BIODIVERSITÄT · KI

Projekt Karibou

Wildkamerabilder automatisch sortieren und nur die Bilder behalten, auf denen ein Tier zu sehen ist.

Projekt Karibou: Wildtiererkennung mit künstlicher Intelligenz

DIE HERAUSFORDERUNGEN

Hunderttausende Bilder, sehr wenige Tiere

Die in der Tundra installierten Wildkameras lösen laufend aus. In einer Saison entstehen Hunderttausende Bilder, von denen die allermeisten kein Tier zeigen. Sie von Hand zu sortieren, kostet Wochen.

Das Projekt Karibou verfolgt zwei Ziele:

  • automatisch aussortieren: einen großen Teil der Bilder ohne Tiere;
  • alle anderen behalten, damit ein menschliches Auge sie prüft.
Wildkamerabild in der Tundra, ein Tier in einem roten Rahmen markiert
Ein Tier in der Landschaft: nur wenige Pixel.

UNSER ANSATZ

Wir sehen das Tier, weil es sich bewegt

In diesen weiten, offenen Landschaften misst ein Karibu oder eine Gans oft nur wenige Pixel – viel zu wenig für klassische Erkennungssysteme. Das Projekt Karibou nutzt deshalb die Bewegung und analysiert jedes Bild zusammen mit dem vorherigen und dem nächsten. Entdecken Sie unseren Ansatz für KI im Umweltbereich.

Vorheriges Bild, annotiertes Bild, nächstes Bild und Farbkomposit
Vorheriges Bild, annotiertes Bild, nächstes Bild und Farbkomposit: Die Bewegung hebt das Tier hervor.

Zeitfenster

Jedes Bild wird mit seinen unmittelbaren Nachbarn verglichen, um hervorzuheben, was sich bewegt.

Ereignisse

Eine Folge aufeinanderfolgender Bilder bildet ein „Ereignis“, die Einheit, die das Modell behält oder verwirft.

Assistierte Sortierung

Das Modell ersetzt nicht die Fachperson: Es erspart ihr die Prüfung leerer Bilder.

DIE DATEN

Elf Speicherkarten, sieben Standorte, 318 Ereignisse

105.320

erfasste Bilder

7

Beobachtungsstandorte

318

annotierte Ereignisse

2.486

annotierte Bilder

Die annotierten Ereignisse betreffen vor allem Gänse (142), nicht bestimmte Vögel (60) und Karibus (41), aber auch andere Säugetiere, Möwen sowie vorbeikommende Menschen oder Fahrzeuge.

93 % der annotierten Bilder haben ein nahezu identisches Nachbarbild in derselben Serie. Um eine zu optimistische Bewertung zu vermeiden, wird das Modell daher nie an einer Zufallsauswahl von Bildern validiert, sondern immer an einem vollständig zurückgehaltenen Standort.

Beispiel einer Karibu-Erkennung mit dem Zeitfenster
Beispiel eines erkannten Karibus: Das Zeitkomposit hebt das sich bewegende Tier hervor.

DIE SCHWIERIGKEITEN

Unvollkommene Annotationen

  1. Die Position der Annotationen ist je nach Kamera verschoben.
  2. Eine Annotation kann einem oder mehreren Tieren entsprechen.
  3. Einige Bilder sind mit einem Tier markiert, aber ohne Koordinaten.

DIE MESSUNG

Kein Tier übersehen

Wir messen den Anteil der aussortierten leeren Bilder, während die annotierten Ereignisse erhalten bleiben:

  • bei 100 % : Das Modell verwirft kein gültiges Ereignis;
  • bei 99 % : Wir erlauben uns, 1 % der gültigen Ereignisse zu verpassen.

Ein Projekt zum Wildtiermonitoring?

Sprechen wir über Ihren Bedarf an Bilderkennung und Bildanalyse.