Ein neues Tool nutzt Gesichtserkennungstechnologie, um einzelne Wale und Delfine in freier Wildbahn bei 24 Arten zu identifizieren. Die Forschung wurde von der University of Hawaiʻi am Mānoa Hawaiʻi Institute of Marine Biology (HIMB) Ph.D. geleitet. Student Philip Patton und veröffentlicht in Methoden in Ökologie und Evolution.
„Aus Sicht des Naturschutzes ist es wirklich nützlich, die gleichen Individuen im Laufe der Zeit erkennen zu können, weil man sehen kann, welche Gebiete die Individuen nutzen“, sagte Patton. „Sie können diese Informationen auch verwenden, um die Bevölkerungsgröße und Bevölkerungstrends abzuschätzen.“
Dieses Fotoidentifizierungsmodell für mehrere Arten, das auf einer hochmodernen Methode der menschlichen Gesichtserkennung basiert, wurde für einen von Happywhale.com organisierten Kaggle-Wettbewerb erstellt, bei dem Ingenieure aufgefordert wurden, ein Tool zu entwickeln, mit dem Wale und Delfine mithilfe eines Fotoidentifizierungsmodells individuell identifiziert werden können Algorithmus. Die von den Ingenieuren entwickelten Algorithmen können Merkmale wie Narbenbildung, Pigmentierung, Größe und mehr bei einzelnen Delfinen und Walen identifizieren.
Beschleunigung des Informationsbeschaffungsprozesses
Das UH Mānoa Marine Mammal Research Program untersucht diese Arten mithilfe von Fotografie, um Management- und Schutzbemühungen für Meeressäugetiere in Hawaii zu unterstützen.
„Wenn wir rausgehen und diese Untersuchungen durchführen, zum Beispiel Fotos von ihnen draußen im Feld machen, können wir mit einem solchen Algorithmus den Prozess der Informationsbeschaffung wirklich beschleunigen“, sagte Patton. „Sobald wir zurück im Labor sind, können wir unsere Fotos durch den Algorithmus laufen lassen und er wird uns sagen, wer dort ist, und dann haben wir sofort einige Informationen, um Dinge wie Population, Raumnutzung usw. zu beurteilen, die für den Schutz hawaiianischer Wale wichtig sind.“ Delfine.“
Aus ökologischer Sicht sind Delfine sehr sozial und dieses neue Tool bietet eine Möglichkeit, das Sozialverhalten von Delfinen auf nicht-invasive Weise zu beobachten.
„Man kann tatsächlich viele Informationen lernen, indem man einfach dieselbe Person im Laufe der Zeit erkennt und notiert, wo man sie gesehen hat“, sagte Patton.
Die Veröffentlichung ist das Ergebnis einer umfassenden Zusammenarbeit, bei der 56 Forscher aus der ganzen Welt ihre wertvollen Bilddaten – die sechs Kontinente und 24 Arten repräsentieren – teilten, um die Walforschung und den Schutz von Walen voranzutreiben.
An der Studie nahmen die HIMB-Absolventen Liah McPherson und Jens Curry sowie Pattons Fakultätsberater Lars Bejder teil.
Mehr Informationen:
Philip T. Patton et al.: Ein Deep-Learning-Ansatz zur Fotoidentifizierung zeigt hohe Leistung bei zwei Dutzend Walarten. Methoden in Ökologie und Evolution (2023). DOI: 10.1111/2041-210X.14167