Обнаружение слонов из космоса: спутниковая революция

Исследователи из Оксфордского университета (Wildlife Conservation Research Unit и Machine Learning Research Group) с помощью спутниковых снимков сверхвысокого разрешения Worldview 3 от Maxar Technologies и методов глубокого обучения (TensorFlow API, Google Brain) научились обнаруживать слонов из космоса с точностью, сравнимой с человеческими возможностями.

Популяция африканских слонов (Loxodonta africana) резко сократилась за последнее столетие из-за браконьерства, ответных убийств при набегах на посевы и фрагментации среды обитания. Для их сохранения необходимо знать, где они находятся и сколько их: точный мониторинг жизненно важен.

Самый распространенный метод учёта в саваннах — аэрофотосъёмка с пилотируемых самолётов. Этот метод подвержен ошибкам из-за усталости наблюдателей, плохой видимости и других предубеждений, а также является дорогостоящим и сложным в организации.

Новый метод, разработанный в сотрудничестве с доктором Ольгой Исуповой (Университет Бата) и доктором Тьеюном Вангом (Университет Твенте), решает эти проблемы. Дистанционное зондирование слонов с помощью спутниковых изображений и автоматическое обнаружение с помощью глубокого обучения предоставляет новый способ мониторинга.

Преимущества спутникового метода:

• Спутники могут собирать изображения площадью более 5000 км² за один проход за несколько минут, исключая риск двойного подсчёта.
• Метод ненавязчив, не требует присутствия на земле и не беспокоит животных.
• Становятся доступными ранее недоступные и приграничные районы, важные для планирования сохранения вида.
• Автоматизация обработки позволяет выполнить за часы работу, которая раньше занимала месяцы.

Для обучения модели команда создала специальный набор данных с изображениями более 1000 слонов в Южной Африке, который был использован для обучения свёрточной нейронной сети (CNN, Convolutional Neural Network).

Точность модели (оценка F2):

• В неоднородной местности: 0.78 (у модели) против 0.77 (в среднем у человека).
• В однородной местности: 0.73 (у модели) против 0.80 (в среднем у человека).

Модель смогла обнаруживать слонов даже в местах, удалённых от района обучения, демонстрируя свою обобщающую способность. Обучив машину только на взрослых особях, исследователи также смогли идентифицировать слонят.

Исследование демонстрирует потенциал технологий для целей сохранения видов. Спутниковое дистанционное зондирование и глубокое обучение открывают новые возможности в условиях шестого массового вымирания и глобального кризиса биоразнообразия.

Исследование "Using very high-resolution satellite imagery and deep learning to detect and count African elephants in heterogeneous landscapes" опубликовано в журнале Remote Sensing in Ecology and Conservation.