Technologie revolutioniert die Überwachung des Gesundheitszustands und der Größe entfernter Seevogelkolonien

Der Einsatz von Drohnen und künstlicher Intelligenz zur Überwachung großer Seevogelkolonien kann genauso effektiv sein wie herkömmliche Methoden vor Ort, während gleichzeitig Kosten, Arbeitsaufwand und das Risiko menschlicher Fehler reduziert werden, so eine neue Studie.

Wissenschaftler der Duke University und der Wildlife Conservation Society (WCS) verwendeten einen Deep-Learning-Algorithmus – eine Form der künstlichen Intelligenz –, um mehr als 10.000 Drohnenbilder von gemischten Seevogelkolonien auf den Falklandinseln vor der argentinischen Küste zu analysieren.

Die Falklandinseln, auch Malvinas genannt, beherbergen die weltweit größten Kolonien von Schwarzbrauenalbatrossen (Thalassarche melanophris) und die zweitgrößten Kolonien von Südlichen Felsenpinguinen (Eudyptes c. chrysocome). Hunderttausende Vögel brüten auf den Inseln in dicht verstreuten Gruppen.

Der Deep-Learning-Algorithmus hat die Albatrosse mit 97% Genauigkeit und die Pinguine mit 87% korrekt identifiziert und gezählt. Alles in allem lagen die automatisierten Zählungen in etwa 90 % der Fälle innerhalb von 5 % der menschlichen Zählungen.

„Der Einsatz von Drohnen-Umfragen und Deep Learning bietet uns eine Alternative, die bemerkenswert genau, weniger störend und deutlich einfacher ist. Eine Person oder ein kleines Team kann dies tun, und die Ausrüstung, die Sie dafür benötigen, ist nicht allzu kostspielig oder kompliziert “, sagte Madeline C. Hayes, eine Fernerkundungsanalytikerin am Marine Lab der Duke University, die die Studie leitete.

Die Überwachung der Kolonien, die sich auf zwei felsigen, unbewohnten Außeninseln befinden, wurde bisher von Wissenschaftlerteams durchgeführt, die die Anzahl jeder Spezies, die sie auf einem Teil der Inseln beobachten, zählen und diese Zahlen extrapolieren, um eine vollständige Populationsschätzung zu erhalten Kolonien. Da die Kolonien groß und dicht verstreut sind und die Pinguine viel kleiner als die Albatrosse sind (und daher leicht zu übersehen sind), müssen die Zählungen oft wiederholt werden. Es ist ein mühsamer Prozess, und die Anwesenheit der Wissenschaftler kann das Brut- und Elternverhalten der Vögel stören.

Lesen Sie auch  Abgelegen, schön, ohne Sanitäranlagen: Neuseelands beliebte Loos mit Aussicht | Neuseeland

Um die neuen Umfragen durchzuführen, verwendeten die WCS-Wissenschaftler eine handelsübliche Verbraucherdrohne, um mehr als 10.000 einzelne Fotos zu sammeln, die Hayes mit einer Bildverarbeitungssoftware in ein großformatiges zusammengesetztes Bild umwandelte.

Anschließend analysierte sie das Bild mit einem Convolutional Neural Network (CNN), einer Art von KI, die einen Deep-Learning-Algorithmus verwendet, um ein Bild zu analysieren und die darin “gesehenen” Objekte zu unterscheiden und zu zählen – in diesem Fall zwei verschiedene Arten von Seevögeln. Diese Zählungen wurden addiert, um umfassende Schätzungen der Gesamtzahl der in Kolonien gefundenen Vögel zu erstellen.

„Ein CNN ist lose dem menschlichen neuronalen Netzwerk nachempfunden, indem es aus Erfahrung lernt“, sagte David W. Johnston, Direktor des Duke Marine Robotics and Remote Sensing Lab. “Man trainiert den Computer, unterschiedliche visuelle Muster zu erkennen, wie die von Schwarzbrauenalbatros oder südlichen Felsenpinguinen in Beispielbildern, und im Laufe der Zeit lernt er, die Objekte zu identifizieren, die diese Muster in anderen Bildern wie unserem zusammengesetzten Foto bilden .”

Johnston, der auch außerordentlicher Professor für Meeresschutzökologie an der Nicholas School of the Environment in Duke ist, sagte, der aufkommende Drohnen- und CNN-gestützte Ansatz sei weit verbreitet „und verbessert unsere Fähigkeit, die Größe und den Gesundheitszustand von Seevogelkolonien zu überwachen, erheblich“. weltweit und die Gesundheit der marinen Ökosysteme, in denen sie leben.”

Guillermo Harris, leitender Naturschützer bei WCS, ist Mitautor der Studie. Er sagte: “Das Zählen großer Seevogelkolonien gemischter Arten an abgelegenen Orten ist eine ständige Herausforderung für Naturschützer. Diese Technologie wird zu regelmäßigen Populationsbewertungen einiger Arten beitragen und uns helfen, besser zu verstehen, ob die Erhaltungsbemühungen funktionieren.”

Lesen Sie auch  Roboterfisch: Synthetischer Fisch, der von menschlichen Herzzellen angetrieben wird, gibt neue Einblicke in das Herz

Das Erstellen und Trainieren des CNN kann einschüchternd wirken, bemerkte Hayes, aber „es gibt jede Menge Online-Ressourcen, die Ihnen helfen, oder, wenn Sie sich nicht damit befassen möchten, können Sie ein kostenloses, vorgefertigtes CNN verwenden und es anpassen customize um das zu tun, was Sie brauchen. Mit ein wenig Geduld und Anleitung könnte es jeder tun. Tatsächlich ist der Code zum Nachbauen unserer Modelle online verfügbar, um anderen Forschern zu helfen, ihre Arbeit zu starten.”

.

Leave a Reply

Your email address will not be published.

This site uses Akismet to reduce spam. Learn how your comment data is processed.