Новый ИИ-метод для подсчёта групп ламантинов в реальном времени

Ламантины — исчезающий вид, уязвимый к изменениям окружающей среды. Они проводят до восьми часов в день, питаясь на мелководье, что делает их подверженными рискам.

Точный подсчёт скоплений ламантинов важен для изучения их поведения, разработки правил безопасности для судоходства и планирования природоохранных мероприятий. Однако подсчёт затруднён, так как животные в группах часто заслоняют друг друга, их могут маскировать блики на воде или они могут быть приняты за камни и коряги.

Традиционные аэрофотосъёмки дороги, длительны, а их точность зависит от погоды, времени суток и человеческого фактора. Необходим недорогой метод для подсчёта в реальном времени.

Исследователи из Florida Atlantic University впервые применили подход deep learning для автоматического подсчёта ламантинов на изображениях с CCTV-камер. Исследование опубликовано в Scientific Reports.

Методология:

• Для определения плотности и подсчёта использовались изображения с камер наблюдения за поверхностью воды.
• Для преобразования изображений в кастомизированные карты плотности, отражающие уникальную форму тела ламантинов, был применён Anisotropic Gaussian Kernel (AGK).
• Чтобы снизить затраты на разметку данных, использовалась аннотация на основе линий (line-label-based annotation) — каждый ламантин отмечался одной прямой линией.

Результаты:

• Разработанный метод превзошёл другие базовые подходы, включая традиционный на основе Gaussian kernel.
• Переход от точечной к линейной разметке также повысил точность подсчёта колосьев пшеницы (важно для оценки урожайности), что указывает на более широкую применимость метода для объектов выпуклой формы.
• Метод особенно эффективен при высокой плотности ламантинов на сложном фоне.
• Этот подход обеспечивает простое и высокопроизводительное решение, требующее минимальных усилий по разметке. Парки могут использовать его для мониторинга в реальном времени с помощью существующих камер.

Цитаты исследователей:

• Синцюань (Хилл) Чжу, Ph.D., старший автор: «Мы учли искажения перспективы между водным пространством и плоскостью изображения. Поскольку форма ламантина ближе к эллипсу, мы использовали AGK... Это позволяет карте плотности быть точнее в оценке количества ламантинов».
• Стелла Баталама, Ph.D., декан: «Методология... задаёт многообещающий вектор для более широкого применения, особенно для объектов выпуклой формы, чтобы улучшить методы подсчёта».

Для проверки метода и содействия дальнейшим исследованиям команда создала комплексный набор данных для подсчёта ламантинов и опубликовала исходный код в открытом доступе на GitHub: github.com/yeyimilk/deep-learning-for-manatee-counting.

Ламантины обитают от Бразилии до Флориды и по всему Карибскому бассейну. Некоторые виды, включая флоридского ламантина, считаются находящимися под угрозой исчезновения по классификации International Union for Conservation of Nature.