211service.com
Penguin-igenkänningsprogram
Forskare som studerar en koloni av sällsynta pingviner på en avlägsen sydafrikansk ö använder sofistikerad programvara för objektigenkänning för att identifiera och spåra enskilda djur – ett tillvägagångssätt som de tror skulle kunna förändra bevarandefältarbetet.
Hitta pingvinen: Forskare från Bristol University använder programvara för objektigenkänning för att övervaka en koloni av sällsynta pingviner på Robben Island i Sydafrika. En grön ruta indikerar att programvaran ser en pingvin; en gul ruta betyder att programvaran har identifierat ett visst djur baserat på dess unika mönster av bröstfläckar.
Den inblandade programvaran – som ursprungligen utvecklades för att känna igen enskilda mänskliga ansikten – har utvecklats snabbt de senaste åren. Men än så länge har den sk Penguin Recognition Project , drivs av Bristol University , i England, är det första storskaliga försöket att använda denna teknik för att katalogisera och övervaka en hel population av djur i fält.
Robben Island är hem för ungefär 20 000 Afrikanska pingviner , en hotad art som har minskat med 90 procent under det senaste århundradet. Bristols forskare satte upp flera kameror längs stigar som pingvinerna färdats väl. Programvaran tar upp pingvinernas fingeravtrycksliknande mönster av svarta och vita fjädrar och använder dessa mönster för att identifiera enskilda djur. Genom att spåra individuella pingviner genom tiden kan forskare lära sig hur länge de lever, hur ofta de reproducerar sig och vilka tider på året de är mest sårbara.
Det är ganska många som arbetar med datorseende för att försöka identifiera objekt i bilder, säger Peter Barham, fysiker och en av projektets chefsforskare. Ingen har tillämpat den tekniken för att leta efter djur. Han tillägger att tillvägagångssättet potentiellt kan användas för att spåra alla djur som har individuellt distinkta visuella mönster. Många djur, från knölvalar till giraffer, har individuellt distinkta färgmönster.
Konventionella tekniker för övervakning av djurpopulationer är vanligtvis mycket kostsamma och svåra och orsakar stress på djur. De flesta populationsbiologiska studier görs genom att fånga djur och tagga dem, eller genom att följa och fotografera individer så att de kan katalogiseras för hand i visuella databaser.
Pingvinprojektet gör samma sak utan dessa nackdelar och får bättre data också. Vi kan räkna ut månatliga överlevnadstal för pingviner. Inte årligen – månadsvis, säger Barham. Du får en skrämmande mängd data. Just nu installerar forskarna från Bristol ett system som permanent kommer att övervaka hela ön, efter framgången med prototyper som testats under de senaste fyra åren.
Den här veckan presenterar projektets forskare sin forskning på British Royal Society s årliga sommarvetenskapsutställning i London.
Mjukvaran för pingvinigenkänning använder en inlärningsalgoritm som blir bättre ju mer data den möter. Med hjälp av en stor samling pingvinfotografier lärde Bristol Universitys datavetare Tilo Burghardt programvaran att identifiera ett pingvinformat föremål genom dess bröstkontur och rand, ett svart band med en karakteristisk form. Individuella pingviner känns igen av de unika mönstren av fläckar på deras bröst, som var och en beskrivs i systemet genom sitt avstånd från alla andra fläckar. Detektorn är tillräckligt robust för att korrekt identifiera enskilda pingviner även när en eller flera av fläckarna är täckta, säger Burghardt.
http://link.brightcove.com/services/player/bcpid1460879066?bctid=1632763892 Programvara för objektigenkänning lägger till gröna rutor när någon pingvin känns igen och gula rutor när en specifik pingvin känns igen.
Kredit: Tilo Burghardt
Du kan koda djurmönstret ännu mer effektivt än mänskliga ansikten, säger han. Du behöver inte använda mycket beskrivning för att få systemet att fungera.
Systemet använder ganska billiga komponenter: vanliga säkerhetskameror kopplade till bärbara datorer, som kommunicerar via ett trådlöst LAN. Med en strömkälla och en anslutning för att strömma data till en central server, fungerar den i fält med minimal mänsklig störning. Under en månads observation, säger Barham, kommer systemet att fånga data om nästan hela kolonin.
Utmaningen med att generalisera detta tillvägagångssätt till andra arter är förstås att helt enkelt samla in bilderna effektivt. För omfattande arter som inte färdas längs välanvända stigar, kommer passiva kameror inte att ta tillräckligt med bilder för att spåra en hel population.
Men även för mobila djur som inte kan fotograferas passivt kan programvara för objektigenkänning ta platsen för det mödosamma arbetet med att matcha bilder, ett jobb som kräver stor expertis och äter upp begränsade forskningsbudgetar för bevarande. Sophie Grange, en zebrabiolog vid Wits universitet , i Sydafrika, är optimistisk om teknikens potential, och hon arbetar för närvarande med Burghardt och hans kollegor för att utveckla ett liknande system för hennes fältarbete. Dessa studier är väsentliga för att förbättra vår vetenskapliga kunskap om djurdemografi, vilket är centralt om man vill hantera och bevara djurpopulationer, säger hon.
Burghardt tycker att området bevarandebiologi är mogen för teknisk innovation. Det tog lång tid att inse att man kan använda liknande teknik för att lösa till synes väldigt olika problem, säger han. Vi har i princip öppnat upp ett nytt område för samarbete mellan vetenskap och ingenjörsvetenskap.