Stellen Sie sich vor, Sie sind ein Polizeibeamter auf einem Wildtiermarkt und haben den Verdacht, dass einige der zum Verkauf stehenden Vögel aus gefährdeten oder illegal gehandelten Populationen stammen. Dies ist eine Situation, die eine entschlossene Identifizierung und Maßnahmen erfordert, aber in Fällen, in denen „Doppelgänger-Arten“ werden leicht miteinander verwechselt, einfache körperliche Merkmale wie Farbe und Größe reichen möglicherweise nicht aus, um eine ordnungsgemäße Identifizierung vor Ort zu ermöglichen. Noch schwieriger wird es, wenn skrupellose Händler Vögel färben oder ihr Aussehen auf andere Weise so verändern, dass sie anderen Arten ähneln, die höhere Preise erzielen.
Mehr als ein Drittel aller Vogelarten der Welt werden für den Verkauf auf Wildtiermärkten gejagt, die mehr Individuen und Vogelarten umfassen als jede andere taxonomische Gruppe und einen Wert von mehreren zehn Milliarden Dollar jährlich haben. Die Nachfrage nach lebenden Vögeln als Haustiere und in kulturellen Praktiken, wie zum Beispiel Vogelgesangswettbewerbe Und Gebet Tierbefreiungführt zur Übernutzung, die wiederum maßgeblich zum Rückgang der Populationen beiträgt. In Ost- und Südostasien zum Beispiel sind einige Arten aufgrund der hohen Nachfrage nach in Gefangenschaft gehaltenen Singvögeln in freier Wildbahn an den Rand der Ausrottung geraten.
Die für ihre Schönheit und ihren Gesang bekannten Brillenvögel (Zosteropidae) sind beliebte Singvögel auf asiatischen Wildtiermärkten und umfassen gefährdete Arten, deren Handel verboten ist durch CITES.
Zu den auf Märkten verkauften Brillenvögeln gehören gefährdete und potenziell gefährdete Arten, wie der Java-Brillenvogel (Zosterops fflavus) und der Togian-Brillenvogel (Zosterops somadikartai). Der Schutz ihrer wilden Populationen ist ein entscheidender Faktor, um ihr Aussterben zu verhindern. Die Identifizierung dieser Vögel ist entscheidend, um Wildtiergesetze durchzusetzen und sie von Märkten fernzuhalten.
Hier kann ein innovativer Ansatz mit künstlicher Intelligenz (KI) bahnbrechende Veränderungen mit sich bringen. Viele Vögel sind sehr lautstark und kommunizieren durch eine Vielzahl unverwechselbarer Gesänge und Rufe. Wir erkannten, dass wir durch die Nutzung von Aufzeichnungen ihrer Lautäußerungen mit ihren einzigartigen bioakustischen Signaturen ein KI-Tool entwickeln könnten, mit dem wir Brillenvogelarten allein anhand ihrer Lautäußerungen identifizieren können.
Öffentliche Datenbanken mit Vogelstimmen umfassen xeno-gesang und Cornells Macaulay-Bibliothek. Wir nutzten drei große Vogelstimmendatenbanken, um bioakustische Daten für 15 häufig gehandelte, optisch ähnliche Weißaugenarten zu erhalten. Anhand dieser Aufzeichnungen verwendeten wir tiefes Lernen Techniken und trainierten ein leistungsfähiges neuronales Netzwerkmodell, um die spezifischen akustischen Muster und Klangsignaturen jeder Brillenvogelart zu erkennen.
Dieser Ansatz ähnelt der Gesichtserkennung zur Identifizierung einzelner Personen, wir haben jedoch stattdessen Stimmerkennung zur Identifizierung von Vogelarten verwendet. Um das System robust zu machen, haben wir Methoden zur Datenerweiterung eingebaut und sogar Beispiele von Umgebungsgeräuschen aufgenommen, die in Marktaufzeichnungen zu finden sein könnten, um die realen Bedingungen so genau wie möglich zu simulieren.
Anschließend haben wir das vorab trainierte Modell Inception v3 eingesetzt, um die 15 Vogelarten und Umgebungsgeräusche (also Geräusche, die keine Vögel sind) anhand von 448 Aufnahmen von Vogelstimmen zu klassifizieren. Wir haben die Aufnahmen in Spektrogramme umgewandelt und Bildverbesserungsmethoden verwendet, um die Leistung des neuronalen KI-Netzwerks durch Training und Validierung zu verbessern.
Unsere Ergebnisseveröffentlicht in Ibiswaren unglaublich vielversprechend. Unsere maschinellen Lernmodelle können die Zielarten anhand ihrer Lautäußerungen mit einer Genauigkeit von über 90 % identifizieren. Das ist ein erstaunlicher Grad an Präzision für die Unterscheidung zwischen Doppelgängern allein anhand von Geräuschen.
Die wahre Stärke dieser Technologie liegt jedoch in ihren potenziellen Anwendungen. So kann beispielsweise jeder – Polizeibeamte, Zollbeamte, Naturschützer und sogar Bürgerwissenschaftler – eine benutzerfreundliche Smartphone-App mit diesem System entwickeln. So könnten Benutzer die App einfach öffnen, sie ein paar Sekunden lang den Vögeln „zuhören“ lassen und die Art fast sofort identifizieren, egal ob auf einem Markt, in einer Zoohandlung oder im Freien. Obwohl wir uns zunächst auf Brillenvögel konzentriert haben, ist die App für viele stimmfreudige Arten anpassbar.
Diese Entdeckung könnte zu keinem wichtigeren Zeitpunkt erfolgen. Die Echtzeit-Datenverarbeitung und -Aktion ist von unschätzbarem Wert für die Durchsetzung von Naturschutzgesetzen und die Bekämpfung des illegalen Handels. Dieser bioakustische Ansatz bietet eine kostengünstige, nicht-invasive, schnelle und hochpräzise Methode zur Identifizierung von Vögeln und löst das Problem der Unterscheidung ähnlich aussehender Arten.
Der jüngste Boom bei KI und leicht verfügbarem Cloud-Computing hat enorme neue Rechenleistung für den Naturschutz erschlossen. Die automatisierte bioakustische Überwachung ist eine innovative Lösung, aber auch nur die Spitze des Eisbergs der potenziellen Anwendungen von KI zum Schutz der Artenvielfalt.
Obwohl es noch Herausforderungen gibt, sind wir optimistisch, dass solche Technologien dazu beitragen können, den Wildtierhandel und die Dezimierung von Wildtieren zu bekämpfen. Wenn wir Fachleuten und Bürgerwissenschaftlern zugängliche KI-Identifizierungstools zur Verfügung stellen, kann dies die Art und Weise, wie wir gefährdete Wildtierpopulationen schützen, revolutionieren.
Diese Geschichte ist Teil von Science X Dialogwo Forscher Ergebnisse aus ihren veröffentlichten Forschungsartikeln melden können. Besuchen Sie diese Seite für Informationen zum Science X Dialog und zur Teilnahme.
Mehr Informationen:
Shan Su et al., Ein neuartiger bioakustischer Ansatz auf der Basis von Deep Learning zur Identifizierung ähnlicher Brillenvogelarten (Zosterops), die auf Wildtiermärkten gehandelt werden. Ibis (2024). DOI: 10.1111/ibi.13309
Dr. Shan Su ist wissenschaftliche Mitarbeiterin bei der International Bird Conservation Partnership (IBCP); sie promovierte am University College London und forschte zuvor als Postdoc an der Oxford University im Vereinigten Königreich.
Dr. Nico Arcilla ist Direktorin des IBCP, dessen Aufgabe darin besteht, Forschung, Öffentlichkeitsarbeit und Partnerschaften zu fördern und zu unterstützen, um den Vogelschutz weltweit voranzutreiben. Sie promovierte an der University of Georgia und ist Affiliate Fellow an der University of Nebraska, USA.
Dr. Tai-Yuan Su ist außerordentlicher Professor an der Yuan-Ze-Universität in Taiwan. Er ist spezialisiert auf medizinische Geräte, Computervision und Deep Learning. Seinen Doktortitel erhielt er an der National Yang Ming University in Taiwan.