. Vidējais skatītāju skaits bija pieci. Ja vairāk nekā puse skatītāju piekrita, komanda pieņēma, ka viņi ir identificējuši dzīvnieku.

Tādā veidā brīvprātīgie 650 attēlos atrada aptuveni 976 lielus zīdītājus. Cilvēku eksperti pēc tam pārskatīja rezultātus, noņemot 21 viltus gadījumu procesā, kas ilga tikai 30 minūtes. Pēc tam komanda izmantoja šos piemērus, lai apmācītu un pārbaudītu savu mašīnredzes algoritmu.

Rezultāti ir interesanti. Komanda atklāja, ka algoritms vislabāk darbojās dienas sākumā, kad dzīvnieki met garas ēnas. Mēs secinām, ka lidošana no rīta un vienmēr vienā un tajā pašā diennakts stundā var nodrošināt labākus rezultātus, viņi saka. Tā paša iemesla dēļ bija labāk pamanīt dzīvniekus stāvus, nevis guļus.

Tomēr sistēma darbojās labi. Sistēma sasniedz augstu atsaukšanas ātrumu, un cilvēks-operators pēc tam ar ierobežotu piepūli var novērst viltus atklāšanu, norāda komanda. Tāpēc joprojām ir nepieciešams cilvēks-operators, taču ar ievērojami samazinātu darba slodzi.

Tas ietekmē dzīvnieku aizsardzību Āfrikā un citās lielās teritorijās. Tas parāda, ka lielu zīdītāju noteikšanu pussausajā Savannā var sasniegt, apstrādājot datus, ko nodrošina standarta RGB kameras, kas uzstādītas uz pieņemamām bezpilota lidaparātiem ar fiksētiem spārniem, piemēram, Rey un co.

Tas ir interesants darbs, kas parāda, kā salīdzinoši lētas dronu tehnoloģijas un arvien jaudīgākas mašīnredzes metodes var izmantot attālās vietās. Rezultātā dzīvnieku aizsardzībai šajos reģionos vajadzētu būt vieglākai un efektīvākai.

Atsauce: arxiv.org/abs/1709.01722 : Dzīvnieku noteikšana Āfrikas savannā ar bezpilota lidaparātiem un pūļiem

paslēpties