211service.com
Penguin-genkendelsessoftware
Forskere, der studerer en koloni af sjældne pingviner på en afsidesliggende sydafrikansk ø, bruger sofistikeret objektgenkendelsessoftware til at identificere og spore individuelle dyr – en tilgang, som de mener kan ændre bevaringsfeltarbejdet.
Find pingvinen: Bristol University-forskere bruger objektgenkendelsessoftware til at overvåge en koloni af sjældne pingviner på Robben Island i Sydafrika. En grøn boks indikerer, at softwaren ser en pingvin; en gul boks betyder, at softwaren har identificeret et bestemt dyr baseret på dets unikke mønster af brystpletter.
Den involverede software – oprindeligt udviklet til at genkende individuelle menneskelige ansigter – har udviklet sig hurtigt i de senere år. Men indtil videre har den såkaldte Penguin Recognition Project , drevet af Bristol Universitet , i England, er det første storstilede forsøg på at bruge denne teknologi til at katalogisere og overvåge en hel population af dyr i marken.
Robben Island er hjemsted for omkring 20.000 Afrikanske pingviner , en truet art, der er gået tilbage med 90 procent i det seneste århundrede. Forskere fra Bristol satte flere kameraer op langs stier, som pingvinerne har rejst godt på. Software opfanger pingvinernes fingeraftrykslignende mønstre af sorte og hvide fjer og bruger disse mønstre til at identificere individuelle dyr. Ved at spore individuelle pingviner gennem tiden kan forskerne lære, hvor længe de lever, hvor ofte de formerer sig, og hvilke tidspunkter på året de er mest sårbare.
Der er ret mange mennesker, der arbejder med computersyn for at forsøge at identificere objekter i billeder, siger Peter Barham, fysiker og en af projektets chefforskere. Ingen har brugt den teknologi til at lede efter dyr. Han tilføjer, at tilgangen potentielt kan bruges til at spore ethvert dyr, der har individuelt distinkte visuelle mønstre. Mange dyr, fra pukkelhvaler til giraffer, har individuelt forskellige farvemønstre.
Konventionelle teknikker til overvågning af dyrepopulationer er typisk meget dyre og vanskelige og påfører dyrene stress. De fleste populationsbiologiske undersøgelser udføres ved at fange dyr og mærke dem, eller ved at følge og fotografere individer, så de kan katalogiseres manuelt i visuelle databaser.
Pingvinprojektet gør det samme uden disse ulemper og får også bedre data. Vi kan beregne månedlige overlevelsesrater for pingviner. Ikke årligt-månedligt, siger Barham. Du får en skræmmende mængde data. Lige nu installerer forskerne fra Bristol et system, der permanent vil overvåge hele øen, efter succesen med prototyper, der er testet over de sidste fire år.
I denne uge præsenterer projektets forskere deres forskning på British Royal Society s årlige sommervidenskabsudstilling i London.
Pingvingenkendelsessoftwaren bruger en indlæringsalgoritme, der bliver bedre, jo flere data den støder på. Ved hjælp af en stor samling af pingvinfotografier lærte Bristol University computerforsker Tilo Burghardt softwaren at identificere et pingvinformet objekt ved dets brystkontur og stribe, et sort bånd med en karakteristisk form. Individuelle pingviner genkendes af de unikke mønstre af pletter på deres bryster, som hver især er beskrevet i systemet ved deres afstand fra alle andre pletter. Detektoren er robust nok til korrekt at identificere individuelle pingviner, selv når en eller flere af pletterne er dækket, siger Burghardt.
http://link.brightcove.com/services/player/bcpid1460879066?bctid=1632763892 Objektgenkendelsessoftware tilføjer grønne felter, når en pingvin genkendes, og gule felter, når en specifik pingvin genkendes.
Kredit: Tilo Burghardt
Man kan kode dyremønsteret endnu mere effektivt end menneskeansigter, siger han. Du behøver ikke bruge meget beskrivelse for at få systemet til at fungere.
Systemet bruger ret billige komponenter: almindelige sikkerhedskameraer forbundet til bærbare computere, som kommunikerer via et trådløst LAN. Med en strømkilde og en forbindelse til at streame dataene til en central server, fungerer den i marken med minimal menneskelig indblanding. I en måneds observation, siger Barham, vil systemet fange data om næsten hele kolonien.
Udfordringen ved at generalisere denne tilgang til andre arter er naturligvis i simpelthen at indsamle billederne effektivt. For vidtgående arter, der ikke rejser ad velbrugte stier, vil passive kameraer ikke fange nok billeder til at spore en hel population.
Men selv for mobile dyr, der ikke kan fotograferes passivt, kan objektgenkendelsessoftware træde i stedet for det møjsommelige arbejde med håndmatchende billeder, et job, der kræver stor ekspertise og æder begrænsede bevaringsforskningsbudgetter. Sophie Grange, en zebrabiolog kl Wits Universitet , i Sydafrika, er optimistisk med hensyn til teknologiens potentiale, og hun arbejder i øjeblikket sammen med Burghardt og hans kolleger om at udvikle et lignende system til hendes feltarbejde. Disse undersøgelser er essentielle for at forbedre vores videnskabelige viden om dyredemografi, hvilket er centralt, hvis man vil forvalte og bevare dyrepopulationer, siger hun.
Burghardt mener, at området for bevaringsbiologi er modent til teknologisk innovation. Det tog lang tid at indse, at man kan bruge lignende teknologi til at løse tilsyneladende meget forskellige problemer, siger han. Vi har dybest set åbnet op for et nyt samarbejdsfelt mellem videnskab og teknik.