Programvare for pingvingjenkjenning

Forskere som studerer en koloni med sjeldne pingviner på en avsidesliggende sørafrikansk øy, bruker sofistikert programvare for gjenkjenning av objekter for å identifisere og spore individuelle dyr – en tilnærming som de tror kan endre feltarbeid for bevaring.





Finn pingvinen: Forskere ved Bristol University bruker programvare for gjenkjenning av objekter for å overvåke en koloni med sjeldne pingviner på Robben Island, i Sør-Afrika. En grønn boks indikerer at programvaren ser en pingvin; en gul boks betyr at programvaren har identifisert et bestemt dyr basert på dets unike mønster av brystflekker.

Programvaren som er involvert – opprinnelig utviklet for å gjenkjenne individuelle menneskeansikter – har utviklet seg raskt de siste årene. Men så langt har den såkalte Penguin Recognition Project , drevet av Bristol University , i England, er det første storstilte forsøket på å bruke denne teknologien til å katalogisere og overvåke en hel bestand av dyr i felten.

Robben Island er hjem til omtrent 20 000 Afrikanske pingviner , en truet art som har gått tilbake med 90 prosent det siste århundret. Forskere fra Bristol satte opp flere kameraer langs stier som pingvinene har reist godt. Programvare fanger opp pingvinenes fingeravtrykklignende mønstre av svarte og hvite fjær, og bruker disse mønstrene til å identifisere individuelle dyr. Ved å spore individuelle pingviner gjennom tiden, kan forskere lære hvor lenge de lever, hvor ofte de reproduserer og hvilke tider på året de er mest sårbare.



Det er ganske mange mennesker som jobber med datasyn for å prøve å identifisere objekter i bilder, sier Peter Barham, en fysiker og en av prosjektets sjefsforskere. Ingen har brukt den teknologien for å lete etter dyr. Han legger til at tilnærmingen potensielt kan brukes til å spore ethvert dyr som har individuelt distinkte visuelle mønstre. Mange dyr, fra knølhval til sjiraffer, har individuelle forskjellige fargemønstre.

Konvensjonelle teknikker for populasjonsovervåking av dyr er vanligvis svært kostbare og vanskelige, og påfører dyr stress. De fleste populasjonsbiologiske studier gjøres ved å fange dyr og merke dem, eller ved å følge og fotografere individer slik at de kan katalogiseres for hånd i visuelle databaser.

Pingvinprosjektet gjør det samme uten disse ulempene og får også bedre data. Vi kan regne ut månedlige overlevelsesrater for pingviner. Ikke årlig – månedlig, sier Barham. Du får en skremmende mengde data. Akkurat nå installerer forskerne fra Bristol et system som permanent vil overvåke hele øya, etter suksessen til prototyper som er testet de siste fire årene.



Denne uken presenterer prosjektets forskere sin forskning på British Royal Society sin årlige sommervitenskapsutstilling i London.

Pingvingjenkjenningsprogramvaren bruker en læringsalgoritme som blir bedre jo mer data den møter. Ved å bruke en stor samling pingvinfotografier lærte Bristol Universitys dataforsker Tilo Burghardt programvaren å identifisere en pingvinformet gjenstand ved hjelp av brystomrisset og stripen, et svart bånd med en karakteristisk form. Individuelle pingviner gjenkjennes av de unike mønstrene av flekker på brystet, som hver er beskrevet i systemet etter avstanden fra alle andre flekker. Detektoren er robust nok til å korrekt identifisere individuelle pingviner selv når en eller flere av flekkene er dekket, sier Burghardt.

http://link.brightcove.com/services/player/bcpid1460879066?bctid=1632763892

Programvare for objektgjenkjenning legger til grønne bokser når en pingvin gjenkjennes og gule bokser når en spesifikk pingvin gjenkjennes.
Kreditt: Tilo Burghardt



Du kan kode dyremønsteret enda mer effektivt enn menneskeansikter, sier han. Du trenger ikke bruke mye beskrivelse for å få systemet til å fungere.

Systemet bruker ganske billige komponenter: vanlige sikkerhetskameraer koblet til bærbare datamaskiner, som kommuniserer via et trådløst LAN. Med en strømkilde og en tilkobling for å streame dataene til en sentral server, opererer den i felt med minimal menneskelig innblanding. I en måned med observasjon, sier Barham, vil systemet fange opp data om nesten hele kolonien.

Utfordringen med å generalisere denne tilnærmingen til andre arter, er selvfølgelig å samle bildene effektivt. For vidtgående arter som ikke reiser langs velbrukte stier, vil ikke passive kameraer ta nok bilder til å spore en hel bestand.



Men selv for mobile dyr som ikke kan fotograferes passivt, kan objektgjenkjenningsprogramvare ta plassen til det møysommelige arbeidet med å matche bilder, en jobb som krever stor ekspertise og spiser opp begrensede forskningsbudsjetter for bevaring. Sophie Grange, en sebrabiolog kl Wits University , i Sør-Afrika, er optimistisk med tanke på teknologiens potensial, og hun jobber for tiden med Burghardt og kollegene hans for å utvikle et lignende system for feltarbeidet hennes. Disse studiene er essensielle for å forbedre vår vitenskapelige kunnskap om dyredemografi, som er sentralt dersom man ønsker å forvalte og bevare dyrebestander, sier hun.

Burghardt mener at feltet bevaringsbiologi er modent for teknologisk innovasjon. Det tok lang tid å innse at man kan bruke lignende teknologi for å løse tilsynelatende veldig forskjellige problemer, sier han. Vi har i utgangspunktet åpnet et nytt felt for samarbeid mellom vitenskap og ingeniørfag.

gjemme seg