Наблюдение за групповыми животными с помощью дронов и компьютерного зрения
Дрон пролетает над стадом равнинных зебр в центральной Кении. Он летит достаточно высоко, чтобы не беспокоить животных. Эти зебры представляют большой интерес для изучения коллективного и пространственного поведения, по мнению исследователей Бена Коджера и Блэр Костеллоу, которые управляют дроном.
Равнинные зебры живут в многоуровневых обществах: небольшие группы самок и самец объединяются в более крупные стада из десятков животных. Эта социальная и пространственная структура может влиять на поведенческие процессы, такие как принятие решений и обмен информацией, и иметь значение для понимания наших собственных сложных обществ. Традиционно проводить такие исследования было очень сложно. Но новые методы, разработанные их командой с использованием дронов с камерами и искусственного интеллекта, открывают новые возможности.
Для изучения групп животных, таких как зебры или гелады, Бен Коджер, Блэр Костеллоу, Иэн Кузин и другие исследователи из Института поведения животных Общества Макса Планка, «Центра перспективных исследований коллективного поведения» (CASCB) Констанцского университета и Орхусского университета разработали новый метод сбора данных о поведении животных и окружающем их естественном ландшафте с помощью дронов и компьютерного зрения.
Исследователи используют дроны с камерами для записи целых групп животных в естественных условиях. Поведенческий эколог Блэр Костеллоу описывает метод: «Мы создали аналитический конвейер, который позволяет нам брать аэросъёмку с дрона и извлекать информацию о местоположении, движении и поведении животных. Мы можем измерить их пространственное распределение и поведенческие состояния, а также получить богатую информацию об их окружении, включая 3D-структуру среды».
Перенос трекинга из лаборатории в поле
Ранее исследователи в основном получали высокоточные наборы данных о динамике групп животных в строго контролируемых лабораторных условиях, где эксперименты можно было повторять многократно. Но команда задалась вопросом: «Можем ли мы использовать дроны с камерами и новые компьютерные алгоритмы, чтобы применить те же лабораторные подходы, но перенести их в естественные ландшафты?»
Это возможно, но пришлось решить несколько проблем. «Мы часто записывали 20 и более разных особей одновременно. Количественная оценка местоположения каждой из особей в одном получасовом видео-наблюдении человеком заняла бы недели», — объясняет Бен Коджер. «Первой задачей было: как мы можем автоматически обнаружить интересующих нас животных?»
Решение заключалось в обучении мощных алгоритмов глубокого обучения. Вторая проблема: исследователей интересовали движения животных, однако записанные видео включали не только движение животных, но и движение дрона, а также искажения из-за холмистой местности. Все эти разные элементы нужно было разделить, прежде чем можно было получить значимые данные.
Преимущества нового метода
«Сила нашего метода на основе изображений в том, что это универсальное решение», — говорит Коджер. Поскольку дроны наблюдают не только за группой животных, но и за ландшафтом, вы получаете очень обширный набор данных, который включает информацию о социальном и экологическом контексте всех животных наблюдаемой группы.
Это возможно, потому что они явно моделируют 3D-ландшафт, который записывают. Это означает, что метод можно использовать на любой открытой местности, и он позволяет исследователям явно изучать влияние среды обитания на поведение. «Это действительно мощный подход, который до сих пор было очень трудно реализовать», — говорит Блэр Костеллоу.
Ещё одно преимущество, в отличие от другого распространённого метода, заключается в том, что животных не нужно отлавливать и оснащать датчиками движения. Это может быть рискованной и дорогостоящей процедурой, особенно при работе с исчезающими видами, такими как зебра Греви.
Потенциал применения
Во всём мире популяции диких животных сокращаются из-за потери среды обитания, изменения климата и других угроз. Узнав больше о том, как группы животных ведут себя в сложных естественных условиях, можно помочь в разработке природоохранных мер, а также получить новые представления о жизни и поведении видов дикой природы.
В своей статье, опубликованной в Journal of Animal Ecology, команда описывает определённые области исследований, где их метод имеет большой потенциал для получения новых знаний, такие как пространственно опосредованные поведенческие процессы, коллективное поведение множества животных и взаимодействие животных со средой.
В статье представлены тематические исследования зебр Греви в Кении и гелад в Эфиопии. «Одна из сильных сторон нашего метода в том, что его можно адаптировать ко многим различным видам и средам», — говорит Блэр Костеллоу. Поэтому она оптимистично настроена в отношении использования нового метода. «Я думаю, что этот метод может помочь нам развить более механистическое понимание того, как индивидуальное поведение порождает явления более высокого порядка, которые важны для сохранения видов», — говорит Костеллоу.
Команда сейчас работает над полученными данными, чтобы вскоре дать больше информации о групповом поведении гелад, а также африканских копытных, таких как зебры.