Pingvinų atpažinimo programinė įranga

Mokslininkai, tyrinėjantys retų pingvinų koloniją atokioje Pietų Afrikos saloje, naudoja sudėtingą objektų atpažinimo programinę įrangą, kad nustatytų ir sektų atskirus gyvūnus – tai požiūris, kuris, jų nuomone, gali pakeisti gamtosaugos lauko darbus.

Pamatykite pingviną: Bristolio universiteto mokslininkai naudoja objektų atpažinimo programinę įrangą, kad stebėtų retų pingvinų koloniją Robben saloje, Pietų Afrikoje. Žalias langelis rodo, kad programinė įranga mato pingviną; geltonas langelis reiškia, kad programinė įranga identifikavo konkretų gyvūną pagal jo unikalų krūtinės dėmių modelį.

Programinė įranga, kuri iš pradžių buvo sukurta atskiriems žmonių veidams atpažinti, pastaraisiais metais sparčiai vystėsi. Tačiau iki šiol vadinamasis Pingvinų atpažinimo projektas , paleisti Bristolio universitetas , Anglijoje, yra pirmasis didelio masto bandymas panaudoti šią technologiją, kad būtų galima kataloguoti ir stebėti visą lauko gyvūnų populiaciją.

Robbeno sala čia gyvena maždaug 20 tūkst Afrikos pingvinai , nykstanti rūšis, kurios per pastarąjį šimtmetį sumažėjo 90 procentų. Bristolio mokslininkai įrengė kelias kameras pingvinų plačiais keliais. Programinė įranga paima pingvinų pirštų atspaudus primenančius juodų ir baltų plunksnų raštus ir naudoja šiuos raštus atskiriems gyvūnams identifikuoti. Stebėdami atskirus pingvinus laikui bėgant, mokslininkai gali sužinoti, kiek jie gyvena, kaip dažnai dauginasi ir kokiu metų laiku jie yra labiausiai pažeidžiami.

Gana daug žmonių dirba su kompiuterine vizija, kad bandytų atpažinti objektus vaizduose, sako Peteris Barhamas, fizikas ir vienas iš pagrindinių projekto tyrėjų. Niekas tos technologijos netaikė ieškodamas gyvūnų. Jis priduria, kad šis metodas gali būti naudojamas stebėti bet kurį gyvūną, kuris turi individualiai skirtingus regėjimo modelius. Daugelis gyvūnų, nuo kuprotųjų banginių iki žirafų, turi individualiai skirtingus spalvos raštus.

Įprasti gyvūnų populiacijos stebėjimo metodai paprastai yra labai brangūs ir sudėtingi bei sukelia gyvūnams stresą. Dauguma populiacijos biologijos tyrimų atliekami fiksuojant gyvūnus ir juos žymint arba stebint ir fotografuojant asmenis, kad juos būtų galima kataloguoti ranka vaizdinėse duomenų bazėse.

Pingvinų projektas daro tą patį be šių trūkumų ir taip pat gauna geresnius duomenis. Galime apskaičiuoti pingvinų mėnesio išgyvenamumo rodiklius. Ne kasmet – kas mėnesį, sako Barhamas. Jūs gaunate bauginantį kiekį duomenų. Šiuo metu Bristolio mokslininkai diegia sistemą, kuri nuolat stebės visą salą, atsižvelgiant į per pastaruosius ketverius metus išbandytų prototipų sėkmę.

Šią savaitę projekto mokslininkai pristato savo tyrimus Britų karališkoji draugija kasmetinėje vasaros mokslo parodoje Londone.

Pingvinų atpažinimo programinė įranga naudoja mokymosi algoritmą, kuris gerėja kuo daugiau duomenų. Naudodamas didelę pingvinų nuotraukų kolekciją, Bristolio universiteto kompiuterių mokslininkas Tilo Burghardtas išmokė programinę įrangą atpažinti pingvino formos objektą pagal jo krūtinės kontūrą ir juostelę – juodą juostelę su būdinga forma. Atskiri pingvinai atpažįstami pagal unikalius dėmių raštus ant jų krūtinės, kurių kiekvienas sistemoje apibūdinamas pagal atstumą nuo visų kitų dėmių. Detektorius yra pakankamai tvirtas, kad būtų galima teisingai identifikuoti atskirus pingvinus net tada, kai viena ar kelios dėmės yra uždengtos, sako Burghardtas.

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

Objektų atpažinimo programinė įranga prideda žalius langelius, kai atpažįstamas bet kuris pingvinas, ir geltonus langelius, kai atpažįstamas konkretus pingvinas.
Kreditas: Tilo Burghardt

Jis sako, kad galite užkoduoti gyvūnų modelį dar efektyviau ir efektyviau nei žmonių veidus. Jums nereikia naudoti daug aprašymų, kad sistema veiktų.

Sistemoje naudojami gana pigūs komponentai: įprastos apsaugos kameros, prijungtos prie nešiojamųjų kompiuterių, kurios bendrauja per belaidį LAN. Turėdamas maitinimo šaltinį ir ryšį, kad būtų galima srautiniu būdu perduoti duomenis į centrinį serverį, jis veikia lauke su minimaliu žmogaus įsikišimu. Per mėnesį stebėjimo, pasak Barhamo, sistema užfiksuos duomenis apie beveik visą koloniją.

Žinoma, iššūkis apibendrinant šį požiūrį į kitas rūšis yra tiesiog efektyvus vaizdų rinkimas. Dėl plataus diapazono rūšių, kurios nekeliauja gerai naudojamais takais, pasyviosios kameros neužfiksuos pakankamai vaizdų, kad būtų galima stebėti visą populiaciją.

Tačiau net mobiliems gyvūnams, kurių negalima fotografuoti pasyviai, objektų atpažinimo programinė įranga gali pakeisti kruopštų darbą rankiniu būdu derinant vaizdus, ​​o tai reikalauja daug patirties ir sunaudoja ribotus gamtosaugos tyrimų biudžetus. Sophie Grange, zebrų biologė Witso universitetas , Pietų Afrikoje, optimistiškai žiūri į technologijos potencialą ir šiuo metu ji dirba su Burghardtu ir jo kolegomis, kad sukurtų panašią sistemą savo lauko darbams. Šie tyrimai yra būtini siekiant pagerinti mūsų mokslines žinias apie gyvūnų demografiją, kuri yra labai svarbi, jei norite valdyti ir išsaugoti gyvūnų populiacijas, sako ji.

Burghardtas mano, kad gamtosaugos biologijos sritis yra subrendusi technologinėms naujovėms. Jis sako, kad prireikė daug laiko suprasti, kad galite naudoti panašias technologijas, kad išspręstumėte, atrodo, labai skirtingas problemas. Iš esmės atvėrėme naują mokslo ir inžinerijos bendradarbiavimo sritį.

paslėpti