Utilizând imaginile din satelit de cea mai înaltă rezoluție disponibilă, realizate de către satelitul Worldview 3, în combinație cu tehnologiile de inteligență artificială (TensorFlow API, Google Brain), cercetătorii de la Universitatea din Oxford au detectat elefanții din spațiu, cu o acuratețe comparabilă cu cea a observațiilor realizate de oameni.
Găsirea acului în carul cu fân este o adevărată provocare, iar numărarea elefanților din spațiu sună a ceva științifico-fantastic, însă tocmai acest lucru a realizat echipa WildCRU condusă de Isla Duporge.
Populația elefantului african (Loxodonta africana) a scăzut în decursul ultimului secol din cauza braconajului, uciderii accidentale și fragmentării habitatului. Pentru conservarea acestei populații este necesar să se cunoască unde se află elefanții și cât de numeroși sunt aceștia: monitorizarea cu acuratețe este vitală.
Metodele existente sunt predispuse la erori. Numărătorile lipsite de acuratețe duc la alocarea greșită a resurselor de conservare deja insuficiente și la înțelegerea greșită a tendințelor populaționale.
În prezent, cea mai utilizată tehnică de observare a populațiilor de elefanți din savană este numărătoare aeriană din avioane cu echipaj. Aceste observații pot deveni obositoare, pot fi perturbate de vizibilitatea scăzută și constituie o provocare din punct de vedere financiar și logistic.
O echipă de la Universitatea din Oxford (WildCRU: Department of Zoology și Machine Learning Research Group: Department of Engineering), în colaborare cu dr. Olga Isupova, de la Universitatea din Bath, și dr. Tiejun Wang, de la Universitatea din Twente, și-au propus să rezolve aceste probleme.
Detectarea de la distanță a elefanților folosind imagini satelitare și detectarea automată prin intermediul tehnicilor de inteligență artificială reprezintă o nouă metodă de studiere a elefanților și rezolvă diferitele provocări existente. Sateliții pot captura 5000 km2 de imagini în câteva minute, la o singură trecere, eliminând riscul dublei numărări. Observații repetate sunt, de asemenea, posibile la intervale scurte de timp.
Monitorizarea din satelit este o tehnică discretă, care nu necesită o prezență la sol, fapt care elimină riscul de deranjare a speciilor sau îngrijorările privind siguranța oamenilor în timpul colectării datelor. Zone anterior inaccesibile au devenit acum accesibile, iar zonele transfrontaliere – deseori cruciale pentru planificarea conservării – pot fi monitorizate fără a necesita eliberarea permiselor de trecere.
Una dintre provocările monitorizării prin satelit este prelucrarea enormei cantități de imagini generate. Totuși, detectarea automată reprezintă un proces care, în trecut, se desfășura pe parcursul a mai multor luni, însă acum durează doar câteva ore. Mai mult, computerele sunt mai puțin predispuse la erori, rezultatele fals negative sau fals pozitive din algoritmii de inteligență artificială fiind mai constante și mai ușor de rectificat prin perfecționarea modelelor – fapt care nu poate fi aplicat și în cazul oamenilor.
Pentru a dezvolta această nouă metodă, echipa a creat un set de date particularizat pentru mai mult de 1000 de elefanți din Africa de Sud, care a fost introdus în Convolutional Neural Network (CNN), iar rezultatele au fost comparate cu observațiile umane. Elefanții pot fi detectați în imaginile din satelit cu o acuratețe comparabilă cu cea a capabilităților de detectare ale oamenilor. Rezultatele (cunoscute drept scorul F2) modelelor CNN au fost 0,78, în cazul zonelor eterogene, respectiv 0,73 în zonele omogene, comparativ cu o capacitatea de detectarea medie a oamenilor de 0,77, pentru zonele eterogene, respectiv de 0,80 pentru cele omogene. Modelul a putut detecta chiar și elefanții din zone mult mai îndepărtate față de cea în care a fost aplicată metoda, fapt arată că acesta poate fi generalizat cu ușurință.
Cercetătorii cred că această metodă demonstrează că puterea tehnologiei poate fi folosită în sprijinul conservării: tehnologiile de detecție prin satelit și de inteligență artificială oferă o speranță pentru conservarea acestor mamifere maiestuoase.
Sursa: Phys.org