Neue KI-Methode zählt Seekuh-Cluster in Echtzeit

Seekühe sind vom Aussterben bedrohte und umweltschädliche Arten. Aufgrund ihres unersättlichen Appetits verbringen sie oft bis zu acht Stunden am Tag damit, in seichten Gewässern auf der Suche nach Nahrung zu grasen, was sie anfällig für Umweltveränderungen und andere Risiken macht.

Die genaue Zählung der Seekühe-Ansammlungen innerhalb einer Region ist nicht nur biologisch bedeutsam für die Beobachtung ihres Verhaltens, sondern auch entscheidend für die Gestaltung von Sicherheitsregeln für Bootsfahrer und Taucher sowie für die Planung von Pflege-, Interventions- und anderen Plänen. Dennoch ist das Zählen von Seekühen eine Herausforderung.

Da Seekühe dazu neigen, in Herden zu leben, blockieren sie sich von der Oberfläche aus oft gegenseitig. Dadurch ist es wahrscheinlich, dass kleine Seekühe teilweise oder vollständig aus der Sicht geraten. Darüber hinaus neigen Wasserreflexionen dazu, Seekühe unsichtbar zu machen, und sie können auch mit anderen Objekten wie Steinen und Ästen verwechselt werden.

Während in einigen Regionen Luftbilddaten zur Zählung von Seekühen verwendet werden, ist diese Methode zeitaufwändig und kostspielig und die Genauigkeit hängt von Faktoren wie der Voreingenommenheit des Beobachters, den Wetterbedingungen und der Tageszeit ab. Darüber hinaus ist es von entscheidender Bedeutung, über eine kostengünstige Methode zu verfügen, die eine Echtzeitzählung liefert, um Ökologen frühzeitig vor Bedrohungen zu warnen, damit sie proaktiv zum Schutz der Seekühe handeln können.

Künstliche Intelligenz wird in einem breiten Spektrum von Bereichen eingesetzt, und jetzt haben Forscher des College of Engineering and Computer Science der Florida Atlantic University ihre Kräfte genutzt, um zur Rettung der geliebten Seekuh beizutragen. Sie gehören zu den Ersten, die einen auf Deep Learning basierenden Crowd-Counting-Ansatz verwenden, um die Anzahl der Seekühe in einer bestimmten Region automatisch zu zählen. Dabei werden Bilder von CCTV-Kameras verwendet, die sofort als Eingabe verfügbar sind.

Diese bahnbrechende Studie wurde veröffentlicht Wissenschaftliche Berichtebefasst sich nicht nur mit den technischen Herausforderungen beim Zählen in komplexen Außenumgebungen, sondern bietet auch potenzielle Möglichkeiten zur Unterstützung gefährdeter Arten.

Um die Dichte der Seekühe zu bestimmen und ihre Anzahl zu berechnen, verwendeten die Forscher generische Bilder, die aus Überwachungsvideos von der Wasseroberfläche aufgenommen wurden. Anschließend verwendeten sie ein einzigartiges Design, das an die Form der Seekühe angepasst war – den anisotropen Gaussian Kernel (AGK) –, um die Bilder in auf Seekühe zugeschnittene Dichtekarten umzuwandeln, die die einzigartigen Körperformen der Seekühe darstellten.

Obwohl es viele Methoden zum Zählen gibt, werden die meisten vorhandenen Zählmethoden aufgrund ihrer Relevanz für wichtige Anwendungen wie Stadtplanung und öffentliche Sicherheit auf Menschenmengen angewendet, um die Anzahl der Personen zu zählen.

Um Etikettierungskosten zu sparen, verwendeten die Forscher eine zeilenbasierte Annotation mit einer einzigen geraden Linie, um jede Seekuh zu markieren. Das Ziel der Studie bestand darin, zu lernen, wie man die Anzahl von Objekten innerhalb einer Szene zählt und Beschriftungen erhält, die das Zählen unterstützen.

Die Ergebnisse der Studie zeigen, dass die von der FAU entwickelte Methode andere Basislinien übertrifft, einschließlich des traditionellen, auf dem Gaußschen Kernel basierenden Ansatzes. Der Übergang von der Punkt- zur Linienkennzeichnung verbesserte auch die Genauigkeit der Weizenanbauzählung, die eine wichtige Rolle bei der Schätzung des Ernteertrags spielt, was auf breitere Anwendungen für konvex geformte Objekte in verschiedenen Kontexten schließen lässt. Dieser Ansatz funktionierte besonders gut, wenn das Bild eine hohe Dichte an Seekühen vor einem komplizierten Hintergrund aufwies.

Durch die Formatierung der Seekühe-Zählung als Lernaufgabe zur Schätzung der Dichte neuronaler Netze konnte bei diesem Ansatz ein Gleichgewicht zwischen den Kennzeichnungskosten und der Zähleffizienz erzielt werden. Dadurch stellt diese Methode eine einfache Lösung mit hohem Durchsatz für die Zählung von Seekühen dar, die nur einen sehr geringen Etikettierungsaufwand erfordert. Eine direkte Auswirkung besteht darin, dass State Parks diese Methode nutzen können, um die Anzahl der Seekühe in verschiedenen Regionen zu ermitteln, indem sie ihre vorhandenen CCTV-Kameras in Echtzeit nutzen.

„Es gibt viele Möglichkeiten, rechnerische Methoden zu nutzen, um gefährdete Arten zu retten, wie zum Beispiel das Erkennen der Anwesenheit der Arten und deren Zählung, um Informationen über Anzahl und Dichte zu sammeln“, sagte Xingquan (Hill) Zhu, Ph.D., leitender Autor, ein IEEE Fellow und Professor am Fachbereich Elektrotechnik und Informatik der FAU.

„Unsere Methode berücksichtigte Verzerrungen, die durch die Perspektive zwischen dem Wasserraum und der Bildebene verursacht werden. Da die Form der Seekuh eher einer Ellipse als einem Kreis ähnelt, haben wir AGK verwendet, um die Seekuhkontur am besten darzustellen und die Seekuhdichte in der Szene abzuschätzen.“ Dadurch ist die Dichtekarte hinsichtlich der mittleren absoluten Fehler und des quadratischen Mittelfehlers genauer als andere Alternativen zur Schätzung der Seekühe.“

Um ihre Methode zu validieren und die weitere Forschung in diesem Bereich zu erleichtern, entwickelten die Forscher einen umfassenden Datensatz zur Zählung von Seekühen zusammen mit ihrem Quellcode, der über GitHub für den öffentlichen Zugriff unter veröffentlicht wurde github.com/yeyimilk/deep-learning-for-manatee-counting.

„Seekühe gehören zu den Wildtierarten, die von Bedrohungen durch den Menschen betroffen sind. Daher ist die Berechnung ihrer Anzahl und Sammelmuster in Echtzeit für das Verständnis ihrer Populationsdynamik von entscheidender Bedeutung“, sagte Stella Batalama, Ph.D., Dekanin des FAU College für Ingenieurwissenschaften und Informatik.

„Die von Professor Zhu und unseren Doktoranden entwickelte Methodik bietet einen vielversprechenden Weg für breitere Anwendungen, insbesondere für konvex geformte Objekte, um Zähltechniken zu verbessern, die bessere ökologische Ergebnisse aus Managemententscheidungen vorhersagen können.“

Seekühe kommen von Brasilien bis Florida und rund um die Karibikinseln vor. Einige Arten, darunter die Florida-Seekuh, werden von der International Union for Conservation of Nature als gefährdet eingestuft.