211service.com
Machine-Vision-Drohnen überwachen Tiere in der afrikanischen Savanne
Die Kalahari ist eine halbtrockene Sandsavanne, die sich über riesige Gebiete Botswanas, Südafrikas und Namibias erstreckt. Es ist die Heimat einer Vielzahl großer Säugetiere, darunter Giraffen, Strauße, Gnus und verschiedene Gazellenarten.
Die Nahrungsressourcen in der Savanne ändern sich ständig, wenn sich die Niederschläge ändern, der Weidedruck und die Buschbrände sich über das Land ausbreiten. Um eine Überweidung zu vermeiden, müssen Landbewirtschafter sicherstellen, dass die Anzahl der Weidetiere an das Nahrungsangebot angepasst ist.
Das erfordert eine umfassende Überwachung. Die gebräuchlichste Art, Populationen großer Säugetiere zu schätzen, besteht darin, sie von einem Hubschrauber aus zu zählen oder Kamerafallen aufzustellen, die ihre Bewegungen durch bestimmte Orte aufzeichnen.
Aber diese Methoden haben erhebliche Nachteile. Kamerafallen können Populationen nur an einem einzigen Ort aufzeichnen und Helikopterstudien sind teuer und zeitaufwändig.
Eine weitere Möglichkeit besteht darin, das Gebiet mit einer Drohne zu fotografieren. Dies erzeugt eine große Anzahl von Bildern, die riesige Landflächen abdecken. Aber es gibt ein Problem. Die Analyse dieser Bilder ist schwierig. Es erfordert geschulte menschliche Bediener, die dieser Aufgabe viel Zeit widmen.
Landverwalter hätten also gerne eine bessere Möglichkeit, diese Bilder zu analysieren.
Da wären Nicolas Rey von der Ecole Polytechnique Federale de Lausanne (EPFL) in der Schweiz und ein paar Kumpel, die stattdessen einen Bildverarbeitungsalgorithmus trainiert haben, um die Arbeit zu erledigen. Sie sagen, dass der Algorithmus den Zeitaufwand für erfahrene Menschen erheblich reduziert und zu erheblichen Verbesserungen der Populationsschätzungen großer Tiere führen könnte.
Ihre Methode ist unkompliziert. Sie beginnen mit einer Drohnenkartierungsstudie aus dem Jahr 2014, die im Kuzikus-Wildreservat am Rande der Kalahari in Namibia durchgeführt wurde. Dazu gehörten fünf Drohnenflüge über das Reservat mit einer Kamera, die 6.500 Bilder vom Boden machte. Jedes Bild hatte eine Größe von 3.000 x 4.000 Pixel bei einer Auflösung von wenigen Zentimetern pro Pixel.
Diese Bilder zeigen viele große Säugetiere, aber sie sind spärlich verteilt. Und das macht es für Menschen zeitaufwändig, sie zu finden.
Die Idee von Rey und Co ist, dass stattdessen ein Bildverarbeitungssystem darauf trainiert werden kann, die Arbeit zu erledigen. Aber das Training erfordert bodenständige Ergebnisse, aus denen die Maschine lernen kann.
Ein wichtiger Teil der Methode von Rey und Co. besteht also darin, diesen Ground-Truth-Datensatz mithilfe einer Crowdsourcing-Kampagne zu erstellen. Sie baten 232 Freiwillige, die Bilder zu studieren und um jedes Tier, dem sie begegnen, ein Polygon zu zeichnen. Jedes Bild wurde von mindestens drei und maximal 10 Freiwilligen gesehen. Die durchschnittliche Anzahl der Zuschauer betrug fünf. Wenn mehr als die Hälfte der Zuschauer zustimmten, ging das Team davon aus, dass sie ein Tier identifiziert hatten.
Auf diese Weise fanden die Freiwilligen in 650 Bildern etwa 976 große Säugetiere. Menschliche Experten überprüften dann die Ergebnisse und entfernten 21 falsche Fälle in einem Prozess, der nur 30 Minuten dauerte. Das Team verwendete diese Beispiele dann, um seinen Bildverarbeitungsalgorithmus zu trainieren und zu testen.
Die Ergebnisse sind interessant. Das Team stellte fest, dass der Algorithmus früh am Tag am besten funktioniert, wenn die Tiere lange Schatten werfen. Wir schließen daraus, dass das Fliegen am Morgen und immer zur gleichen Tageszeit zu besseren Ergebnissen führen kann, sagen sie. Aus dem gleichen Grund war es auch besser, Tiere im Stehen zu sehen als im Liegen.
Trotzdem funktionierte das System gut. Das System erreicht eine hohe Wiedererkennungsrate und ein menschlicher Bediener kann dann Fehlerkennungen mit begrenztem Aufwand beseitigen, sagt das Team. Es wird also immer noch ein menschlicher Operator benötigt, aber mit einer stark reduzierten Arbeitsbelastung.
Das hat Auswirkungen auf den Tierschutz in Afrika und anderen großen Gebieten. Es zeigt, dass die Erkennung großer Säugetiere in halbtrockenen Savannen durch die Verarbeitung von Daten angegangen werden kann, die von Standard-RGB-Kameras geliefert werden, die auf erschwinglichen UAVs mit festen Flügeln montiert sind, sagen Rey und Co.
Das ist eine interessante Arbeit, die zeigt, wie relativ billige Drohnentechnologie und immer leistungsfähigere Bildverarbeitungstechniken an abgelegenen Orten eingesetzt werden können. Der Tierschutz in diesen Regionen soll dadurch einfacher und effektiver werden.
Ref: arxiv.org/abs/1709.01722 : Aufspüren von Tieren in afrikanischen Savannen mit unbemannten Luftfahrzeugen und Menschenmassen