Искусственный интеллект помогает ускорить экологические исследования

Ученые из EPFL, Нидерландского королевского института морских исследований и Вагенингенского университета разработали новую модель глубокого обучения для подсчета количества тюленей на аэрофотоснимках. Новый метод позволяет сэкономить ценное время и ресурсы, которые могут быть использованы для дальнейшего изучения и защиты исчезающих видов.

Экологи ведут мониторинг популяций тюленей на протяжении десятилетий, создавая при этом огромные библиотеки аэрофотоснимков. Для подсчета количества тюленей на этих фотографиях требуются часы кропотливой работы, чтобы вручную идентифицировать животных на каждом отдельном снимке.

Междисциплинарная группа исследователей, включая Йеруна Хокендийка, аспиранта Вагенингенского университета и научных исследований (WUR) и сотрудника Королевского института морских исследований Нидерландов (NIOZ), и Девиса Туйа, доцента и руководителя лаборатории вычислительных наук об окружающей среде и наблюдения Земли в EPFL Valais, разработала более эффективный подход к подсчету объектов в экологических исследованиях. В своем исследовании, опубликованном в журнале Scientific Reports, они используют модель глубокого обучения для подсчета количества тюленей на архивных фотографиях. Их метод может обработать 100 изображений менее чем за одну минуту - по сравнению с часом работы эксперта-человека.

"В экологии наиболее часто используемые модели глубокого обучения сначала обучаются обнаруживать отдельные объекты, после чего обнаруженные объекты подсчитываются. Этот тип модели требует обширных аннотаций отдельных объектов во время обучения," - говорит Хоекендийк. Однако метод, примененный исследовательской группой, устраняет необходимость предварительно маркировать отдельных тюленей, что значительно ускоряет процедуру, поскольку требуется только общее количество животных на фотографии. Более того, их метод может быть использован для подсчета любых предметов или отдельных животных и, таким образом, потенциально может помочь в обработке не только новых фотографий, но и тех, которые находятся в архиве. Эти фотографии сделанные на протяжении десятилетий могут дать важное представление о том, как изменялась численность популяции с течением времени.

То, как тюлени выглядят на аэрофотоснимках, может значительно отличаться от одной фото к другой, в зависимости от высоты и угла, под которым был сделан снимок. Поэтому исследовательская группа оценила устойчивость к таким изменениям. Кроме того, чтобы продемонстрировать потенциал своей модели глубокого обучения, ученые протестировали свой подход на принципиально другом наборе данных, гораздо меньшего масштаба: изображениях микроскопических отолитов рыб (они выполняют роль внутреннего уха, отвечают за ориентацию в пространстве, равновесие и восприятие звуков). Они известны тем, что их очень сложно аннотировать по отдельности. Исследовательская группа обнаружила, что их модель имеет примерно такую же погрешность, как и ручные методы, но при этом может обработать 100 изображений менее чем за минуту, в то время как у эксперта на это ушло бы три часа.

Следующим шагом будет применение аналогичного подхода к спутниковым снимкам труднодоступных арктических регионов, где обитает несколько популяций тюленей, занесенных в Красную книгу. "Мы планируем использовать этот подход для изучения исчезающих видов в этой отдаленной части света, где температура растет в два раза быстрее, чем в других местах планеты, - говорит Туиа. - Знание мест концентрации необходимо для защиты этих исчезающих видов".

Фото: NIOZ